“在你面前的，既不是被稱為‘傀儡師’的程序，也不是叫做少佐的女人。”
這是日本動畫神作《攻殼機動隊》最后的一場對話。
電影《攻殼機動隊》
在此二十小時前，這個名為“少佐”的女人，作為特務機構“攻殼機動隊”的核心隊員，剛在一場和人工智能程序“傀儡師”的戰(zhàn)斗中喪失的自己的機械“義體”。
在該動畫中少佐是第一個真正意義上的人類和機器的結合體——她擁有完整的人類大腦以及完全由機器構建的身體。
而另一邊，人工智能的高速發(fā)展，使得人工智能在一次突變中開始有了“自我”的意識，并進一步演化成為了一個獨立的“生命體”。這種由程序演化而來的“生命體”，同樣可以進入到任何一具機械體中，成為某種意義上的”人類“。
動畫的原作者給所有觀眾拋出了一個人工智能的終極命題：人和人工智能的邊界在哪?在高度發(fā)達的未來，人工智能將在各方各面超過人類，人類最終是和人工智能結合，以另外一種形式被“消滅”?還是能夠控制它們，讓其始終為人類所用?
答案我們不得而知。
—
但至少目前，人工智能已經在一些領域逐漸趕超上了人類。
業(yè)內知名的“貓臉識別”，在不借助任何外界信息幫助下，它就能從一千萬張圖片中找出那些有小貓的圖片。
也許你會說，這不就是人臉識別么?不過是把人臉換成貓臉吧。
實則不然。常見的人臉識別是由程序員預先將整套鑒別系統(tǒng)寫好，告訴機器人臉應該是怎樣的。而“貓臉識別”系統(tǒng)則是通過深度學習的方式，無需人類告訴它“貓咪應該長成啥樣”。
前段時間大敗人類頂尖棋手團的AlphaGo，同樣也是人工智能超過人類的一次體現(xiàn)。
2016年末2017年初，AlphaGo在中國棋類網站上以“Master”為注冊帳號與中日韓數(shù)十位圍棋高手進行快棋對決，連續(xù)60局無一敗績。不少職業(yè)圍棋手認為，AlphaGo已經超過圍棋職業(yè)九段水平;在世界職業(yè)圍棋排名中，其等級分曾超過排名人類第一的棋手柯潔。
在剛結束的2017GMIC(全球移動互聯(lián)網大會)，英國知名物理學家斯蒂芬•霍金，也談及到 “而就目前來看，聰明的機器已經開始代替人類正在從事的一些工作，未來可能迅速地消滅數(shù)以百萬計的工作崗位。”
—
而現(xiàn)在，人工智能似乎即將“再下一城”，在機器翻譯領域，已超過絕大部分人類。
如果你還對此沒太有感知的話，看看下面這段話：
“近日，麻省理工學院官網上刊登了一篇解讀神經網絡的發(fā)展過程的文章，梳理介紹了神經網絡在過去 70 年來的起起伏伏。在文章中，作者還簡單介紹了 MIT 的大腦、心智和機器中心(CBMM)在神經網絡基礎理論上的一些研究成果。”
這是一段關于神經網絡的介紹，不僅生晦難懂，還有不少專有名字。如果讓你只簡單借助基礎的查詞工具來翻譯這樣一段話，結果會是怎樣?
我們隨機找了兩個人來實測。
第一位測試者小嚴，是北京一家金融公司從業(yè)人員，雖然平常不怎么用英語，但好歹大學英語六級也是輕松過，來看看他翻譯出的結果：
“Recently, the official website of MIT published an article about the process of neural network, which introduces the ups and downs of neural network in the past 70 years. In this article the author briefly introduces some research result of MIT's brain、CBMM in neural network basic theory.”
第二位測試者小賀，在一家互聯(lián)網公司做市場工作，英語專業(yè)畢業(yè)，專業(yè)八級水平，平時用英語也比較多，她翻譯出的結果是：
“Recently, an article published on the official website of MIT discussed the development of neural network in the past 70 years. In this article, the author also gave a general presentation of the research results of MIT brain, mind and machine center (CBMM) on the basic theory of neural network.”
第一位測試者的水平跟我們大部分差不多，第二位測試者顯示出一定的專業(yè)性，水準還是很高的。
那如果同樣是這段話，讓機器翻譯來翻譯，結果是怎樣呢?我們試了一下近期剛上線正火熱的有道神經網絡翻譯：
有道神經網絡翻譯結果
“Recently, an article on the development of neural networks published online by the Massachusetts institute of technology (MIT) has described the rise and fall of the neural network over the past 70 years. In the article, the author briefly introduces the research results of the MIT brain, mind and machine center (CBMM) on the theoretical basis of neural network.”
對比一下結果，可以看到有道神經網絡翻譯的結果大大超出了普通人的翻譯水平，基本上和英語專業(yè)八級的水平一樣，甚至在一些細節(jié)方面處理得更好。
這大概是一個什么水平?博主在網上大概查了幾個數(shù)字：
北京市的英語普及率是15%，作為中國受教育程度最高的城市之一，可目測全國的英語普及率應該在10%以下。
而在某英語培訓機構發(fā)布的《英語熟練度指標報告》中，中國在70個國家中排名47，屬于中等偏后的“低熟練度”水平。
由此，如果假設全球所有人的英語普及率在20%，那么高度熟練(相當于英語專業(yè)八級)的比例能有多少呢?估計30%都不到吧。
也就是說，目前有道神經網絡翻譯的翻譯水平，甚至可以超過95%的人類。
—
不過話說回來，為什么它可以好這么多?——因為人工智能。
機器的優(yōu)勢在于，只要連接網絡，它就可以擁有無窮無盡的數(shù)據(jù)。這些日積月累的龐大數(shù)據(jù)提供了豐富的語料。比如在上面的例子中，兩位人類測試者沒有一個人翻譯出“麻省理工學院”，而機器翻譯通過語料積累就可以輕易翻譯成“Massachusetts institute of technology”。
但機器的弱勢在哪?機器畢竟是程序，它沒有人的變通，特別是反映在翻譯領域，它無法理解句子的語序。而人類可以做到，兩位測試者即使詞匯量匱乏，但基本的語序都正確。
而人工智能對與機器翻譯的改變就在于，它可以開始模擬人腦的運行模式，去處理翻譯結果。以有道神經網絡翻譯來說，其技術帶頭人段亦濤在GMIC上的演講提到，神經網絡翻譯模型模仿了人腦的工作機制，整個模型由大量的“神經元”來構成，一個“神經元”完成一些簡單的任務，然后通過對這些“神經元”的組合來協(xié)調工作，最終得到更加出色的效果。
青出于藍而勝于藍。
有一組數(shù)字尤其值得關注：有道神經網絡翻譯技術所帶來的翻譯質量提升超過了過去10年的總和。僅僅用了不到2年時間，有道神經網絡翻譯就在翻譯水平上，超過了絕大多數(shù)人類，并且發(fā)展速度提升了5倍。
而現(xiàn)在，人工智能的在機器翻譯領域的突破，將進一步推動人工智能向更深發(fā)展。
在機器翻譯領域探索多年，段亦濤希望對神經網絡翻譯的研究能夠幫助人打破語言的障礙，使得信息的流通更加通常。另外，在對神經網絡翻譯的研究過程中，既包括了對語言的理解，也包括了語言的生成，這些都能極大地促進人工智能整體發(fā)展。
如今，人工智能已經成為了一種不可逆的潮流和趨勢，給人們帶來的便利也顯而易見，正如當初移動互聯(lián)網席卷世界一樣。
而人工智能從某種程度上超越人類本身，不正是我們最初研究它的目的所在么?
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網頁分享至朋友圈。
轉型的最終目的 -提質降本增效
