AlphaGo宣布明年再战围棋，人类荣誉谁捍卫？

　　归根结底，支持AlphaGo获得胜利的是深度神经网络。除了围棋和《星际争霸2》这种竞技游戏类的应用，当Google把深度神经网络用在翻译中，可以让翻译变得更加通顺流畅，表意清晰。

　　Google表示，新的翻译系统简称为Google神经机器翻译(GoogleNeuralMachineTranslation-GNMT)，就某些语言而言，GNMT错误率可以减少60%。

　　(人类翻译、神经机器翻译系统和短语单词翻译系统的完整度(分成0~6的程度)在不同语言应用中的对比)

　　该项目的负责人之一，同时也是Google智库成员的工程师MikeSchuster谈到：

　　我们将按照“端到端”的模式对整个系统进行统一训练，这可以使公司更专注于减少翻译的错误率方面。虽然现在还并不完美，但的的确确是完善了很多。

　　(新的神经机器翻译系统如何检测一个句子，并对它之间的关联性和重要性进行考量)

　　在机器翻译方面，Google使用的深度神经网络叫做LSTM(longshort-termmemory–长期短期记忆)。LSTM可以保留长期和短期的记忆，有点像人类的大脑，这使得它可以用更复杂的方式进行学习。

　　和Google以前的短语翻译系统(Phrase-BasedMachineTranslation-PBMT)不同，LSTM可以从头到尾记住一句话再进行翻译，使长句翻译不再是单词的拼凑，而是流畅通顺的语言。

　　其实多年以来，Google一直想让LSTM服务于翻译工作，然而一直无法攻克翻译速度这个难题。直到做了大量的工程和算法工作，才得以完善这个模型，让新神经机器翻译系统能够在跨越大型的Internet服务时保持工作速度。

　　除了翻译，随着类似于AlphaGo的人工智能和机器学习越来越智能，我们将会面对这样一个现实：机器会逐步取代人类的工作。

　　正如特斯拉的ElonMusk在上手接受CNBC采访时说的那样：装备有人工智能的机器正在进入劳动力市场，对于人类来说，这很可能意味着工作流失和“基本收入的普及”。因为自动化成为常态，未来我们的就业选择可能会受到限制，但这会让人有更多时间享受他们的生活。

　　除了上面说到的人工翻译，可能最快被替代掉的职业是汽车司机。虽然现在绝大多数厂商只是提供了达到SAE和NHTSALevel2的驾驶辅助功能。但从现今自动驾驶的发展趋势来看，全自动驾驶汽车正式民用可能也距离我们仅有五六年的时间，而这其中的关键就是无人驾驶算法。

　　总的来说，目前以AlphaGo为代表的机器学习与人工智能，在未来的前景不可估量。当然，正如爱范儿的投稿作者曾庆伟所说：

　　最好的时代，也是最坏的时代。有了机器学习的助攻，人类有了研究传统科学难以研究的复杂问题的能力;人们甚至可以将机理尚不清晰的模型直接部署到产品中，去帮助人类解决问题。对于机器学习领域的研究者和公司而言，这是最好的时代;而对于另一部分人而言，也许一场就业危机正埋伏在不远的将来。