不過，與陸先生的翻譯智慧相比，“深度學習”網(wǎng)絡的火候還差得遠。且不提此類系統(tǒng)的運行所需要消耗的大量計算資源，光在一個問題上就完敗了：它必須有大量的訓練樣本，以幫助其在一類源語言詞匯與另一類目標語言詞匯之間預先搭建起大致的相關性關系簇；然后，它才能夠依循成例，摸索出與之比較接近的“跨越方式”。但是，像陸先生那樣進行創(chuàng)造性“跨越”的大本領，此類系統(tǒng)還是學不來的。
這是不是意味著陸先生的翻譯智慧，任何機器都無法模仿呢？我當然也不這么悲觀。現(xiàn)有的機器翻譯進路之所以有問題，與其說是因為超級人工智能不靠譜，還不如說是業(yè)內(nèi)人士太滿足于玩弄工程學層面上的“奇技淫巧”了，不愛琢磨學理層面上的抽象問題。
考慮到這一點，機器翻譯就不宜作為一個單獨的研究項目“孤軍深入”，而應當成為人工感知、類比推理機制等相關領域內(nèi)的研究成果的衍生產(chǎn)品。這一條新進路，在國際上一般被稱為“通用人工智能”?；蛘哒f得更通俗一點，按此新進路，人工智能專家與其模仿陸先生的資深翻譯能力，還不如先去模仿陸先生咿呀學語時的“通用智力”，然后再求日益精進。此路看似曲折，實際上才是人工智能研究之“正道”。（文/徐英瑾）
責編：賈雪靜
登陸|注冊歡迎登陸本站，認識更多朋友，獲得更多精彩內(nèi)容推薦！