除了深度学习，机器翻译还需要啥？

围棋之后，很多人说，AI 的下一个目标是翻译，大杀器自然是 DL。然而，事情没那么简单。语言的几个特性，决定了翻译这个任务跟 AlphaGo 不一样：

1. 多样性，没有非此即彼的胜负标准，也就很难建立起评估网络。
2. 开放性，不是只需关心棋盘上的事，而要关联世界和社会的知识。
3. 组合性，搜索空间无限，与19x19的格子世界不可同日而语。
4. 演化性，而且是与整个人类社会互动演化，而不是一成不变的规则。
5. 歧义性，需要上下文、人、环境共同作用才可能解决。

所以，作者认为，要解决机器翻译的问题，现有的DL模型至少还缺两样东西：知识、反馈。而带来这两样的是人。基于人机结合的智能翻译近七年的经验创业，本场 Chat 我将谈谈：

1. 为什么要人机结合？
2. 人机结合的智能翻译怎么做？
3. 这个方向的创业有哪些坑？

阅读全文: http://gitbook.cn/gitchat/activity/594b7f24f5fc5b40048e1f8e

您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。