人工智能（英語：Artificial Intelligence，縮寫為AI）亦稱智械悄晃、機(jī)器智能玫霎，指由人制造出來的機(jī)器所表現(xiàn)出來的智能。通常人工智能是指通過普通計(jì)算機(jī)程序來呈現(xiàn)人類智能的技術(shù)妈橄。該詞也指出研究這樣的智能系統(tǒng)是否能夠?qū)崿F(xiàn)庶近，以及如何實(shí)現(xiàn)。人工智能于一般教材中的定義領(lǐng)域是“智能主體（intelligent agent）的研究與設(shè)計(jì)”眷蚓，智能主體指一個(gè)可以觀察周遭環(huán)境并作出行動(dòng)以達(dá)致目標(biāo)的系統(tǒng)鼻种。約翰·麥卡錫于1955年的定義是“制造智能機(jī)器的科學(xué)與工程”。安德里亞斯·卡普蘭（Andreas Kaplan）和邁克爾·海恩萊因（Michael Haenlein）將人工智能定義為“系統(tǒng)正確解釋外部數(shù)據(jù)沙热，從這些數(shù)據(jù)中學(xué)習(xí)叉钥，并利用這些知識(shí)通過靈活適應(yīng)實(shí)現(xiàn)特定目標(biāo)和任務(wù)的能力”。人工智能的研究是高度技術(shù)性和專業(yè)的篙贸，各分支領(lǐng)域都是深入且各不相通的投队，因而涉及范圍極廣。
人工智能會(huì)替代翻譯嗎爵川？
1.人工智能會(huì)不會(huì)取代所有的翻譯敷鸦，會(huì)在多久后取代？
可能不會(huì)，起碼在短時(shí)間內(nèi)不會(huì)轧膘。原因很多钞螟，例如語音識(shí)別技術(shù)尚不健全，多語言?shī)A雜文本AI翻譯困難谎碍。人類在同一句話中可能蘊(yùn)含復(fù)雜的感情鳞滨，人類翻譯都未必能很好地傳達(dá)，遑論AI◇〉恚現(xiàn)階段人工智能更多的還是用來協(xié)助做記錄拯啦，提示術(shù)語等。
不過熔任，即使人工智能取代不了所有翻譯褒链，勞動(dòng)密集型的低端翻譯也會(huì)被淘汰。理由很簡(jiǎn)單疑苔，翻譯行業(yè)具有數(shù)量不穩(wěn)定甫匹，質(zhì)量不可控的問題：最好的同聲傳譯，也不過是血肉之軀惦费，進(jìn)行了一天的同傳后兵迅，翻譯狀態(tài)不可避免地會(huì)有波動(dòng)；即使是最好的翻譯薪贫，對(duì)相關(guān)領(lǐng)域非常熟悉恍箭，翻譯速度也夠快，一天的工作量仍然是有上限的瞧省，做不到立等可取扯夭。更不消說各個(gè)專業(yè)領(lǐng)域間隔行如隔山，能在一兩個(gè)領(lǐng)域深耕且小有成就已經(jīng)是大牛了鞍匾，有的初學(xué)者連一般文本都無法勝任呢交洗。反觀人工智能，只要能正常運(yùn)轉(zhuǎn)橡淑，速度和質(zhì)量都不會(huì)出現(xiàn)較大的波動(dòng)（雖然現(xiàn)在質(zhì)量還欠佳）倍阐，還能很快地積累不同領(lǐng)域的術(shù)語敛苇，切換不過是小菜一碟捕儒。有的人類翻譯都不一定能準(zhǔn)確把握演講人要表達(dá)的微言大義和復(fù)雜情感并精準(zhǔn)傳達(dá)望几，也沒有對(duì)溝通造成很大的影響伍掀，因?yàn)槁牨娨彩菚?huì)腦補(bǔ)的掰茶，上下文和句子本身很多時(shí)候已經(jīng)可以說明問題了。
人工智能的學(xué)習(xí)速度很快蜜笤，以大量語料為基礎(chǔ)濒蒋，進(jìn)步一日千里絕非夢(mèng)想，但具體多久后取代還要看技術(shù)的進(jìn)步速度與程度。牛津大學(xué)的一份研究報(bào)告顯示沪伙，機(jī)器學(xué)習(xí)領(lǐng)域的研究者預(yù)測(cè)人工智能將于2024年取代業(yè)余人工翻譯瓮顽。當(dāng)然，這個(gè)說法留有余地围橡，只是取代初學(xué)者而已暖混，但這個(gè)時(shí)間足以令人驚心了。
2. 人工智能是翻譯工具翁授，還是完美替代品拣播？
目前看人工智能的工具成分更濃。從博鰲暴露的問題來看收擦，由于現(xiàn)場(chǎng)語言環(huán)境復(fù)雜贮配，演講者多語夾雜，人工智能往往無法隨機(jī)應(yīng)變塞赂，鬧出很多笑話泪勒。對(duì)引經(jīng)據(jù)典，方言識(shí)別宴猾，口誤圆存，修辭手法，碎片式口語鳍置，俚語辽剧，同音字的辨識(shí)和處理還不盡如人意。因此税产，目前人工智能雖然強(qiáng)大怕轿，恐怕主要還是以工具為主，它可以轉(zhuǎn)化辟拷、放大撞羽、乃至優(yōu)化人的能量，但目前還無法完全取代人類衫冻。
面對(duì)這樣強(qiáng)大的工具诀紊，人類可以選擇俯首稱臣，也可以借助它的力量隅俘。問題在于能運(yùn)用工具的人畢竟是少數(shù)邻奠，而且工具本來就是用于提高生產(chǎn)力，解放人力为居。過去勞動(dòng)密集型的翻譯工作會(huì)越來越少碌宴，不及時(shí)轉(zhuǎn)型，可能就需要轉(zhuǎn)行蒙畴。
3. 人工智能能做翻譯贰镣，是好事還是壞事呜象？
人工智能的優(yōu)勢(shì)和劣勢(shì)都同樣明顯，它詞匯量大碑隆，能各領(lǐng)域無縫轉(zhuǎn)換恭陡，不知疲倦，最擅長(zhǎng)計(jì)算與存儲(chǔ)上煤，學(xué)習(xí)速度也很快休玩；但同時(shí)它目前還很難處理數(shù)據(jù)庫(kù)中未曾涵蓋的內(nèi)容，或是現(xiàn)有數(shù)據(jù)較少的內(nèi)容楼入，例如成語哥捕，典故，方言嘉熊，口誤遥赚，口語化表達(dá)。這里有的問題可以通過增加更多數(shù)據(jù)阐肤、改進(jìn)語音識(shí)別技術(shù)來解決凫佛；有的則更為復(fù)雜，需要改進(jìn)算法才能實(shí)現(xiàn)孕惜。同時(shí)愧薛，谷歌的算法可能完全與語言無關(guān)，基于大量的數(shù)據(jù)根據(jù)統(tǒng)計(jì)獲取相關(guān)的參數(shù)衫画，增添了靈活性毫炉。但人類翻譯的譯文也未必?zé)o懈可擊，尤其是在低端市場(chǎng)削罩，對(duì)翻譯要求本來就不高瞄勾，人工翻譯也不見得句句精準(zhǔn)，有的初學(xué)者水平還不一定比機(jī)器強(qiáng)弥激。至少在這個(gè)領(lǐng)域人工智能大有可為进陡。
對(duì)于大眾而言，我覺得整體利大于弊微服。人工智能如果能保質(zhì)保量地迅速完成任務(wù)趾疚，便能提高生產(chǎn)力，更快地解決問題以蕴，大眾也多了更多選擇糙麦。同時(shí)，日后也無需自己再去苦學(xué)丛肮，就能自如使用外語進(jìn)行交談喳资，好處也是顯而易見的。
但對(duì)于外語學(xué)習(xí)者和譯員而言腾供，前景則未必如此美妙。任何職業(yè)只要不只是精英游戲，就應(yīng)當(dāng)為不同水平伴鳖、不同經(jīng)驗(yàn)的從業(yè)者提供各個(gè)層面的機(jī)會(huì)节值，指明清晰的上升渠道。人工智能即使無法取代所有翻譯榜聂，將來提供的職位數(shù)目必將大大減少搞疗。
4. 在人工智能能很好地完成基本翻譯任務(wù)后，是否還有學(xué)習(xí)并從事翻譯行業(yè)的必要须肆？
如開頭郭士納所說匿乃，學(xué)會(huì)分辨不同的戰(zhàn)爭(zhēng)是卓越領(lǐng)導(dǎo)者的重要標(biāo)志。同樣豌汇，以人類的短板與機(jī)器的長(zhǎng)處相抗衡也是沒有必要的〈闭ǎ現(xiàn)有的翻譯教學(xué)囿于條件限制，培養(yǎng)的學(xué)生在畢業(yè)時(shí)大多無法直接從事高難度的翻譯工作拒贱，主要還是逐漸積累單詞宛徊，句型，翻譯技巧等等逻澳。而機(jī)器現(xiàn)在較少依賴語言學(xué)的規(guī)則闸天，主要還是依靠統(tǒng)計(jì)，這和具體的語言關(guān)系并不大斜做，也無需緩慢地積累苞氮。如果翻譯教學(xué)繼續(xù)延續(xù)原有的教學(xué)模式，便有拿人工之短比機(jī)器之長(zhǎng)的問題瓤逼，培養(yǎng)的學(xué)生在低端翻譯任務(wù)上不如機(jī)器笼吟，很有可能出現(xiàn)畢業(yè)便失業(yè)的問題，不得不改行抛姑。因此赞厕，如果翻譯學(xué)習(xí)還需要繼續(xù)下去，培養(yǎng)的就一定不能是只會(huì)背書的呆子定硝。這樣的人才需要很好地與人工智能合作皿桑，運(yùn)用人工智能，開發(fā)人工智能蔬啡，而不是呆板不知變通诲侮，翻的內(nèi)容連機(jī)器都不如。
人工智能又經(jīng)歷那些發(fā)展階段
2015年3月箱蟆，隨著Google Deepmind開發(fā)的AlphaGo程序打敗了韓國(guó)職業(yè)圍棋高手李世石（Lee Se-dol）沟绪，媒體在通稿中開始普遍使用“AI”“機(jī)器學(xué)習(xí)”和“深度學(xué)習(xí)”這樣的字眼，“AI”也迅速成為人們茶余飯后的熱門話題空猜，AI技術(shù)相關(guān)的企業(yè)如雨后春筍般迅速崛起绽慈，至今依然是投資市場(chǎng)上十分風(fēng)靡的版塊恨旱。然而，AI的歷史卻遠(yuǎn)比AlphaGo悠久得多坝疼。通常搜贤，一項(xiàng)新技術(shù)的出現(xiàn)都會(huì)經(jīng)歷“Gartner曲線”（技術(shù)成熟度曲線），經(jīng)歷促動(dòng)期钝凶、峰值期仪芒、泡沫期、穩(wěn)步爬升期耕陷、實(shí)質(zhì)生產(chǎn)期掂名，然而AI的發(fā)展歷程卻頗具戲劇化，經(jīng)歷了“三起兩落”哟沫。
早在1956年的達(dá)特茅斯會(huì)議（Dartmouth Conference）上饺蔑，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky南用，人工智能與認(rèn)知學(xué)專家）膀钠、克勞德·香農(nóng)（Claude Shannon，信息論的創(chuàng)始人）裹虫、艾倫·紐厄爾（Allen Newell肿嘲，計(jì)算機(jī)科學(xué)家）、赫伯特·西蒙（Herbert Simon筑公，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主）等科學(xué)家聚在一起，討論著一個(gè)完全不食人間煙火的主題：用機(jī)器來模仿人類學(xué)習(xí)以及其他方面的智能匣屡，目的是讓逐漸成熟的計(jì)算機(jī)能夠代替人類解決一些感知封救、認(rèn)知乃至決策的問題捣作。這一年也被認(rèn)為是人工智能元年。這個(gè)議題是如此令人神往券躁，吸引了一大批學(xué)者進(jìn)行研究，這是第一“起”也拜。
人工智能最初采用的方法是專家編制規(guī)則以舒，教機(jī)器人認(rèn)字慢哈、語音識(shí)別蔓钟，但是人們沒能很好地總結(jié)提煉出人類視聽功能中的規(guī)律，因此在機(jī)器學(xué)習(xí)的轉(zhuǎn)化上效果并不好卵贱，結(jié)果事與愿違滥沫，人工智能也在殘酷的現(xiàn)實(shí)中走向下坡侣集。
因?yàn)椋藶橹肋@條路行不通兰绣，人們開始另辟蹊徑肚吏，把目光投向了基于大量數(shù)據(jù)的統(tǒng)計(jì)學(xué)方法。于是狭魂，人工智能在人臉識(shí)別等一些較簡(jiǎn)單的問題上取得了重大進(jìn)展，在語音識(shí)別上也實(shí)現(xiàn)了基本可用党觅。人工智能初見成效雌澄，這是第二“起”。
然而杯瞻，基于大數(shù)據(jù)的統(tǒng)計(jì)學(xué)方法很快遇到了瓶頸镐牺，因?yàn)閱渭円揽繑?shù)據(jù)積累并不能無限地提高準(zhǔn)確率。從“基本可用”到“實(shí)用”之間出現(xiàn)了一道難以逾越的鴻溝魁莉，十幾年都沒能跨過睬涧。人工智能再次沒落。
直到2006年旗唁，加拿大多倫多大學(xué)的計(jì)算機(jī)系教授杰弗瑞·辛頓（Geoffrey Hinton）在《科學(xué)》上發(fā)表一篇關(guān)于深度學(xué)習(xí)的文章畦浓，人們又重新看到了人工智能的希望。隨著GPU（圖形處理器）的廣泛使用检疫，計(jì)算機(jī)的并行處理速度大幅加快讶请、成本更低、功能更強(qiáng)大屎媳，實(shí)際存儲(chǔ)容量無限拓展夺溢，可以生成大規(guī)模的數(shù)據(jù)，包括圖片烛谊、文本和地圖數(shù)據(jù)信息等风响，人工智能迎來了新的生機(jī)，于是丹禀，AlphaGo的勝利順理成章状勤。
AlphaGo實(shí)際上只是人工智能界的一個(gè)小學(xué)生，仍然屬于“弱人工智能”（Narrow AI）湃崩。它可以像人類一樣完成某項(xiàng)具體任務(wù)荧降，也有可能比人類做得更好攒读。但它并不是真正擁有智能，也不會(huì)有自主的意識(shí)薄扁。例如Pinterest利用人工智能給圖片分類废累，F(xiàn)acebook利用人工智能進(jìn)行面部識(shí)別等邑滨。麥卡錫在達(dá)特茅斯會(huì)議上提出的AI，一般指的就是“弱人工智能”掖看。與“弱人工智能”相對(duì)的面哥，是“強(qiáng)人工智能”（General AI），指的是機(jī)器擁有像人類一樣的感知能力归榕，甚至還可以超越人類的感知吱涉，它可以像人類一樣思考，就像電影中的終結(jié)者怎爵。當(dāng)機(jī)器智能超越人腦智能的那一刻，也就實(shí)現(xiàn)了機(jī)器智能與人腦智能的融合县匠，美國(guó)未來學(xué)家雷蒙德·庫(kù)茲韋爾（Raymond Kurzweil）稱之為“奇點(diǎn)”（Singularity）撒轮，時(shí)空中的物理規(guī)律將不再適用。不過题山，就目前為止，科學(xué)家普遍達(dá)成的共識(shí)是玖姑，我們僅僅實(shí)現(xiàn)了弱人工智能的一小部分慨菱。
人工智能會(huì)給我們帶來那些創(chuàng)收
歐能智能CEO陳六表示，2019年將會(huì)是真正的人工智能年闪彼，在我們身邊各種人工智能都早已充斥我們的生活，人工智能在不同的領(lǐng)域生根發(fā)芽畏腕，在教育、房地產(chǎn)行業(yè)率先突出重圍把夸。需求決定發(fā)展铭污，現(xiàn)實(shí)證明中國(guó)的適應(yīng)能力在全世界是數(shù)一數(shù)二，中國(guó)的需求量在全世界也是數(shù)一數(shù)二嘹狞，結(jié)合二者，人工智能的發(fā)展腳步不會(huì)放緩，降低成本和提升效益是當(dāng)前的重中之重烤黍。
歐能智能研究帶頭人作為嘉賓，與觀眾分享了深耕人工智能十幾年的歐能智能對(duì)人工智能的理解速蕊，以及對(duì)未來的大膽預(yù)測(cè)。
時(shí)間決定跟啤，未來人工智能幾乎會(huì)覆蓋我們所能知道的所有的行業(yè)唉锌，包括音樂家、詩(shī)人袄简、作家、設(shè)計(jì)師秃症、建筑師等等這些需要靈感創(chuàng)意的行業(yè)。不過目前首先別做技術(shù)技術(shù)和平臺(tái)种柑，也別提前把實(shí)驗(yàn)室的成果提前商業(yè)化匹耕。要在法律法規(guī)的正確行使的條件下，做好算法與數(shù)據(jù)的平衡良漱，這是都是大企業(yè)該做的事舞虱，負(fù)責(zé)就是以卵擊石矾兜，得不償失患久。
近年人工智能最廣泛的應(yīng)用場(chǎng)景電話機(jī)器人，早已普及到了大大小小的電銷型企業(yè)蒋失，不少中小企業(yè)的高管表示，自從有了智能語音機(jī)器人荆萤，公司的整體業(yè)績(jī)大幅度上升铣卡，成本也在極速下降，更不會(huì)為招人而煩惱煮落。電話機(jī)器人好不好用？這句話也成為那些還未接觸人工智能機(jī)器人的口頭禪旋讹。
人工智能必定會(huì)迎來爆發(fā)期轿衔，將會(huì)發(fā)生市場(chǎng)變革，電信運(yùn)營(yíng)商需要從大數(shù)據(jù)害驹、大計(jì)算、大算法琅拌、大應(yīng)用四個(gè)關(guān)鍵要素來開發(fā)人工智能摘刑。
學(xué)習(xí)人工智能年入百萬？
隨著深度學(xué)習(xí)技術(shù)的成熟党晋，AI人工智能正在逐步從尖端技術(shù)慢慢變得普及。從走在前沿的科技公司未玻，到努力創(chuàng)新的傳統(tǒng)行業(yè)，幾乎每家公司都想把握這個(gè)新“風(fēng)口”旁趟。而人工智能的核心就是人才，那么對(duì)于熱門中的熱門锡搜，人工智能領(lǐng)域的人才供需情況到底如何呢瞧掺？
1、數(shù)據(jù)科學(xué)家
數(shù)據(jù)科學(xué)家屬于分析型數(shù)據(jù)專家中的一個(gè)新類別肠缔，他們對(duì)數(shù)據(jù)進(jìn)行分析來了解復(fù)雜的行為、趨勢(shì)和推論桩砰，發(fā)掘隱藏的一些見解释簿，幫助企業(yè)做出更明智的業(yè)務(wù)決策硼莽。正如致力于商業(yè)分析和商業(yè)智能軟件的SAS所說的那樣，數(shù)據(jù)科學(xué)家是“部分?jǐn)?shù)學(xué)家偏螺，部分計(jì)算機(jī)科學(xué)家和部分趨勢(shì)科學(xué)家的集合體”匆光。
2.Java資深架構(gòu)師
負(fù)責(zé)系統(tǒng)架構(gòu)設(shè)計(jì)，針對(duì)行業(yè)客戶設(shè)計(jì)場(chǎng)景化的解決方案终息，并對(duì)解決方案的競(jìng)爭(zhēng)力及商業(yè)目標(biāo)達(dá)成負(fù)責(zé)；技術(shù)分享柳譬，將人工智能產(chǎn)品／方案的銷售技巧傳遞給銷售團(tuán)隊(duì)续镇，并支持重點(diǎn)項(xiàng)目的售前工作；
3、數(shù)據(jù)標(biāo)簽專業(yè)人員
隨著數(shù)據(jù)收集幾乎在每個(gè)垂直領(lǐng)域?qū)崿F(xiàn)普及舅桩，數(shù)據(jù)標(biāo)簽專業(yè)人員的需求也將在未來呈現(xiàn)激增之勢(shì)雨膨。事實(shí)上，在AI時(shí)代哥放，數(shù)據(jù)標(biāo)簽可能會(huì)成為藍(lán)領(lǐng)工作。
IBMWatson團(tuán)隊(duì)負(fù)責(zé)人GuruBanavar表示“數(shù)據(jù)標(biāo)簽將變成數(shù)據(jù)的管理工作踩身，你需要獲取原始數(shù)據(jù)社露、對(duì)數(shù)據(jù)進(jìn)行清理，并使用機(jī)器來進(jìn)行收集峭弟。”標(biāo)簽可以讓AI科學(xué)家訓(xùn)練機(jī)器新任務(wù)坷备。
Banavar繼續(xù)解釋道：“假設(shè)你想訓(xùn)練一臺(tái)機(jī)器來
4、AI硬件專家
AI領(lǐng)域內(nèi)另外一種日益增長(zhǎng)的藍(lán)領(lǐng)工作是負(fù)責(zé)創(chuàng)建AI硬件（如GPU芯片）的工業(yè)操作工作省撑。大科技公司目前已經(jīng)采取了措施俯在，來建立自己的專業(yè)芯片。
英特爾正在為機(jī)器學(xué)習(xí)專門打造一個(gè)芯片肥败。與此同時(shí)，IBM和高通正在創(chuàng)建一個(gè)反映神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)馒稍、并且可以像神經(jīng)網(wǎng)絡(luò)一樣運(yùn)行的硬件架構(gòu)浅侨。據(jù)FacebookAI研究總監(jiān)YannLeCun表示，F(xiàn)acebook也在幫助高通開發(fā)與機(jī)器學(xué)習(xí)相關(guān)的技術(shù)仗颈。隨著人工智能芯片和硬件需求的不斷增長(zhǎng)椎例，致力于生產(chǎn)這些專業(yè)產(chǎn)品的工業(yè)制造業(yè)工作崗位需求將會(huì)有所增長(zhǎng)订歪。
人工智能、大數(shù)據(jù)刷晋、云計(jì)算和物聯(lián)網(wǎng)的未來發(fā)展值得重視慎陵，均為前沿產(chǎn)業(yè)，有興趣的朋友席纽，可以關(guān)注小編，將為您持續(xù)推出相關(guān)知識(shí)过牙！
