AlphaGo宣布明年再戰圍棋，人類(lèi)榮譽(yù)誰(shuí)捍衛？

　　歸根結底，支持AlphaGo獲得勝利的是深度神經(jīng)網(wǎng)絡(luò )。除了圍棋和《星際爭霸2》這種競技游戲類(lèi)的應用，當Google把深度神經(jīng)網(wǎng)絡(luò )用在翻譯中，可以讓翻譯變得更加通順流暢，表意清晰。

　　Google表示，新的翻譯系統簡(jiǎn)稱(chēng)為Google神經(jīng)機器翻譯(GoogleNeuralMachineTranslation-GNMT)，就某些語(yǔ)言而言，GNMT錯誤率可以減少60%。

　　(人類(lèi)翻譯、神經(jīng)機器翻譯系統和短語(yǔ)單詞翻譯系統的完整度(分成0~6的程度)在不同語(yǔ)言應用中的對比)

　　該項目的負責人之一，同時(shí)也是Google智庫成員的工程師MikeSchuster談到：

　　我們將按照“端到端”的模式對整個(gè)系統進(jìn)行統一訓練，這可以使公司更專(zhuān)注于減少翻譯的錯誤率方面。雖然現在還并不完美，但的的確確是完善了很多。

　　(新的神經(jīng)機器翻譯系統如何檢測一個(gè)句子，并對它之間的關(guān)聯(lián)性和重要性進(jìn)行考量)

　　在機器翻譯方面，Google使用的深度神經(jīng)網(wǎng)絡(luò )叫做LSTM(longshort-termmemory–長(cháng)期短期記憶)。LSTM可以保留長(cháng)期和短期的記憶，有點(diǎn)像人類(lèi)的大腦，這使得它可以用更復雜的方式進(jìn)行學(xué)習。

　　和Google以前的短語(yǔ)翻譯系統(Phrase-BasedMachineTranslation-PBMT)不同，LSTM可以從頭到尾記住一句話(huà)再進(jìn)行翻譯，使長(cháng)句翻譯不再是單詞的拼湊，而是流暢通順的語(yǔ)言。

　　其實(shí)多年以來(lái)，Google一直想讓LSTM服務(wù)于翻譯工作，然而一直無(wú)法攻克翻譯速度這個(gè)難題。直到做了大量的工程和算法工作，才得以完善這個(gè)模型，讓新神經(jīng)機器翻譯系統能夠在跨越大型的Internet服務(wù)時(shí)保持工作速度。

　　除了翻譯，隨著(zhù)類(lèi)似于AlphaGo的人工智能和機器學(xué)習越來(lái)越智能，我們將會(huì )面對這樣一個(gè)現實(shí)：機器會(huì )逐步取代人類(lèi)的工作。

　　正如特斯拉的ElonMusk在上手接受CNBC采訪(fǎng)時(shí)說(shuō)的那樣：裝備有人工智能的機器正在進(jìn)入勞動(dòng)力市場(chǎng)，對于人類(lèi)來(lái)說(shuō)，這很可能意味著(zhù)工作流失和“基本收入的普及”。因為自動(dòng)化成為常態(tài)，未來(lái)我們的就業(yè)選擇可能會(huì )受到限制，但這會(huì )讓人有更多時(shí)間享受他們的生活。

　　除了上面說(shuō)到的人工翻譯，可能最快被替代掉的職業(yè)是汽車(chē)司機。雖然現在絕大多數廠(chǎng)商只是提供了達到SAE和NHTSALevel2的駕駛輔助功能。但從現今自動(dòng)駕駛的發(fā)展趨勢來(lái)看，全自動(dòng)駕駛汽車(chē)正式民用可能也距離我們僅有五六年的時(shí)間，而這其中的關(guān)鍵就是無(wú)人駕駛算法。

　　總的來(lái)說(shuō)，目前以AlphaGo為代表的機器學(xué)習與人工智能，在未來(lái)的前景不可估量。當然，正如愛(ài)范兒的投稿作者曾慶偉所說(shuō)：

　　最好的時(shí)代，也是最壞的時(shí)代。有了機器學(xué)習的助攻，人類(lèi)有了研究傳統科學(xué)難以研究的復雜問(wèn)題的能力;人們甚至可以將機理尚不清晰的模型直接部署到產(chǎn)品中，去幫助人類(lèi)解決問(wèn)題。對于機器學(xué)習領(lǐng)域的研究者和公司而言，這是最好的時(shí)代;而對于另一部分人而言，也許一場(chǎng)就業(yè)危機正埋伏在不遠的將來(lái)。