近些年來，人工智能已經(jīng)從理論應(yīng)用領(lǐng)域破殼而出， 機器學習技術(shù)滲入了智能汽車、視頻游戲、數(shù)字營銷、虛擬助手和 聊天機器人 等產(chǎn)品。隨著AI影響力的不斷擴張，它們會繼續(xù)打破原有力量平衡，讓某些行業(yè)舊貌換新顏。今天下午，柯潔在與AlphaGo的第二局比賽中投子認輸，機器已經(jīng)徹底笑傲棋壇。不過，在最近今年2月的另一場翻譯人機大戰(zhàn)中，AI卻沒能戰(zhàn)勝人類。那么，未來機器同樣會讓人類翻譯失業(yè)，搭起全人類無障礙交流的“巴別塔”嗎?

棋類游戲人類全面潰退

想得到這個答案，我們必須先了解AI和機器學習是如何一步步戰(zhàn)勝人類的。1996年，IBM的深藍電腦首次挑戰(zhàn)國際象棋大師卡斯帕羅夫，初次交手卡斯帕羅夫獲勝。不過，沉寂一年后卷土重來的深藍卻贏了第二場比賽。在那之后，計算機又有了長足的發(fā)展，國際象棋領(lǐng)域，人類已經(jīng)再難與其叫陣。

深藍挑戰(zhàn)卡斯帕羅夫20年后，AlphaGo橫空出世，它在最難攻克的圍棋上4;1戰(zhàn)勝了韓國高手李世石，驚掉了全世界的下巴。隨后，AlphaGo又化身Master，在互聯(lián)網(wǎng)上取得了60場不敗的戰(zhàn)績。而今天，升級版的AlphaGo在比賽中已經(jīng)2:0領(lǐng)先柯潔。

機器翻譯已經(jīng)發(fā)展到3.0時代

現(xiàn)在，業(yè)界開始將翻譯看成下一個突破口。語言的生成和翻譯對機器來說一直是最復雜的挑戰(zhàn)，上世紀50年代IBM就試圖打破這一藩籬，但直到上世紀90年代，搜索引擎Altavista才推出了真正的翻譯工具。不過，機器翻譯有自己的局限，它只能“翻字典”逐個單詞進行翻譯，缺乏背景知識的它大多數(shù)時候翻譯出來的都不像人話。

機器翻譯之后，我們進入了統(tǒng)計機器翻譯(SMT)時代。它會利用模型將語段中的單詞或句子與此前的翻譯進行對比，然后再找出最合適的表達方法。

隨著機器學習和AI的介入，機器翻譯將進入第三個階段。與人類大腦類似，機器需要在語境背景下理解不同句段的使用方法，隨著學習的深入，它們也能生成可理解的目標語言。

為此，谷歌專門開發(fā)了神經(jīng)機器翻譯(NMT)技術(shù)，該技術(shù)會以整個句子為單位進行理解(此前為單詞和詞組)。在AI的助力下，NMT也能從翻譯資料中汲取“養(yǎng)料”，它能快速分析語段結(jié)構(gòu)并發(fā)現(xiàn)語義或結(jié)構(gòu)轉(zhuǎn)換的微妙之處。

短期內(nèi)人類翻譯不會丟飯碗

技術(shù)進步飛快，許多靠語言吃飯的人開始擔心NMT帶來的巨大威脅，但對于普羅大眾來說，能打破語言的藩籬確實令人期待。

今年2月份，谷歌全新NMT系統(tǒng)在韓國世宗大學與人類譯員進行了一場大戰(zhàn)。整個比賽耗時50分鐘，人類和機器都要翻譯兩段隨機文本(未翻譯過的)，一段文學的，一段非文學的。在這次比賽中，人類以巨大優(yōu)勢戰(zhàn)勝了機器，韓譯英和英譯韓上機器都沒占到半點便宜。

有人會說，翻譯可不像數(shù)學計算或者下圍棋，評委在評判時可能會戴著有色眼鏡。不過，這次比賽第三方裁判主要著眼于母語者一眼就能看出的語言錯誤，因此我們沒有理由懷疑比賽的公平性。

賽后，評委表示，NMT系統(tǒng)翻譯出的文本90%語法都有問題，或者說它會翻譯出一些沒有明顯錯誤但不符合人類語言習慣的語句。這場大戰(zhàn)后，許多靠語言吃飯的人都能松口氣了。

不過從長遠來看，NMT未來確實可以勝任一些技術(shù)類的文本內(nèi)容，此類文本有嚴格的寫作規(guī)范且術(shù)語眾多。當然，即使是此類文本，NMT翻譯后人類也要對其進行一定的校對和修改。

至于文學和營銷翻譯，恐怕最先進的AI也無能為力，因為此類文本的譯文需要翻譯根據(jù)實際情況進行再創(chuàng)造(如蘋果“Think Different”的廣告語翻譯成“非同凡想”)。因此，在翻譯和語言的世界中，機器人還有很長的路要走。