AlphaGo宣布明年再戰(zhàn)圍棋，人類榮譽誰捍衛(wèi)？

　　歸根結(jié)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》這種競技游戲類的應(yīng)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(tǒng)簡稱為Google神經(jīng)機器翻譯(GoogleNeuralMachineTranslation-GNMT)，就某些語言而言，GNMT錯誤率可以減少60%。

　　(人類翻譯、神經(jīng)機器翻譯系統(tǒng)和短語單詞翻譯系統(tǒng)的完整度(分成0~6的程度)在不同語言應(yīng)用中的對比)

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

　　我們將按照“端到端”的模式對整個系統(tǒng)進行統(tǒng)一訓練，這可以使公司更專注于減少翻譯的錯誤率方面。雖然現(xiàn)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(tǒng)如何檢測一個句子，并對它之間的關(guān)聯(lián)性和重要性進行考量)

　　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–長期短期記憶)。LSTM可以保留長期和短期的記憶，有點像人類的大腦，這使得它可以用更復(fù)雜的方式進行學習。

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

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

　　除了翻譯，隨著類似于AlphaGo的人工智能和機器學習越來越智能，我們將會面對這樣一個現(xiàn)實：機器會逐步取代人類的工作。

　　正如特斯拉的ElonMusk在上手接受CNBC采訪時說的那樣：裝備有人工智能的機器正在進入勞動力市場，對于人類來說，這很可能意味著工作流失和“基本收入的普及”。因為自動化成為常態(tài)，未來我們的就業(yè)選擇可能會受到限制，但這會讓人有更多時間享受他們的生活。

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

　　總的來說，目前以AlphaGo為代表的機器學習與人工智能，在未來的前景不可估量。當然，正如愛范兒的投稿作者曾慶偉所說：

　　最好的時代，也是最壞的時代。有了機器學習的助攻，人類有了研究傳統(tǒng)科學難以研究的復(fù)雜問題的能力;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，去幫助人類解決問題。對于機器學習領(lǐng)域的研究者和公司而言，這是最好的時代;而對于另一部分人而言，也許一場就業(yè)危機正埋伏在不遠的將來。