編者按：如果你的伴侶圈有一位人工智能行業的創業者，你可能會有些焦慮，因為他可能會隔三差五地轉個文章告訴你哪些行業要滅絕了。禮拜二，阿爾法狗「勝天東床」的時候大家也都很慌，網上流出很多文章說這狗已經聰明到讓人了，太可怕了。
有那么可怕嗎?
目前的人工智能準確地說應該叫深度學習，其智能水平還停留在「幼兒」階段。就目前來看，人工智能在規則固定的棋牌游戲上超越人類無非是因為計算能力的優勢，而在身為人基本的語言能力方面，機器還遠遠達不到與人類同場競技的尺度。
本文編譯自 VentureBeat，原標題為《Why AI gets the language of games but sucks at translating languages》，略有改動。
正如你在這周 Google DeepMind 的圍棋大會上所看到的，機器學習在比來幾年里已經深入滲透到了許多的行業中。
然而在不久之前，對它的討論更多的只是停留在理論層面上，機器學習在生活中的應用仿佛還是科幻小說里的事，但現在，我們看到人工智能已經成功應用于智能汽車，電子游戲、數字營銷、虛擬助手、聊天機器人和其他我們生活的方方面面。
(各大公司紛紛推出自家的聊天機器人 Chatbot，來源：Businessofapps)
雖然人工智能已經成功攪亂并改善了許多行業，但在它克服一些障礙之前，我們還沒有須要擔心會丟掉我們手上的工作。在本年二月的一次翻譯角逐中，人類打敗了人工智能，但現實一點地說，即時而準確的機器翻譯成為現實也只是時間問題了。
游戲的結束1996 年，IBM 的深藍計算機首次挑戰統治國際象棋十二年之久的世界冠軍卡斯帕羅夫，那一次人類贏了。但在 1997 年，深藍成功打敗了卡斯帕羅夫，這次角逐之后，計算機發展得越來越快，人類再也沒有機會在國際象棋上勝過計算機。
(卡斯帕羅夫 VS 深藍計算機，來源：BusinessInsider)
下一個淪陷的棋類運動是圍棋。在當時， 這項中國的古老游戲對最先進的計算機來說也太過復雜了——據說圍棋中可能存在的下棋路數比人類可見的宇宙中存在的原子數還要多。正因如此，當 DeepMind 的 AlphaGo 人工智能計算機程序在 2016 年 3 月擊敗了韓國的圍棋名將李世石時，整個世界都為之震驚了。
本周，在中國烏鎮舉辦的圍棋峰會上，AlphaGo 已經連續兩局擊敗了世界排名第一的中國棋手柯潔，并于今天下午團滅了五人合作的人類棋手。在去年李世石戰敗后，柯潔曾公開體現本身不成能會輸給這臺酷寒的機器，然而，在見識到 AlphaGo 超乎尋常的成長速度后，柯潔改口稱「人工智能的進步超乎想象」。
在今天的角逐中，AlphaGo 還與人類聯手對弈，主辦方希望借此探索人工智能除了能夠在人類的游戲中擊敗人類以外，是夠還能夠幫到人類。
征服語言?現在，行業的重心已經轉向了翻譯，語言文字的生產和翻譯在很久以前就是機器學習的一大障礙。早在上個世紀 50 年代，IBM 就已經對機器翻譯進行了深入的探索與研究，但直到 90 年代，從 Altavista 的翻譯工具 Babel Fish 開始，這類翻譯工具才進入大眾的視野。
然而，機器翻譯也有其自身的限制：機器翻譯只會使用詞典進行字對字的解釋，它可以提供文本的翻譯，卻無法將語義、句法和詞法的復雜性考慮在內。
統計機器翻譯(SMT)是翻譯技術發展的下一階段。統計機器翻譯的原理是通過一個模型將材料中的單詞和詞組與翻譯過的文章比對(尤其是專業翻譯)，然后挑出最常使用的詞。
