? ?人類的語言就是它的文明本身飞傀，要讓人工智能真正理解語言幾乎是不可能的织鲸，只有當(dāng)人工智能的硬件復(fù)雜度積累足夠才能做到媚狰，而這時的人類對失控的人工智能又無法理解淫僻；人類的理性是有限而可笑的诱篷，試圖理解世界卻又不想失去控制。

? ?至于現(xiàn)有的語音識別系統(tǒng)雳灵，無論是Siri棕所，Google now，Cortana都只是人類利用有限的智慧做出的拙劣的仿品悯辙，并不是真正基于對語義的理解而是快速的詞條琳省，例句匹配，只不過是官方選的句子合適讓你產(chǎn)生翻譯和諧的錯覺而已躲撰，當(dāng)然ai里也有對語法的設(shè)定來限定單詞的位置针贬，但語義這種核心項目卻沒有涉及，因為機器和人的思維方式完全不同拢蛋，前者是完全的邏輯模型桦他，而后者只有有限理性。要讓機器智能模擬人的智能不但不可行瓤狐，也不可取瞬铸。

? ?說的多了批幌，直接回答你的問題，永遠不會嗓节。在機器智能復(fù)雜度之前荧缘，技術(shù)不能，至多能在一定程度上輔助人類拦宣；而在機器智能超越人類之后截粗，人類還有生存的余地么。

? ?還有鸵隧，鑒于很多人都會把識別成功和真正理解混淆绸罗，我需要補充一點東西：

? ? 1.機器要想達到人工傳譯的水準，僅僅通過生成快速鏈接（這里指的是原理層 ? ? ? ? 面豆瘫，而且是產(chǎn)品化的珊蟀，一些語法規(guī)則的限定上面也有提到，但更多是讓詞語組合的可能范圍縮型馇）是荒唐可笑的育灸；要想實現(xiàn)和人工翻譯一樣的準確度，就必須有類似人類大腦的復(fù)雜度昵宇，而你知道磅崭，人類對大腦的了解是貧乏的，所以說是有限的理性瓦哎，而目前的人工智能系統(tǒng)只是人類掌控的玩偶砸喻，所以在復(fù)雜度上的答案是顯而易見的。

? ? 2.如果熟悉人工智能就應(yīng)該知道有個案例叫做中文屋子蒋譬，30年前的東西割岛，但現(xiàn)在還遠未解決，或者說有定論羡铲，而現(xiàn)在計算機界對人工智能的成果應(yīng)用也有限蜂桶，強大的GPS（通用問題求解系統(tǒng)）也有近50年的歷史，雖然不完善也切，但理念決對領(lǐng)先現(xiàn)今商業(yè)應(yīng)用技術(shù)扑媚，這種現(xiàn)象有兩個原因：成本過高和科學(xué)界對語義識別的心灰意冷。

? ? 3.六七十年代是人工智能的黃金時代,所有人對強人工智能都抱有極大的期望雷恃，以致于大家都以為自然語義識別的實現(xiàn)近在咫尺（畢竟語義識別是強人工智能實現(xiàn)的核心）但實際上是研究者估計過高疆股，十多年間進展極微，公眾與媒體也就失去興趣倒槐，而政府與企業(yè)的支持也隨之漸默旬痹。

? ? 4.很多人會疑問我的回答與所提的問題有多少關(guān)聯(lián)，因為我提的是語義識別而題主在問機器翻譯的準確度；但如果你多想一點两残，而且認真看了我的回答永毅，你就會明白我想闡明的問題：我指的是語言這種工具本身的可系統(tǒng)化程度，而非語言工具箱中諸部件與另一工具箱部件映射的準確程度人弓。

? ? ?5.再度回到翻譯這個主題沼死，前面我說明了自然語義識別的困難程度，現(xiàn)在可以對我上面對機器翻譯的觀點做出解釋了：假設(shè)你有一個觀點崔赌，為了傳播這個觀點意蛀，你選擇用語言做為載體（事實上，你別無選擇健芭，除了語言工具本身的類別）县钥，這個觀點由一個相同語言環(huán)境的人接受，但事實上觀念已經(jīng)產(chǎn)生一定損耗和異化慈迈，而他想跨文化傳播他的你的觀點若贮，最后由一個異語言環(huán)境者接受。在這個過程中吩翻，觀點產(chǎn)生了幾重變化呢兜看，如果那個外國人說那個觀點不對，你怎么評判呢狭瞎，你怎么引導(dǎo)他理解你的觀點呢？這和現(xiàn)有的機器識別方式全然不同搏予，機器翻譯的主要原理是尋找可以和它詞匯庫匹配的詞匯熊锭，然后按照語義映射表進行形式轉(zhuǎn)換；在這個過程中匹配以及語義映射的準度決定了翻譯的準度雪侥，而提高準確度的方法碗殷，每個人都可以想出很多，但你可以知道這樣的識別和我們理解的識別相差多大（順便說下速缨，語音識別看似高端锌妻，但原理完全相同，只是匹配方式不同而已旬牲，而且仿粹，由于人在朗讀時有意識的斷句，更簡化了語音識別的匹配程序）

? ? ?6.對于語言這種系統(tǒng)原茅，有表層結(jié)構(gòu)與深層結(jié)構(gòu)之分吭历，前者之語言的形式，而后者是該形式對于特定概念的映射擂橘，一般都是一對多晌区；我們所指的語義就是深層結(jié)構(gòu)。

從這些概念我們比較自然語言和機器語言：前者一般是多項映射，而后者則為嚴格對應(yīng)朗若。究其原因恼五，前者是自然累積產(chǎn)生的冗余體，而后者因為機器缺少選擇能力哭懈，且運算復(fù)雜度較低唤冈，這也是人工智能難以理解語義的深層原因。

本文來自作者知乎回答微軟的原聲翻譯在未來會威脅到翻譯這職業(yè)嗎银伟？