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(zhēng)霸2》這種競(jìng)技游戲類的應(yīng)用，當(dāng)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(jiǎn)稱為Google神經(jīng)機(jī)器翻譯(GoogleNeuralMachineTranslation-GNMT)，就某些語(yǔ)言而言，GNMT錯(cuò)誤率可以減少60%。

　　(人類翻譯、神經(jīng)機(jī)器翻譯系統(tǒng)和短語(yǔ)單詞翻譯系統(tǒng)的完整度(分成0~6的程度)在不同語(yǔ)言應(yīng)用中的對(duì)比)

　　該項(xiàng)目的負(fù)責(zé)人之一，同時(shí)也是Google智庫(kù)成員的工程師MikeSchuster談到：

　　我們將按照“端到端”的模式對(duì)整個(gè)系統(tǒng)進(jìn)行統(tǒng)一訓(xùn)練，這可以使公司更專注于減少翻譯的錯(cuò)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(jī)器翻譯系統(tǒng)如何檢測(cè)一個(gè)句子，并對(duì)它之間的關(guān)聯(lián)性和重要性進(jìn)行考量)

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

　　和Google以前的短語(yǔ)翻譯系統(tǒng)(Phrase-BasedMachineTranslation-PBMT)不同，LSTM可以從頭到尾記住一句話再進(jìn)行翻譯，使長(zhǎng)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(jī)器翻譯系統(tǒng)能夠在跨越大型的Internet服務(wù)時(shí)保持工作速度。

　　除了翻譯，隨著類似于AlphaGo的人工智能和機(jī)器學(xué)習(xí)越來(lái)越智能，我們將會(huì)面對(duì)這樣一個(gè)現(xiàn)實(shí)：機(jī)器會(huì)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(shí)說(shuō)的那樣：裝備有人工智能的機(jī)器正在進(jìn)入勞動(dòng)力市場(chǎng)，對(duì)于人類來(lái)說(shuō)，這很可能意味著工作流失和“基本收入的普及”。因?yàn)樽詣?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)是汽車司機(jī)。雖然現(xiàn)在絕大多數(shù)廠商只是提供了達(dá)到SAE和NHTSALevel2的駕駛輔助功能。但從現(xiàn)今自動(dòng)駕駛的發(fā)展趨勢(shì)來(lái)看，全自動(dòng)駕駛汽車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(jī)器學(xué)習(xí)與人工智能，在未來(lái)的前景不可估量。當(dāng)然，正如愛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(jī)器學(xué)習(xí)的助攻，人類有了研究傳統(tǒng)科學(xué)難以研究的復(fù)雜問(wèn)題的能力;人們甚至可以將機(jī)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(wèn)題。對(duì)于機(jī)器學(xué)習(xí)領(lǐng)域的研究者和公司而言，這是最好的時(shí)代;而對(duì)于另一部分人而言，也許一場(chǎng)就業(yè)危機(jī)正埋伏在不遠(yuǎn)的將來(lái)。