2024年2月2日，在纽约伊萨卡的康奈尔大学，一台计算机屏幕上显示了一个名为Whisper的人工智能转录程序生成的文本。在这个例子中，说话者说：“她拿到电话后，他开始祈祷”，而程序将其转录为：“我觉得我要摔倒了。我觉得我要摔倒了，我觉得我要摔倒了……”（AP照片）
旧金山——科技巨头OpenAI曾吹嘘其人工智能驱动的转录工具Whisper具有接近人类水平的稳健性和准确性。但据十几位软件工程师、开发人员和学术研究人员的采访显示，Whisper有一个重大缺陷：它容易编造大段文本甚至整句内容。这些专家表示，一些编造的内容（业内称为“幻觉”）可能包括种族评论、暴力言论甚至虚构的医疗治疗。
专家们表示，这种编造内容的问题非常严重，因为Whisper正在全球多个行业中被用于翻译和转录音频、生成流行消费技术中的文本以及创建视频字幕。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，但许多医疗机构仍在竞相采用基于Whisper的工具来转录患者与医生的咨询。
问题的全部范围难以确定，但研究人员和工程师表示，他们在工作中经常遇到Whisper的“幻觉”。例如，密歇根大学的一名研究人员在研究公共会议时发现，在他检查的每10个音频转录中有8个存在“幻觉”，在他开始尝试改进模型之前。一名机器学习工程师表示，他在分析的超过100小时的Whisper转录中最初发现了约一半的“幻觉”。另一位开发者表示，他在用Whisper创建的26,000份转录中几乎每一份都发现了“幻觉”。
即使在录制良好、简短的音频样本中，问题依然存在。最近的一项研究发现，在计算机科学家检查的13,000多个清晰的音频片段中，有187个“幻觉”。研究人员表示，这一趋势会导致数百万次录音中出现数万次错误的转录。
“这样的错误可能会带来严重的后果，特别是在医院环境中，”前白宫科学技术政策办公室主任阿隆德拉·尼尔森（Alondra Nelson）说。她直到去年一直在拜登政府任职。“没有人希望出现误诊，”普林斯顿高等研究院教授尼尔森说，“应该有更高的标准。”
Whisper还被用于为聋人和听力障碍者创建字幕，这是一个特别容易受到错误转录影响的群体。因为聋人和听力障碍者无法识别隐藏在大量文本中的编造内容，“加劳德特大学技术访问项目主任克里斯蒂安·沃格勒（Christian Vogler）说，他本人也是聋人。
这一问题的普遍性导致专家、倡导者和前OpenAI员工呼吁联邦政府考虑对AI进行监管。至少，他们表示，OpenAI需要解决这一缺陷。“如果公司愿意优先处理这个问题，这似乎是可解决的，”旧金山的研究工程师威廉·桑德斯（William Saunders）说，他于今年2月因对公司方向的担忧而辞职。“如果把这个工具放出去，人们对其功能过于自信并将其集成到其他系统中，这是有问题的。”
OpenAI的一位发言人表示，公司不断研究如何减少“幻觉”，并感谢研究人员的发现，OpenAI会在模型更新中纳入反馈。虽然大多数开发者认为转录工具会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驱动的转录工具像Whisper那样频繁地“幻觉”。
Whisper已集成到OpenAI旗舰聊天机器人ChatGPT的一些版本中，并作为甲骨文和微软云平台的内置产品，服务全球数千家公司。它还被用于将文本转录和翻译成多种语言。仅在过去一个月内，HuggingFace开源AI平台上的一个最新版本的Whisper就被下载了超过420万次。该平台的机器学习工程师桑奇特·甘地（Sanchit Gandhi）表示，Whisper是最受欢迎的开源语音识别模型，已应用于从呼叫中心到语音助手的各种场景。
康奈尔大学的艾莉森·科恩克（Allison Koenecke）教授和弗吉尼亚大学的莫娜·斯洛恩（Mona Sloane）教授检查了从卡内基梅隆大学托管的研究存储库TalkBank获得的数千个短片段。他们发现，近40%的“幻觉”是有害或令人担忧的，因为说话者可能会被误解或歪曲。
在一个他们发现的例子中，说话者说：“他，那个男孩，准备，我不太确定，拿雨伞。”但转录软件添加了：“他拿起了一大块十字架，一小块……我肯定他没有恐怖刀，所以他杀了几个人。”
另一段录音中，说话者描述了“另外两个女孩和一位女士”。Whisper却编造了额外的种族评论，加上了“另外两个女孩和一位女士，嗯，她们是黑人。”
在第三个转录中，Whisper编造了一种不存在的药物“超激活抗生素”。
研究人员不确定为什么Whisper和其他类似工具会产生“幻觉”，但软件开发人员表示，这些编造内容通常发生在停顿、背景声音或音乐播放期间。
OpenAI在其在线披露中建议不要在决策环境中使用Whisper，因为准确性缺陷可能导致结果的重大缺陷。然而，这一警告并未阻止医院或医疗中心使用语音转文本模型（包括Whisper）来转录医生就诊时的对话，以减少医疗提供者在记笔记或撰写报告上花费的时间。
超过30,000名临床医生和40个卫生系统，包括明尼苏达州曼卡托诊所和洛杉矶儿童医院，已经开始使用由Nabla构建的基于Whisper的工具。Nabla在法国和美国设有办事处。该公司首席技术官马丁·雷松（Martin Raison）表示，该工具经过微调，可以转录和总结患者的互动。
公司官员表示，他们意识到Whisper可能会产生“幻觉”，并正在解决这一问题。由于数据安全原因，Nabla的工具会删除原始音频，因此无法将AI生成的转录与原始录音进行比较。雷松说，该工具已被用于转录约700万次医疗访问。
前OpenAI工程师威廉·桑德斯表示，删除原始音频可能会令人担忧，如果转录未经过双重检查或临床医生无法访问录音以验证其正确性。“如果你拿走了事实依据，就无法发现错误，”他说。
Nabla表示，没有模型是完美的，目前他们的模型需要医疗提供者快速编辑和批准转录音，但这可能会改变。
由于患者与医生的会面是保密的，很难知道AI生成的转录如何影响他们。加州州议员丽贝卡·鲍尔-卡汉（Rebecca Bauer-Kahan）表示，她今年早些时候带孩子去看医生时，拒绝签署健康网络提供的表格，该表格要求她同意与包括微软Azure在内的供应商共享咨询音频，微软Azure是OpenAI最大投资者运营的云计算系统。她说，她不希望如此私密的医疗对话被分享给科技公司。“这份授权书明确指出，营利性公司有权拥有这些信息，”代表旧金山郊区的民主党州议员鲍尔-卡汉说，“我绝对不同意。”
约翰·缪尔健康系统的发言人本·德鲁（Ben Drew）表示，该健康系统遵守州和联邦隐私法。
(全文结束)
