未來的人工智能會不會取代翻譯職位？你怎么看？有的會，有的不會。商務翻譯、手工翻譯和新聞報道翻譯僅用于將信息轉換為另一種語言，很可能被機器翻譯所取代。事實上，這是自然語言處理的一個快速發(fā)展的領域。文學翻

未來的人工智能會不會取代翻譯職位？你怎么看？

有的會，有的不會。

商務翻譯、手工翻譯和新聞報道翻譯僅用于將信息轉換為另一種語言，很可能被機器翻譯所取代。事實上，這是自然語言處理的一個快速發(fā)展的領域。文學翻譯，如小說、戲劇、詩歌和電影，不容易被機器翻譯所取代。

我們很容易看出這兩種翻譯的區(qū)別，即是否包含情感因素。

事實上，機器翻譯并不容易，因為要在不同的語言中找到準確對應的意思并不容易。早在上世紀五六十年代，人們就開始嘗試機器翻譯，但隨著當時技術水平的提高，無法實現(xiàn)有效的翻譯。當時的一次評估表明，機器翻譯遠不能準確地轉換意思，而這份評估報告直接導致了機器翻譯在未來十年的沉寂。

直到20世紀90年代末，由于大量語料庫的建立和計算機性能的提高，利用統(tǒng)計方法改進機器翻譯成為可能。2006年，基于多層神經(jīng)網(wǎng)絡的深度學習技術終于取得突破，機器翻譯開始走上快車道。2016年和2017年，谷歌的機器翻譯技術迎來了兩次重大升級，英法翻譯的準確度基本達到了人工翻譯的水平。

但即便如此，機器翻譯也只能用于信息翻譯工作。這些清晰客觀的信息可以通過機器翻譯譯成另一種語言。然而，從長遠來看，文學作品在計算機能夠理解人類情感之前是無法準確翻譯的。

在文學翻譯中，譯者不僅要對原文有充分的理解，而且要能自如地使用母語。如果一個譯者不是一個好的作家，他就很難翻譯文學作品，因為他不能選擇正確的詞語來表達原文中的情感。

情感，還是人工智能不可逾越的障礙啊。

什么是自然語言處理（NLP）？

自然語言，簡而言之，是人類的自然語言，你說，寫，讀或理解。它也是溝通的媒介。

我們使用計算機算法、數(shù)學概念和統(tǒng)計技術來處理這些語言，以便機器能夠像人類一樣理解它們。

深度學習技術在各領域的主要應用有哪些？

層次結構一般由輸入層、隱藏層和輸出層組成。

近年來，基于其算法特點的深度學習方法受到了越來越多的關注，但在理論、建模、工程實現(xiàn)等方面仍面臨挑戰(zhàn)。為了得到更廣泛的應用，還需要進一步的開發(fā)和優(yōu)化。