AI 自动生成的字幕，能离谱到什么程度？不仅把“螃蟹”（crab）误听成“废话”（crap），当场爆粗：甚至还能把“玉米”（corn）给翻译成 p*rn……关键在于，这些是 AI 给儿童节目自动生成的字幕。被 AAAI 2022 收录的一篇新研究发现，在 7013 个儿童视频中，接近 40% 的节目出现了少儿不宜或脏话等词汇。甚至在一个 113 集的儿童机器人学习栏目中，AI 就“爆粗”了 103 次，平均接近一集一次！对此，油管（YouTube）在接受《连线》采访时回应：我们为 13 岁以下的儿童开发了 YouTube Kids，这个 App 会关闭字幕生成功能。但如果真有字幕需求的话，如何才能想办法减少这种 AI 生成错误？一起来看看。亚马逊谷歌都很“祖安”先来看看这篇论文的调查结果。研究人员一共从油管上选出了 24 个儿童频道，分别记录了这些频道的播放量和订阅量。可以看出，这些筛选出来的视频播放量基本都达到了百万级，订阅人数也同样不少。然后，研究人员分别试了一下谷歌和 AWS（亚马逊网页服务）的字幕生成效果。结果显示，AI 字幕的“少儿不宜”率可谓离谱：在 7013 个视频中，谷歌 AI 出现错误字幕的次数达到 2768 次，接近 40%。亚马逊的 AI 字幕错误率还要更高，达到了 3672 次，超过 52%。具体来说，两个 AI 分别容易在这些“不太恰当”的字词上出错：△图左亚马逊，图右谷歌在这些数据集中，有一些词语又尤为“少儿不宜”，例如一些骂人的脏词：经过作者们人工检查（例如确认原视频是否真的说了脏话），发现 AI 主要容易在以下几种情况中出错：背景音乐嘈杂说话者为婴儿说话者为儿童说话者以英语为第二语言说话者在唱歌△包括但不限于这些情况那么，有没有什么办法减少这种情况发生呢？语序连贯的错误更容易修复研究人员提出了一个新的数据集，利用近音字词来构建禁忌词的“替换”备选。例如，对于 crap 这一可能出现的“粗口”，研究人员就给它设置了 crab、craft 等读音相似的字词，便于 AI 在搞错时进行替换。具体来说，他们在 BERT、XLM、XLNet 等 NLP 模型上，针对“完形填空”任务进行了重新训练，也就是用 [MASK] 遮住部分单词，让 AI 来填写对应的内容。结果显示，在语序正常、前后文案有逻辑的视频中，AI 替换的准确率更高（蓝色为正确替换词）：然而在一些逻辑不强的文案中，成功替换的效果就没有那么好了：最终，Megatron 和 Levenshtein 等模型展现出了最好的修复效果，分别给亚马逊 AI 带来了超过 25% 的正确修复率，给谷歌 AI 带来了超过 28% 的修复率。看来 AI 在字幕生成能力上还是任重道远啊。论文地址：https://github.com/sumeetkr/UnsafeTranscriptionofKidsContent/blob/main/YouTube_Transcription_Final.pdf参考链接：https://www.dailymail.co.uk/sciencetech/article-10553233/YouTube-AI-putting-explicit-language-captions-videos-aimed-children.html