人工智能（英語：Artificial Intelligence，縮寫為AI）亦稱智械、機器智能，指由人制造出來的機器所表現(xiàn)出來的智能。通常人工智能是指通過普通計算機程序來呈現(xiàn)人類智能的技術(shù)。該詞也指出研究這樣的智能系統(tǒng)是否能夠?qū)崿F(xiàn)，以及如何實現(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”，智能主體指一個可以觀察周遭環(huán)境并作出行動以達致目標(biāo)的系統(tǒng)。約翰·麥卡錫于1955年的定義是“制造智能機器的科學(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)，從這些數(shù)據(jù)中學(xué)習(xí)，并利用這些知識通過靈活適應(yīng)實現(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，各分支領(lǐng)域都是深入且各不相通的，因而涉及范圍極廣。
人工智能會替代翻譯嗎？
1.人工智能會不會取代所有的翻譯，會在多久后取代？
可能不會，起碼在短時間內(nèi)不會。原因很多，例如語音識別技術(shù)尚不健全，多語言夾雜文本AI翻譯困難。人類在同一句話中可能蘊含復(fù)雜的感情，人類翻譯都未必能很好地傳達，遑論AI。現(xiàn)階段人工智能更多的還是用來協(xié)助做記錄，提示術(shù)語等。
不過，即使人工智能取代不了所有翻譯，勞動密集型的低端翻譯也會被淘汰。理由很簡單，翻譯行業(yè)具有數(shù)量不穩(wěn)定，質(zhì)量不可控的問題：最好的同聲傳譯，也不過是血肉之軀，進行了一天的同傳后，翻譯狀態(tài)不可避免地會有波動；即使是最好的翻譯，對相關(guān)領(lǐng)域非常熟悉，翻譯速度也夠快，一天的工作量仍然是有上限的，做不到立等可取。更不消說各個專業(yè)領(lǐng)域間隔行如隔山，能在一兩個領(lǐng)域深耕且小有成就已經(jīng)是大牛了，有的初學(xué)者連一般文本都無法勝任呢。反觀人工智能，只要能正常運轉(zhuǎn)，速度和質(zhì)量都不會出現(xiàn)較大的波動（雖然現(xiàn)在質(zhì)量還欠佳），還能很快地積累不同領(lǐng)域的術(shù)語，切換不過是小菜一碟。有的人類翻譯都不一定能準(zhǔn)確把握演講人要表達的微言大義和復(fù)雜情感并精準(zhǔn)傳達，也沒有對溝通造成很大的影響，因為聽眾也是會腦補的，上下文和句子本身很多時候已經(jīng)可以說明問題了。
人工智能的學(xué)習(xí)速度很快，以大量語料為基礎(chǔ)，進步一日千里絕非夢想，但具體多久后取代還要看技術(shù)的進步速度與程度。牛津大學(xué)的一份研究報告顯示，機器學(xué)習(xí)領(lǐng)域的研究者預(yù)測人工智能將于2024年取代業(yè)余人工翻譯。當(dāng)然，這個說法留有余地，只是取代初學(xué)者而已，但這個時間足以令人驚心了。
2. 人工智能是翻譯工具，還是完美替代品？
目前看人工智能的工具成分更濃。從博鰲暴露的問題來看，由于現(xiàn)場語言環(huán)境復(fù)雜，演講者多語夾雜，人工智能往往無法隨機應(yīng)變，鬧出很多笑話。對引經(jīng)據(jù)典，方言識別，口誤，修辭手法，碎片式口語，俚語，同音字的辨識和處理還不盡如人意。因此，目前人工智能雖然強大，恐怕主要還是以工具為主，它可以轉(zhuǎn)化、放大、乃至優(yōu)化人的能量，但目前還無法完全取代人類。
面對這樣強大的工具，人類可以選擇俯首稱臣，也可以借助它的力量。問題在于能運用工具的人畢竟是少數(shù)，而且工具本來就是用于提高生產(chǎn)力，解放人力。過去勞動密集型的翻譯工作會越來越少，不及時轉(zhuǎn)型，可能就需要轉(zhuǎn)行。
3. 人工智能能做翻譯，是好事還是壞事？
人工智能的優(yōu)勢和劣勢都同樣明顯，它詞匯量大，能各領(lǐng)域無縫轉(zhuǎn)換，不知疲倦，最擅長計算與存儲，學(xué)習(xí)速度也很快；但同時它目前還很難處理數(shù)據(jù)庫中未曾涵蓋的內(nèi)容，或是現(xiàn)有數(shù)據(jù)較少的內(nèi)容，例如成語，典故，方言，口誤，口語化表達。這里有的問題可以通過增加更多數(shù)據(jù)、改進語音識別技術(shù)來解決；有的則更為復(fù)雜，需要改進算法才能實現(xiàn)。同時，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)計獲取相關(guān)的參數(shù)，增添了靈活性。但人類翻譯的譯文也未必?zé)o懈可擊，尤其是在低端市場，對翻譯要求本來就不高，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器強。至少在這個領(lǐng)域人工智能大有可為。
對于大眾而言，我覺得整體利大于弊。人工智能如果能保質(zhì)保量地迅速完成任務(wù)，便能提高生產(chǎn)力，更快地解決問題，大眾也多了更多選擇。同時，日后也無需自己再去苦學(xué)，就能自如使用外語進行交談，好處也是顯而易見的。
但對于外語學(xué)習(xí)者和譯員而言，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、不同經(jīng)驗的從業(yè)者提供各個層面的機會，指明清晰的上升渠道。人工智能即使無法取代所有翻譯，將來提供的職位數(shù)目必將大大減少。
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？
如開頭郭士納所說，學(xué)會分辨不同的戰(zhàn)爭是卓越領(lǐng)導(dǎo)者的重要標(biāo)志。同樣，以人類的短板與機器的長處相抗衡也是沒有必要的?，F(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)時大多無法直接從事高難度的翻譯工作，主要還是逐漸積累單詞，句型，翻譯技巧等等。而機器現(xiàn)在較少依賴語言學(xué)的規(guī)則，主要還是依靠統(tǒng)計，這和具體的語言關(guān)系并不大，也無需緩慢地積累。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器之長的問題，培養(yǎng)的學(xué)生在低端翻譯任務(wù)上不如機器，很有可能出現(xiàn)畢業(yè)便失業(yè)的問題，不得不改行。因此，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背書的呆子。這樣的人才需要很好地與人工智能合作，運用人工智能，開發(fā)人工智能，而不是呆板不知變通，翻的內(nèi)容連機器都不如。
人工智能又經(jīng)歷那些發(fā)展階段
2015年3月，隨著Google Deepmind開發(fā)的AlphaGo程序打敗了韓國職業(yè)圍棋高手李世石（Lee Se-dol），媒體在通稿中開始普遍使用“AI”“機器學(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，AI技術(shù)相關(guān)的企業(yè)如雨后春筍般迅速崛起，至今依然是投資市場上十分風(fēng)靡的版塊。然而，AI的歷史卻遠比AlphaGo悠久得多。通常，一項新技術(shù)的出現(xiàn)都會經(jīng)歷“Gartner曲線”（技術(shù)成熟度曲線），經(jīng)歷促動期、峰值期、泡沫期、穩(wěn)步爬升期、實質(zhì)生產(chǎn)期，然而AI的發(fā)展歷程卻頗具戲劇化，經(jīng)歷了“三起兩落”。
早在1956年的達特茅斯會議（Dartmouth Conference）上，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky，人工智能與認(rèn)知學(xué)專家）、克勞德·香農(nóng)（Claude Shannon，信息論的創(chuàng)始人）、艾倫·紐厄爾（Allen Newell，計算機科學(xué)家）、赫伯特·西蒙（Herbert Simon，諾貝爾經(jīng)濟學(xué)獎得主）等科學(xué)家聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學(xué)習(xí)以及其他方面的智能，目的是讓逐漸成熟的計算機能夠代替人類解決一些感知、認(rèn)知乃至決策的問題。這一年也被認(rèn)為是人工智能元年。這個議題是如此令人神往，吸引了一大批學(xué)者進行研究，這是第一“起”。
人工智能最初采用的方法是專家編制規(guī)則，教機器人認(rèn)字、語音識別，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，因此在機器學(xué)習(xí)的轉(zhuǎn)化上效果并不好，結(jié)果事與愿違，人工智能也在殘酷的現(xiàn)實中走向下坡。
因為，人為知道這條路行不通，人們開始另辟蹊徑，把目光投向了基于大量數(shù)據(jù)的統(tǒng)計學(xué)方法。于是，人工智能在人臉識別等一些較簡單的問題上取得了重大進展，在語音識別上也實現(xiàn)了基本可用。人工智能初見成效，這是第二“起”。
然而，基于大數(shù)據(jù)的統(tǒng)計學(xué)方法很快遇到了瓶頸，因為單純依靠數(shù)據(jù)積累并不能無限地提高準(zhǔn)確率。從“基本可用”到“實用”之間出現(xiàn)了一道難以逾越的鴻溝，十幾年都沒能跨過。人工智能再次沒落。
直到2006年，加拿大多倫多大學(xué)的計算機系教授杰弗瑞·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，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，計算機的并行處理速度大幅加快、成本更低、功能更強大，實際存儲容量無限拓展，可以生成大規(guī)模的數(shù)據(jù)，包括圖片、文本和地圖數(shù)據(jù)信息等，人工智能迎來了新的生機，于是，AlphaGo的勝利順理成章。
AlphaGo實際上只是人工智能界的一個小學(xué)生，仍然屬于“弱人工智能”（Narrow AI）。它可以像人類一樣完成某項具體任務(wù)，也有可能比人類做得更好。但它并不是真正擁有智能，也不會有自主的意識。例如Pinterest利用人工智能給圖片分類，F(xiàn)acebook利用人工智能進行面部識別等。麥卡錫在達特茅斯會議上提出的AI，一般指的就是“弱人工智能”。與“弱人工智能”相對的，是“強人工智能”（General AI），指的是機器擁有像人類一樣的感知能力，甚至還可以超越人類的感知，它可以像人類一樣思考，就像電影中的終結(jié)者。當(dāng)機器智能超越人腦智能的那一刻，也就實現(xiàn)了機器智能與人腦智能的融合，美國未來學(xué)家雷蒙德·庫茲韋爾（Raymond Kurzweil）稱之為“奇點”（Singularity），時空中的物理規(guī)律將不再適用。不過，就目前為止，科學(xué)家普遍達成的共識是，我們僅僅實現(xiàn)了弱人工智能的一小部分。
人工智能會給我們帶來那些創(chuàng)收
歐能智能CEO陳六表示，2019年將會是真正的人工智能年，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，在教育、房地產(chǎn)行業(yè)率先突出重圍。需求決定發(fā)展，現(xiàn)實證明中國的適應(yīng)能力在全世界是數(shù)一數(shù)二，中國的需求量在全世界也是數(shù)一數(shù)二，結(jié)合二者，人工智能的發(fā)展腳步不會放緩，降低成本和提升效益是當(dāng)前的重中之重。
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人工智能的理解，以及對未來的大膽預(yù)測。
時間決定，未來人工智能幾乎會覆蓋我們所能知道的所有的行業(yè)，包括音樂家、詩人、作家、設(shè)計師、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，也別提前把實驗室的成果提前商業(yè)化。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，這是都是大企業(yè)該做的事，負(fù)責(zé)就是以卵擊石，得不償失。
近年人工智能最廣泛的應(yīng)用場景電話機器人，早已普及到了大大小小的電銷型企業(yè)，不少中小企業(yè)的高管表示，自從有了智能語音機器人，公司的整體業(yè)績大幅度上升，成本也在極速下降，更不會為招人而煩惱。電話機器人好不好用？這句話也成為那些還未接觸人工智能機器人的口頭禪。
人工智能必定會迎來爆發(fā)期，將會發(fā)生市場變革，電信運營商需要從大數(shù)據(jù)、大計算、大算法、大應(yīng)用四個關(guān)鍵要素來開發(fā)人工智能。
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，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，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新“風(fēng)口”。而人工智能的核心就是人才，那么對于熱門中的熱門，人工智能領(lǐng)域的人才供需情況到底如何呢？
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)專家中的一個新類別，他們對數(shù)據(jù)進行分析來了解復(fù)雜的行為、趨勢和推論，發(fā)掘隱藏的一些見解，幫助企業(yè)做出更明智的業(yè)務(wù)決策。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，部分計算機科學(xué)家和部分趨勢科學(xué)家的集合體”。
2.Java資深架構(gòu)師
負(fù)責(zé)系統(tǒng)架構(gòu)設(shè)計，針對行業(yè)客戶設(shè)計場景化的解決方案，并對解決方案的競爭力及商業(yè)目標(biāo)達成負(fù)責(zé)；技術(shù)分享，將人工智能產(chǎn)品／方案的銷售技巧傳遞給銷售團隊，并支持重點項目的售前工作；
3、數(shù)據(jù)標(biāo)簽專業(yè)人員
隨著數(shù)據(jù)收集幾乎在每個垂直領(lǐng)域?qū)崿F(xiàn)普及，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。事實上，在AI時代，數(shù)據(jù)標(biāo)簽可能會成為藍領(lǐng)工作。
IBMWatson團隊負(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，你需要獲取原始數(shù)據(jù)、對數(shù)據(jù)進行清理，并使用機器來進行收集?！睒?biāo)簽可以讓AI科學(xué)家訓(xùn)練機器新任務(wù)。
Banavar繼續(xù)解釋道：“假設(shè)你想訓(xùn)練一臺機器來
4、AI硬件專家
AI領(lǐng)域內(nèi)另外一種日益增長的藍領(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。大科技公司目前已經(jīng)采取了措施，來建立自己的專業(yè)芯片。
英特爾正在為機器學(xué)習(xí)專門打造一個芯片。與此同時，IBM和高通正在創(chuàng)建一個反映神經(jīng)網(wǎng)絡(luò)設(shè)計、并且可以像神經(jīng)網(wǎng)絡(luò)一樣運行的硬件架構(gòu)。據(jù)FacebookAI研究總監(jiān)YannLeCun表示，F(xiàn)acebook也在幫助高通開發(fā)與機器學(xué)習(xí)相關(guān)的技術(shù)。隨著人工智能芯片和硬件需求的不斷增長，致力于生產(chǎn)這些專業(yè)產(chǎn)品的工業(yè)制造業(yè)工作崗位需求將會有所增長。
人工智能、大數(shù)據(jù)、云計算和物聯(lián)網(wǎng)的未來發(fā)展值得重視，均為前沿產(chǎn)業(yè)，有興趣的朋友，可以關(guān)注小編，將為您持續(xù)推出相關(guān)知識！
