劃重點
01OpenAI的AI語音轉寫工具Whisper被曝存在嚴重幻覺問題，約一半轉錄內容不實。
02美聯(lián)社報道，明尼蘇達州的曼卡托診所和洛杉磯兒童醫(yī)院等超過30000名臨床醫(yī)生和40個衛(wèi)生系統(tǒng)已使用Nabla基于Whisper打造的工具。
03然而，OpenAI此前已警告不要在“高風險領域”中使用Whisper，如決策情境。
04由于數據安全原因，Nabla工具無法將生成的AI文本與原始錄音進行比較。
05OpenAI發(fā)言人表示，公司將持續(xù)研究減少幻覺現象，并在模型更新中加入相應反饋機制。
以上內容由騰訊混元大模型生成，僅供參考
西風 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
OpenAI的AI語音轉寫工具，那個號稱近乎“人類水平”的Whisper，被曝幻覺嚴重
100多小時轉錄，被工程師發(fā)現約一半都在瞎扯。
更嚴重的是，美聯(lián)社還爆料有醫(yī)療機構利用Whisper來轉錄醫(yī)生與患者的會診，瞬間引發(fā)大量網友關注。
據悉，明尼蘇達州的曼卡托診所和洛杉磯兒童醫(yī)院在內的超過30000名臨床醫(yī)生和40個衛(wèi)生系統(tǒng)已開始使用法國AI診療公司Nabla基于Whisper打造的工具。
而且他們已經轉錄了大概700萬次醫(yī)療就診。
網友紛紛表示這就有點嚇人了。
值得一提的是，OpenAI之前早就警告過，該工具不應在“高風險領域”中使用。
針對最新爆料，有OpenAI發(fā)言人回應，OpenAI會在模型更新中加入相應的反饋機制。
OpenAI被督促趕緊解決此問題Whisper是OpenAI老早前推出的開源自動語音識別（ASR）系統(tǒng)，于2022年9月發(fā)布。
img class="qnt-img-img qnr-img-lazy-load-img qnr-img-lazy-load-img-placeholder" style="border-radius:6px;display:inline-block;height:100%;max-width:100%;width:1080px;cursor:zoom-in" src="https://inews.gtimg.com/news_bt/OPEHtxMRkLRFBHdsWSUoCkHDALnVLCSQ8OCQe0HvJRHx0AA/641" data-src="https://inews.gtimg.com/news_bt/OPEHtxMRkLRFBHdsWSUoCkHDALnVLCSQ8OCQe0HvJRHx0AA/641" alt="圖片"/>
它采用簡單的端到端方式，基于編碼器-解碼器Transformer架構。輸入音頻將被分成30秒的塊，轉化為梅爾倒譜（音頻特征提取方式之一，log-Mel spectrogram），然后傳入編碼器。
經過68萬小時的多語言和多任務監(jiān)督網絡數據的訓練，Whisper可以進行多語言轉錄。
Whisper推出后得到廣泛應用，如今GitHub已攬獲70.2k標星：
據悉，它還被集成在ChatGPT的一些版本中，同時也是Oracle和微軟云計算平臺的一項內置服務，而這些平臺為全球數千家公司提供服務。
此外，僅在上個月，HuggingFace上的一個最新版本Whisper就被下載了超420萬次。HuggingFace社區(qū)的機器學習工程師Sanchit Gandhi表示，Whisper是最受歡迎的開源語音識別模型。
而現在，據美聯(lián)社報道，很多研究人員和工程師反映，在工作中他們經常遇到Whisper產生的幻覺。
例如，密歇根大學的一位研究員在嘗試改進模型之前，發(fā)現其檢查的每10份音頻轉錄中有8份出現了幻覺。
一位機器學習工程師指出，在他分析的超過100小時Whisper轉錄中，大約一半出現了幻覺。
還有一位開發(fā)者表示，在他使用Whisper創(chuàng)建的26,000份轉錄中，幾乎每一份都發(fā)現了幻覺。
……
這種問題甚至存在于錄制良好的短音頻樣本中。
在最近的一項研究中，計算機科學家們在審查的超過13000個清晰音頻片段中發(fā)現了187個幻覺。
工程師和研究人員表示，他們從未見過其它任何AI驅動的轉錄工具像Whisper這樣頻繁地產生幻覺。
Whisper幻覺嚴重的原因目前尚未可知，但有軟件開發(fā)者表示，這些虛構內容往往發(fā)生在停頓、有背景聲音或音樂播放時。
之前，OpenAI就有提醒：
不要在決策情境中使用Whisper，準確性上的缺陷可能導致結果出現明顯偏差。
然鵝，美聯(lián)社表示，這一警告并未阻止一些醫(yī)院或醫(yī)療中心使用Whisper等語音轉文字模型
包括明尼蘇達州的曼卡托診所和洛杉磯兒童醫(yī)院在內，已經有超30000名臨床醫(yī)生和40個醫(yī)療系統(tǒng)已經開始使用由Nabla公司基于Whisper開發(fā)的工具。
Nabla CTO Martin Raison稱，該工具針對醫(yī)療語言對模型進行了微調，用于轉錄和總結患者的交流。
目前，該工具已被用于轉錄約700萬次醫(yī)療就診。
在得知Whisper可能會產生幻覺后，Nabla表示正在解決此問題，不過：
由于“數據安全原因”，Nabla的工具會刪除原始音頻，無法將Nabla生成的AI文本與原始錄音進行比較。
此外，據了解，Whisper還被用來為聾人和聽力障礙者創(chuàng)建字幕。
Whisper幻覺嚴重問題被發(fā)現后，有人敦促OpenAI趕緊解決此問題。
今年2月離開OpenAI的研究員William Saunders也開麥了：
如果公司愿意優(yōu)先考慮，這似乎是可以解決的。如果你把它放出去，人們過于自信于它的功能，并將其集成到所有這些其他系統(tǒng)中，那就成了問題。
有OpenAI發(fā)言人回應稱，公司持續(xù)研究如何減少幻覺現象，并感謝研究人員的發(fā)現，同時補充道OpenAI會在模型更新中融入相應反饋機制。
參考鏈接：[1]https://apnews.com/article/ai-artificial-intelligence-health-business-90020cdf5fa16c79ca2e5b6c4c9bbb14[2]https://x.com/AP/status/1850150400424345858
