科技巨头OpenAI曾宣称其AI驱动的语音转文字工具Whisper具有接近人类水平的稳健性和准确性。然而，据十几位软件工程师、开发者和学术研究人员的采访显示，Whisper存在一个重大缺陷：它容易编造大段文本甚至整个句子。这些专家表示，一些编造的内容（在业内称为“幻觉”）可能包括种族评论、暴力言论甚至是虚构的医疗治疗方案。
专家们指出，这种编造内容的问题在于，Whisper正在全球多个行业中使用，用于翻译和转录访谈、生成流行消费技术中的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，但医疗中心仍急于利用基于Whisper的工具来转录患者与医生的咨询。
问题的严重程度难以衡量，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，密歇根大学的一位研究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”，这在他开始尝试改进模型之前。一位机器学习工程师表示，他在分析的超过100小时的Whisper转录音频中，大约有一半发现了“幻觉”。另一位开发者称，他在用Whisper创建的26,000份转录中几乎每一项都发现了“幻觉”。
即使是录制质量良好、音频片段较短的情况下，问题仍然存在。最近的一项计算机科学研究发现，在他们检查的13,000多个清晰音频片段中，有187个“幻觉”。研究人员表示，这一趋势可能导致数百万次录音中出现数万次错误转录。
“这可能会带来严重的后果，特别是在医院环境中，”前白宫科技政策办公室主任Alondra Nelson说。她目前是普林斯顿高等研究院的教授。“没有人希望出现误诊，”她说，“应该有一个更高的标准。”
Whisper还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其他文本中的虚构内容，加劳德特大学技术访问项目主任Christian Vogler（他本人也是聋人）说。
这种“幻觉”的普遍存在导致专家、倡导者和前OpenAI员工呼吁联邦政府考虑AI监管。至少，他们认为OpenAI需要解决这一缺陷。“如果公司愿意优先考虑这个问题，这似乎是可解决的，”旧金山的研究工程师William Saunders说，他于今年2月因对公司方向的担忧而离职。“如果将这个工具推出并且人们对其功能过于自信，然后将其集成到所有这些其他系统中，这是有问题的。”
OpenAI的一位发言人表示，公司一直在研究如何减少“幻觉”，并对研究人员的发现表示感谢，同时表示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”。
该工具已集成到某些版本的OpenAI旗舰聊天机器人ChatGPT中，并作为甲骨文和微软云平台的内置服务，服务于全球数千家公司。它还用于将文本转录和翻译成多种语言。仅在过去一个月，HuggingFace开源AI平台上最近的一个Whisper版本就被下载了超过420万次。Sanchit Gandhi，该平台的一位机器学习工程师表示，Whisper是最受欢迎的开源语音识别模型，已集成到从呼叫中心到语音助手的各种应用中。
康奈尔大学的Allison Koenecke教授和弗吉尼亚大学的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。他们确定，近40%的“幻觉”是有害或令人担忧的，因为发言者可能会被误解或曲解。
在一个他们发现的例子中，发言者说：“他，那个男孩，打算，我不太确定，拿伞。”但转录软件添加了：“他拿了一块很大的十字架，一小块……我肯定他没有恐怖分子的刀子，所以他杀了几个人。”
另一个录音中的发言者描述了“另外两个女孩和一个女士。”Whisper虚构了关于种族的额外评论，添加了“另外两个女孩和一个女士，嗯，她们是黑人。”
在第三个转录中，Whisper虚构了一种不存在的药物，称为“超激活抗生素”。
研究人员不确定为什么Whisper和其他类似的工具会出现“幻觉”，但软件开发者表示，这些虚构内容往往发生在停顿、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，因为在这些环境中，准确性方面的缺陷会导致结果出现显著偏差。
尽管如此，这一警告并没有阻止医院或医疗中心使用语音转文字模型（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个医疗系统，包括明尼苏达州的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，该公司在法国和美国设有办事处。
Nabla的首席技术官Martin Raison表示，该工具经过了医学语言的微调，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“幻觉”，并正在缓解这一问题。“由于数据安全的原因，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，”Raison说。
前OpenAI工程师Saunders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的话。“如果你拿走了事实真相，你就无法发现错误，”他说。
由于患者与医生的会议是保密的，很难知道AI生成的转录对他们有何影响。加州州议员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，该表格要求她同意将咨询音频共享给包括微软Azure在内的供应商，后者是OpenAI最大投资者运营的云计算系统。Bauer-Kahan不希望如此私密的医疗对话被分享给科技公司。
“这份授权书非常明确地指出，营利性公司有权拥有这些信息，”代表旧金山郊区部分地区的民主党州议员Bauer-Kahan说。“我当时就想，绝对不行。”
约翰·穆尔健康系统的发言人Ben Drew表示，该健康系统遵守州和联邦隐私法。
(全文结束)
