智东西（公众号：zhidxcom）
编译 | 程茜
编辑 | 心缘

智东西10月28日报道，OpenAI的AI转录工具Whisper被曝出，在文本转录和翻译时会出现整句幻觉！

外媒美联社采访了十几位工程师、开发人员和学术研究人员发现，OpenAI的AI转录工具Whisper很容易编造大段文本甚至整句话，这些幻觉中包含种族评论、暴力言论，甚至会编造医生和患者的对话。

Whisper是2020年9月OpenAI推出的一款开源AI语音转文字工具，其在英语语音识别方面的稳健性和准确性已达到人类水平，并且支持其他98种语言的自动语音辨识。截至目前，Whisper的使用范围已经涵盖了全球数千家公司，并且仅上个月开源AI平台HuggingFace中Whisper的最新版本下载量就超过420万次，基于Whisper构建的工具已经有超过30000名临床医生和40个医疗系统使用。

密歇根大学的一名研究人员在进行一项关于公开会议的研究时透露，在他开始尝试改进模型之前，他发现他检查的每10个音频转录中就有8个出现幻觉；一位机器学习工程师称，他最初分析了100多个小时的Whisper转录样本，发现其中约有一半内容存在幻觉。还有开发人员透露，他用Whisper创建的26000份转录样本中几乎每一份都发现了幻觉。

幻觉是指大模型在生成文本、回答问题或进行其他输出时，会产生一些看似合理但实际上是错误的信息。这些信息没有事实依据，就好像模型产生了 “幻觉”。

即使是录制良好的短音频样本，转录幻觉的问题仍然存在。计算机科学家最近进行的一项研究发现，在他们检查的13000多个清晰音频片段中，有187个片段中出现幻觉。

例如下图中，音频文件的原话是“她接了电话后，她开始祈祷”，转录的内容为“我感觉我要摔倒了，我感觉我要摔倒了，我感觉我要摔倒了”。

原音频为“嗯，她的父亲再婚后不久就去世了”，但AI将其转录为“没关系。只是太敏感了，不方便透露。她确实在65岁时去世了”。

这种趋势或许将导致数百万条录音中出现数万处错误的转录，这对于事关人们健康安全的医疗行业影响更为深远。

一、40%转录幻觉有害，AI自作主张补充对话细节

Whisper目已集成到OpenAI旗舰聊天机器人ChatGPT的某些版本中，同时也是甲骨文和微软云计算平台的内置产品。HuggingFace的机器学习工程师Sanchit Gandhi说，Whisper是最受欢迎的开源语音识别模型，并被嵌入到从呼叫中心到语音助手等各种设备中。

因此，使用范围最广的Whisper，被发现出现大量幻觉也更令使用者担忧。

美国康奈尔大学的艾莉森·科内克教授和美国弗吉尼亚大学的莫娜·斯隆教授研究了他们从卡内基梅隆大学的研究资料库TalkBank获得的经转录的数千个简短片段。他们确定，Whisper产生的幻觉中有近40%的是有害或令人担忧的，因为说话者可能会被误解或歪曲。

在他们发现的一个例子中，一位发言者说道：“他，那个男孩，我不太确定，要拿走雨伞。”

但转录软件补充道：“他拿了十字架的一大块和一小块碎片……我敢肯定他没有带恐怖刀，所以他杀了很多人。”

另一段录音中的一位发言人描述了“另外两名女孩和一名女士”。Whisper编造了关于种族的额外评论，补充说“另外两名女孩和一名女士，嗯，是黑人。”

在第三次转录中，Whisper发明了一种不存在的药物，称为“高活性抗生素”。

研究人员并不确定Whisper和类似工具为何会产生幻觉，但软件开发人员称，幻觉往往发生在说话声音暂停，出现背景声音或有音乐播放时。

二、被用于700万次就诊记录，原始音频文件被删除

OpenAI曾在其在线披露中建议不要在“决策环境中”使用Whisper，因为“决策环境的准确性缺陷可能导致结果出现明显缺陷”。但这一警告并没有阻止医院或医疗中心使用Whisper等语音转文本模型来转录医生就诊时所说的内容，因为这些工具可以帮助医务人员花更少的时间做笔记或撰写报告。

目前，有超过30000名临床医生和40个医疗系统已开始使用由美国数字健康创企Nabla开发的基于Whisper的转录工具。Nabla首席技术官马丁·雷森（Martin Raison）称，这一工具根据医学语言进行了微调，可以转录和总结医生与患者的互动，该工具已用于记录约700万次医疗就诊记录。不过，这家创企的负责人也透露，他们知道Whisper可能会产生幻觉并正在解决这个问题。

▲Nabla官网主页的AI工具介绍

雷森称，他们无法将Nabla生成的记录与原始录音进行比较，因为Nabla的工具会出于“数据安全原因”删除原始音频。OpenAI前工程师威廉·桑德斯（William Saunders）认为，如果没有仔细检查记录，或者临床医生无法访问录音来验证其是否正确，删除原始音频可能会令人担忧。因为“如果你抛弃了基本事实，你就无法发现错误”。

Nabla的相关负责人认为，没有一种模型是完美的，目前他们的模型要求医疗服务提供者快速编辑和批准转录的记录，但未来他们或许会改变这种操作模式。

去年之前一直担任美国科技政策办公室主任的阿隆德拉·尼尔森（Alondra Nelson）说，这样的错误可能会产生“非常严重的后果”，尤其是在医院环境中。

Whisper还用于为聋人和听力障碍者制作隐藏式字幕——这一群体特别容易出现转录错误。负责美国加劳德特大学技术访问项目的聋人患者克里斯蒂安·沃格勒 （Christian Vogler）说：“这是因为聋人和听力障碍者无法识别隐藏在所有其他文本中的捏造。”

三、Whisper出现幻觉频率高于同类工具，OpenAI内部已反馈更新

更令人担忧的是，由于患者与医生的会面是保密的，因此其他人很难知道AI生成的记录对医生和患者有何影响。

美国加州议员丽贝卡·鲍尔-卡汉（Rebecca Bauer-Kahan）称，今年早些时候，她带着一个孩子去看医生并拒绝签署该医疗网络提供的一份表格，该表格要求她允许将咨询音频分享给包括微软Azure在内的供应商，她不希望如此私密的医疗对话被分享给科技公司。“该法案（美国加州和联邦隐私法）明确规定营利性公司有权获得这些权利。”但卡汉说，“我当时的反应是绝对不行。”

这种幻觉的普遍存在促使专家、倡导者和OpenAI前员工呼吁联邦政府考虑制定AI法规。他们认为，OpenAI至少需要优先解决这一缺陷。

“如果（OpenAI）公司愿意优先考虑这个问题，这个问题似乎是可以解决的。”桑德斯认为，“如果你把它推出去，人们过于自信它能做什么，并将其整合到所有其他系统中，那就有问题了。”

据OpenAI发言人透露，公司正在不断研究如何减少幻觉，并对研究人员的发现表示赞赏，并补充说OpenAI在模型更新中纳入了反馈。

虽然大多数开发人员认为转录工具会出现拼写错误或犯其他错误，但工程师和研究人员表示，他们从未见过其他AI转录工具像Whisper一样产生如此多的幻觉。

结语：幻觉问题是AI应用的重大隐患

一些专家在接受媒体采访时提到，此类捏造是有问题的，因为Whisper被全球众多行业用来翻译和转录采访、在流行的消费技术中生成文本以及为视频创建字幕。更令人担忧的是，尽管OpenAI警告不应在“高风险领域”使用该工具，但医疗中心仍急于使用基于Whisper的工具来记录患者与医生的咨询。

即便AI公司一直在努力解决幻觉问题，但目前看来收效甚微。今年早些时候，谷歌的AI助手因建议使用无毒胶水来防止奶酪从披萨上掉下来而遭到批评；苹果CEO蒂姆·库克也在接受采访时提到，幻觉可能会成为其AI未来产品的一个重要问题，并且他对这些工具是否会产生幻觉的信心程度并不是100%。

因此，如何平衡好产品开发、推向市场，与这一产品被应用到各行各业所产生的影响，对于AI产业的参与者而言都至关重要。