當一款新的技術，不，應該說當一個技術出現了一丁點欣喜的進步時，現在科技圈里就立刻往它的身上貼上各種“顛覆”的標簽。

人工智能呼聲洶涌澎湃 機器究竟能否替代人工翻譯？

　　如果你是一位科技新聞的讀者，想必已經對“顛覆”這個字眼感到些許的麻木甚至惡心了吧？那天翻地覆的變化似乎就要出現在明天。

　　科技媒體善于吸引人們目光，這固然是從業人員的一種必備本領，但如今所有人都左顧右盼，像是熱鍋上的螞蟻一樣焦躁不安，這真的是正常現象嗎？科技媒體眼中。科技創新把世界世界攪的天翻地覆。沒事兒三天一創新，五天一顛覆，未來我們在這個世界站穩腳跟的著力點又是在哪里呢？

　　在這其中，尤其是以圍繞著“人工智能”的呼聲最為洶涌澎湃。前不久，Google 推出了基于神經網絡而開發的全新的 Google Translate，引起業界的一片驚呼。不少人甚至都建議國家完全沒有必要在開設外語專業了，翻譯就此在機器學習的帶動下徹底消失了!
?

　　然而事實上，如果我們站的遠一些去看它，如果還模糊不清就再在額頭上貼個冰塊兒，你就會發現任何有關“機器將取代人工翻譯”的言論都是無稽之談。今天，五十度硅會好好地跟大家掰扯掰扯為什么機器代替不了人工的翻譯，并由此我們可以稍微聊一聊人與機器究竟應該保持這樣的一種關系。

　　Google 的神經網絡翻譯究竟是怎么一回事？

　　事實上，十年之前網絡上就已經提供在線翻譯服務了，而其實在很早以前，關于“機器即將替代人類進行翻譯”的論調就不絕于耳。而之所以如今大家的目光再次回到這上面，完全是因為 Google 將自己的在線翻譯服務進行了升級換代，推出了一款名為基于“神經網絡”的機器翻譯系統。

　　咱們先說說什么是“神經網絡”？

　　自打有了計算機以來，努力讓機器智能逐漸向人類大腦過渡成為了很多科研人員的一個夢想。但直到如今，在這方面的進展幾乎可以用紋絲不動來形容。人們都清楚，機器和人類的側重點不一樣。在機器眼中不費吹灰之力的運算，邏輯判斷，這在人類來看是需要大量腦力才能完成的事，而對于人類來說，那些輕而易舉就能辦到的事，比如辨識物體，人們的身份，自由流暢的語言溝通，迅速地學習并適應某一種方言，這些對于機器來說簡直是不可能完成的任務。

　　在好幾次向“人腦”發起沖鋒未果之后，研究人員提出設想，為什么我們不搭建一個類似于人腦一樣的神經網絡呢？讓計算機運算單位之間的關系搭建，就完全按照人腦來設計。雖然，

　　人類至今尚未明白人腦的工作原理，不過這沒關系，我們可以先復制出一個人腦的計算模型：一件事情并非像計算機程序那樣輸入指令輸出結果，而是在人腦的多個神經元傳遞，每個神經元都對信息進行自己的加工，最后輸出的結果。計算機科學家用同樣的方式，在輸入和輸出之間，加入了非常多的“節點”，每個節點會對前一個節點傳來的數據，按照自己擁有的一個權重系數進行加工，有時候節點還會分層。這就是“人工神經網絡”(Artificial Neural Networks，ANN)。

　　那么，Google 搞得這次基于神經網絡的機器翻譯系統又是怎么一回事呢？

　　之前我們經常用到的翻譯服務，其實是基于“詞組”來進行的。也就是說，一段文字出現之后，系統會直接把這段文字給拆散了，最小單位就是“詞組”，然后將每個詞組找到相對應的翻譯版本，再進行次序的調整，最后出來一篇譯文。這是一個有著明確的先后次序的翻譯工作，即：打散、找對應的詞組、排序、其中包括了標點符號的重新分割，整理等多個環節。

　　按道理來說它其實不怎么容易出錯，但是每一個環節雖然準確率還蠻高，但是架不住環節多啊，一旦有一個地方出現了偏差，后面就如倒掉的積木一樣全部都散了架了，最后出來的翻譯內容當然不忍猝讀。

　　而基于神經網絡的翻譯系統，直接跳過了這么多繁瑣的步驟，它直接直接依靠“海量數據”來獲勝，也就是說它直接建立起來了兩個對應著的平行語言庫，然后讓機器自己去學習如何進行對應。這樣的法子其實很早就出現了，但是它也有一定的技術難題沒有攻破，比如說機器學習起來速度實在非常慢，而且稍微碰上一些沒怎么見過的話，它就不知道該怎么辦了，但是 Google 這次通過技術創新，讓它無論在翻譯的準確性和速度上都獲得了大大的提升。

　　由此，翻譯再也不是簡單的詞與詞，詞組與詞組的對應，而是能夠從一段文章的角度去把握全文，這樣出來的譯文更加流暢自然。

　　那么，這是不是就意味著人類翻譯在此下崗了呢？

　　既然我們現在知道了 Google 翻譯在此取得的重大進展，那么現在是時候把機器和人類放在翻譯的天平上稱稱斤兩，比較一下孰輕孰重了!