“在你面前的，既不是被称为‘傀儡师’的程序，也不是叫做少佐的女人。”

这是日本动画神作《攻壳机动队》最后的一场对话。

电影《攻壳机动队》

在此二十小时前，这个名为“少佐”的女人，作为特务机构“攻壳机动队”的核心队员，刚在一场和人工智能程序“傀儡师”的战斗中丧失的自己的机械“义体”。

在该动画中少佐是第一个真正意义上的人类和机器的结合体——她拥有完整的人类大脑以及完全由机器构建的身体。

而另一边，人工智能的高速发展，使得人工智能在一次突变中开始有了“自我”的意识，并进一步演化成为了一个独立的“生命体”。这种由程序演化而来的“生命体”，同样可以进入到任何一具机械体中，成为某种意义上的”人类“。

动画的原作者给所有观众抛出了一个人工智能的终极命题：人和人工智能的边界在哪?在高度发达的未来，人工智能将在各方各面超过人类，人类最终是和人工智能结合，以另外一种形式被“消灭”?还是能够控制它们，让其始终为人类所用?

答案我们不得而知。

—

但至少目前，人工智能已经在一些领域逐渐赶超上了人类。

业内知名的“猫脸识别”，在不借助任何外界信息帮助下，它就能从一千万张图片中找出那些有小猫的图片。

也许你会说，这不就是人脸识别么?不过是把人脸换成猫脸吧。

实则不然。常见的人脸识别是由程序员预先将整套鉴别系统写好，告诉机器人脸应该是怎样的。而“猫脸识别”系统则是通过深度学习的方式，无需人类告诉它“猫咪应该长成啥样”。

前段时间大败人类顶尖棋手团的AlphaGo，同样也是人工智能超过人类的一次体现。

2016年末2017年初，AlphaGo在中国棋类网站上以“Master”为注册帐号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。不少职业围棋手认为，AlphaGo已经超过围棋职业九段水平;在世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。

在刚结束的2017GMIC(全球移动互联网大会)，英国知名物理学家斯蒂芬•霍金，也谈及到 “而就目前来看，聪明的机器已经开始代替人类正在从事的一些工作，未来可能迅速地消灭数以百万计的工作岗位。”

—

而现在，人工智能似乎即将“再下一城”，在机器翻译领域，已超过绝大部分人类。

如果你还对此没太有感知的话，看看下面这段话：

“近日，麻省理工学院官网上刊登了一篇解读神经网络的发展过程的文章，梳理介绍了神经网络在过去 70 年来的起起伏伏。在文章中，作者还简单介绍了 MIT 的大脑、心智和机器中心(CBMM)在神经网络基础理论上的一些研究成果。”

这是一段关于神经网络的介绍，不仅生晦难懂，还有不少专有名字。如果让你只简单借助基础的查词工具来翻译这样一段话，结果会是怎样?

我们随机找了两个人来实测。

第一位测试者小严，是北京一家金融公司从业人员，虽然平常不怎么用英语，但好歹大学英语六级也是轻松过，来看看他翻译出的结果：

“Recently, the official website of MIT published an article about the process of neural network, which introduces the ups and downs of neural network in the past 70 years. In this article the author briefly introduces some research result of MIT's brain、CBMM in neural network basic theory.”

第二位测试者小贺，在一家互联网公司做市场工作，英语专业毕业，专业八级水平，平时用英语也比较多，她翻译出的结果是：

“Recently, an article published on the official website of MIT discussed the development of neural network in the past 70 years. In this article, the author also gave a general presentation of the research results of MIT brain, mind and machine center (CBMM) on the basic theory of neural network.”

第一位测试者的水平跟我们大部分差不多，第二位测试者显示出一定的专业性，水准还是很高的。

那如果同样是这段话，让机器翻译来翻译，结果是怎样呢?我们试了一下近期刚上线正火热的有道神经网络翻译：

有道神经网络翻译结果

“Recently, an article on the development of neural networks published online by the Massachusetts institute of technology (MIT) has described the rise and fall of the neural network over the past 70 years. In the article, the author briefly introduces the research results of the MIT brain, mind and machine center (CBMM) on the theoretical basis of neural network.”

对比一下结果，可以看到有道神经网络翻译的结果大大超出了普通人的翻译水平，基本上和英语专业八级的水平一样，甚至在一些细节方面处理得更好。

这大概是一个什么水平?博主在网上大概查了几个数字：

北京市的英语普及率是15%，作为中国受教育程度最高的城市之一，可目测全国的英语普及率应该在10%以下。

而在某英语培训机构发布的《英语熟练度指标报告》中，中国在70个国家中排名47，属于中等偏后的“低熟练度”水平。

由此，如果假设全球所有人的英语普及率在20%，那么高度熟练(相当于英语专业八级)的比例能有多少呢?估计30%都不到吧。

也就是说，目前有道神经网络翻译的翻译水平，甚至可以超过95%的人类。

—

不过话说回来，为什么它可以好这么多?——因为人工智能。

机器的优势在于，只要连接网络，它就可以拥有无穷无尽的数据。这些日积月累的庞大数据提供了丰富的语料。比如在上面的例子中，两位人类测试者没有一个人翻译出“麻省理工学院”，而机器翻译通过语料积累就可以轻易翻译成“Massachusetts institute of technology”。

但机器的弱势在哪?机器毕竟是程序，它没有人的变通，特别是反映在翻译领域，它无法理解句子的语序。而人类可以做到，两位测试者即使词汇量匮乏，但基本的语序都正确。

而人工智能对与机器翻译的改变就在于，它可以开始模拟人脑的运行模式，去处理翻译结果。以有道神经网络翻译来说，其技术带头人段亦涛在GMIC上的演讲提到，神经网络翻译模型模仿了人脑的工作机制，整个模型由大量的“神经元”来构成，一个“神经元”完成一些简单的任务，然后通过对这些“神经元”的组合来协调工作，最终得到更加出色的效果。

青出于蓝而胜于蓝。

有一组数字尤其值得关注：有道神经网络翻译技术所带来的翻译质量提升超过了过去10年的总和。仅仅用了不到2年时间，有道神经网络翻译就在翻译水平上，超过了绝大多数人类，并且发展速度提升了5倍。

而现在，人工智能的在机器翻译领域的突破，将进一步推动人工智能向更深发展。

在机器翻译领域探索多年，段亦涛希望对神经网络翻译的研究能够帮助人打破语言的障碍，使得信息的流通更加通常。另外，在对神经网络翻译的研究过程中，既包括了对语言的理解，也包括了语言的生成，这些都能极大地促进人工智能整体发展。

如今，人工智能已经成为了一种不可逆的潮流和趋势，给人们带来的便利也显而易见，正如当初移动互联网席卷世界一样。

而人工智能从某种程度上超越人类本身，不正是我们最初研究它的目的所在么?