「人機大戰」三局全敗 人工智慧挑戰傳統翻譯

人工智慧已經形成了線下各大互聯網行業爭相進入的領域。人工智慧到底發展到什麼程度了我們現在不得而知，但是就參加人機大戰的這隻狗來說，確實已經聰明到超乎人類想像了。/

在今天下午剛剛結束的第二次人機大戰的最後一場比賽，AlphaGo執黑取勝，獲得了三場不敗的戰績。柯潔在賽後接受採訪時也說到AlphaGo太過冷靜了。或許這正是人工智慧的魅力所在，所謂的人工智慧在一定程度上就是將人的思考方式注入到某個機器中，通過各種途徑再滿足人的需求，實現智能化。

"人機大戰"三局全敗 人工智慧挑戰傳統翻譯

人工智慧已經形成了線下各大互聯網行業爭相進入的領域。人工智慧到底發展到什麼程度了我們現在不得而知，但是就參加人機大戰的這隻狗來說，確實已經聰明到超乎人類想像了。

人工智慧發展到今天，目前只能說還是在深度學習的初級階段，機器所達到的智能水平停留在幼兒階段。就目前來看，人工智慧在規則固定的棋牌遊戲上超越人類無非是因為計算能力的優勢，而在身為人基本的語言能力方面，機器還遠遠達不到與人類同場競技的標準。

人工智慧在這幾年的發展已經遠遠超乎人們的想像了，如果說之前人們對人工智慧的理解只是停留在理論層面的話，現在我們已經發現人工智慧已經成功運用在了各大領域，包括智能汽車，電子遊戲、數字營銷、虛擬助手、聊天機器人和其他我們生活的方方面面。

人工智慧的快速發展已經成功的進入了許多行業，不過他們還需要克服很多障礙。比如說在今年二月舉行的一次翻譯比賽中，人類成功的打敗了人工智慧。雖然人類取得了勝利，但是準確的機器翻譯卻只是時間問題了。

人工智慧的第一步

1996 年，IBM 的深藍計算機首次挑戰統治國際象棋十二年之久的世界冠軍卡斯帕羅夫，那一次人類贏了。但在 1997 年，深藍成功打敗了卡斯帕羅夫，這次比賽之後，計算機發展得越來越快，人類再也沒有機會在國際象棋上勝過計算機。

"人機大戰"三局全敗 人工智慧挑戰傳統翻譯

第二步瞄準了圍棋

下一個淪陷的棋類運動是圍棋。在當時, 這項中國的古老遊戲對最先進的計算機來說也太過複雜了——據說圍棋中可能存在的下棋路數比人類可見的宇宙中存在的原子數還要多。正因如此，當 DeepMind 的 AlphaGo 人工智慧計算機程序在 2016 年 3 月擊敗了韓國的圍棋名將李世石時，整個世界都為之震驚了。

"人機大戰"三局全敗 人工智慧挑戰傳統翻譯

本周，在中國烏鎮舉辦的圍棋峰會上，AlphaGo連續三局擊敗了世界排名第一的中國棋手柯潔，甚至團滅了五人合作的人類棋手。在去年李世石戰敗後，柯潔曾公開表示自己不可能會輸給這台冰冷的機器，然而，在見識到 AlphaGo 超乎尋常的成長速度後，柯潔改口稱「人工智慧的進步超乎想像」。

征服語言是下一個目標

現在，人工智慧的重心已經轉向了翻譯，語言文字的生產和翻譯在很久以前就是機器學習的一大障礙。早在上個世紀 50 年代，IBM 就已經對機器翻譯進行了深入的探索與研究，但直到 90 年代，從 Altavista 的翻譯工具 Babel Fish 開始，這類翻譯工具才進入大眾的視野。

"人機大戰"三局全敗 人工智慧挑戰傳統翻譯

然而，機器翻譯也有其自身的限制：機器翻譯只會使用詞典進行字對字的解釋，它可以提供文本的翻譯，卻無法將語義、句法和詞法的複雜性考慮在內。

統計機器翻譯(SMT)是翻譯技術發展的下一階段。統計機器翻譯的原理是通過一個模型將材料中的單詞和片語與翻譯過的文章比對(尤其是專業翻譯)，然後挑出最常使用的詞。

從邏輯上來說，機器學習和人工智慧將能夠掌握語言的複雜性，以往標準的翻譯技術在這一點上是沒法和深度學習相比的。和人類的大腦一樣，機器需要學習在不同的上下文中使用不同的短語和句子，並隨著時間的推移進一步生成用戶能夠理解並與目標語言相關的材料。

應對市場對於精準翻譯的需求，Google 推出了神經機器翻譯(NMT)。神經機器翻譯技術在翻譯文本時讓機器更關注整個句子而不是其中的一些成分(單詞、片語等)，通過把這些成分用最自然的方式組合起來，從而得出最佳的翻譯結果。

當人工智慧技術應用到這個過程中時，神經機器翻譯就可以從其他已完成的翻譯中分析學習它們的結構，學習它們在語序等細微問題上如何做出調整。

目前技術無法超越人類

考慮到現在技術進步的驚人速度，一些靠語言和翻譯吃飯的人才開始擔心神經機器翻譯會搶了他們的飯碗也就不足為奇了。但從另一個角度來看，全世界仍有許許多多的人和企業對科技打破語言的障礙、人工智慧成為全新的通用語言還是充滿期待的。

因此，當世宗大學與韓國國際翻譯協會合作，組織人類譯員與 Google 全新的神經機器翻譯系統(以及韓國本地搜索引擎 Naver 的翻譯工具)進行翻譯比賽時，人類的感覺是既激動又恐慌的，尤其對譯員們來說，這場比賽可能會預告著他們的工作不再有保障了。

這場比賽耗時 50 分鐘，比賽雙方需要翻譯兩份隨機選擇的未經翻譯過的文本，一份為文學翻譯，一份非文學性質。

比賽的結果還是比較讓人安心的，無論是韓翻英還是英翻韓，無論是文學性翻譯還是非文學文本翻譯，人類都以較大的優勢打敗了基於人工智慧的機器翻譯。

但也有很多人認為，不同於數學或者棋類遊戲，翻譯沒有一個客觀的標準，而最終比賽判定結果的又是人類的評審，所以這其中可能會有不好定奪的主觀成分存在。

但是，考慮到評委在判斷時只是根據翻譯結果是否符合母語使用者的語言習慣，以及是否有明顯的語法錯誤來判定輸贏，所以這次比賽的判決應該還是非常公正的。

評委們表示，神經機器翻譯系統翻譯出的文字有 90% 都有語法上的錯誤，這些錯誤不明顯，但足以讓受過教育的英語母語或韓語母語者感到尷尬。這次人與機器的對抗結束後，許多語言學家和翻譯人員都可以鬆一口氣了。

但不可避免的是，隨著神經機器翻譯系統的進一步發展，技術性的內容，那些有著嚴格標準和術語使用規範的內容，可能更容易被機器完美地翻譯出來，並且不需要太多後期的人工編輯。

然而，文學和營銷方面的文本在翻譯時就幾乎是需要就目標市場和受眾的情況進行再創作，這對於人工智慧機器翻譯而言，毫無疑問仍然是一個艱難的挑戰。翻譯這種內容需要基於一定的語境和研究，同時也要有一定創作的能力來與目標讀者取得共鳴。在翻譯和語言學的世界裡，機器想要取代人類，還有很長很長的路要走。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！