Tencent AI colleagues made a mistake and questioned the "AI replacement theory". What are the reasons?

人工智能又一次掷了一个筋斗。

今年的博鳌亚洲论坛，首次出现在艾泗。值得注意的是，这是博鳌论坛成立17年来首次使用人工智能传输技术。然而，在这样一个重要的场合，与腾讯艾晶的场景已经脱离了链条。不准确、重复和误用短语的“乌龙”已经引起了各方的嘲笑。

人们总是反对人工智能的人的立场，各种“替代理论”层出不穷。在博鳌论坛之前，有很多“替代新闻”，引起了社会各界的关注。最后，艾思“翻车”，引起了外界的一声叹息。

然而，目前，艾泗路尚不清楚，早期对人类解释的反对是“毫无根据的”。除了取代人工智能，还有一个更好的方式SI。

图AI Si内容

AI先进道路：智能可变问题数据问题

许多人认为，人工智能如果要处理自然语言，就必须懂得自然语言。从本质上说，人工智能的翻译依赖于数字，更准确地说，是统计。人工智能同时发生的错误，不够聪明，实质上是数据和模型的问题。

艾思也需要了解

首先，要了解SI的场景。在博鳌论坛上，会议地点具有很高的专业知识和广泛的报道范围，而AI对特殊场景的了解还不够。场景对语义有着至关重要的影响，同一句子在不同的场景中有不同的含义。例如，“善”一词在百度汉语中表现出多种语义，既能表达恭维语，又能表达状态。因此，语义的表达和理解必须与特定的场景相结合。在具体的句子中，语义和情境的结合更紧密，更需要机器理解。

其次，AI要理解口语的模糊逻辑。口语翻译是不会百分百传译的，根据 AIIC（国际会议口译员协会）的规定，同传译员只要翻译出演讲者内容的80%就已经算是合格了（90 %~100 %的“同传”几乎是不可能的）。

这是否意味着AI工作量减少了？当然，这也使得AI模糊句更难，此外，没有标点符号的口语句子，缺乏语调和停顿，很容易造成歧义。模糊指令最有可能出现在错误代码的全屏上。

Hidden Markov模型（HMM）解决统计数据以外的语言问题

然而，在参考腾讯AI同时失效时，我们发现只增加数据量是不够的，在现实生活中，我们会遇到零概率不足或统计不足的问题。

例如，一个中文模型足以达到20万。人们已经做了这样一个假设，如果你在互联网上挖出垃圾数据，互联网上就会有100亿个有意义的中文网页，这个数据还是相当高的，平均每页1000个字，所以，即使互联网上所有的中文内容进行培训，仍然只有1013个。

为了解决数据量的问题，我们提出了隐马尔可夫模型（HMM）。在实际应用中，我们可以把HMM看成是一个黑盒子。这个黑匣子可以利用相对简单的数据。

每一时刻对应的状态序列；混合分布的均值和方差矩阵；混合分布的权矩阵；状态间的转移概率矩阵。

这似乎更为复杂，简单地说，该模型可以通过可观察到的数据找出域外数据的状态，即隐含状态。也就是说，我们可以用一个句子来探究这句话背后的隐含意义，从而解决一些微妙的语义问题。

如上所述，该模型可以通过你能清楚地看到的句子推断出一个人的内心状态（高兴或悲伤），并得到最终的行为判断（房屋、购物、社会交往），也就是说，我们可以推断出已知的未知。

如何对模型进行优化，得到最优隐式状态？已经提出了许多算法来解决这个问题，包括前向算法、Viterbi算法和Baum Welch算法。这是一个谜，很难做到最好。

但不能否认的是，基于深层次的学习，数据+模型可以很好地创建人工智能解释器，数据越多，神经网络越好。即使结果不令人满意，但只要建设足够大的数据库，建立更好的模型，打磨算法，AI SI很快就会进一步增加。

金字塔NLP顶底喂养：创造一个高品质的AI Si

除了数据库和波兰数据模型外，AI SI还可以从什么升级？我们不妨借鉴其他技术。在下面的图中，这四个方面代表了NLP领域的一些进展。这四种技术之间的关系是以金字塔的形式表达的，这是一个循序渐进的过程。

目前，聊天机器人和阅读理解有了很大的突破。而人工智能阅读理解技术的进步不仅是自然语言处理的高级进化，而且是科学相通、技术相互借鉴的一层含义。金字塔顶部的技术可以反馈到底部。

在自然语言处理中，人们区别于人工智能的一点是人们具有先验知识。也就是说，当人们听到一个词，他们自然联想到后一个词，或可以触发一个词在一个词协会。例如，当我们听到“在”，我们可能会想到“国家”或“两者之间”。但是人工智能的“联想”这个词依赖于数据。上面写着“北方”，如果输入数据是常量，那么下面是“京”。

智能相关行业分析师闫轩曾经在“爱在阅读理解中的“运行”的领域，人类的“好帮手”可以去演奏家”总结了AI阅读理解的技术方面，我们或许可以得到一个阅读理解技术方法铝硅料。

我阅读理解技术过程如下：嵌入层（的字级阅读知识等同），编码层（相当于匹配从纸）层（相当于阅读理解的问题），自匹配层（相当于人再次验证），answerpointerlayer（相当于一个综合的线索定位回答）。

总的来说，多读是多轮，即在输入和输出之后，部分地将结果作为输入输出，系统在操作上下文中。而翻译，是单翻，一句话一句话说出来。

合理使用机器翻译，即使是单转，将来也可以多翻；AI现在无用的语境，将来也可以结合语境来达到更好的翻译质量。

今天，创造或人工智能在田野中摸索，但一旦这个领域取得突破，一些技术应用到人工智能，我们就可能达到翻译的最高境界——“信、达、雅”。

将来，人工智能不会占据人类翻译者的空间。

人工智能会取代人工翻译吗？当然不是.不要说第一语言本身很复杂，我们可以看看SI的实际应用。

在实际工作中，无论是口译还是直接对话都需要同时完成，不会有服务的功能，只雇佣他们。也就是说，艾思不仅要翻译，还要学会聊天。在这一组中，这台机器有很大的发展空间。那么，ai同时使用在哪里呢？

ai共享通信，面向普通百姓的市场

当人们出国旅行时，经常遇到语言交流方面的问题。然而，并不是每个人都应该得到专业的口头翻译。在这个时候，如果一个可穿戴设备或移动电话可以翻译为你在同一个声音，它将不得不降低出国成本。与你进行独家同声传译是不是很酷？

智能硬件一直是人工智能的狂热。就在去年，微软和华为合作使用了微软的神经网络机器翻译在伴侣10手机上。它可视为在终端运行神经网络机器翻译的第一例。

如果人工智能硬件诞生，业务模型租用或共享的可能性就越大。有专门的技术公司负责租赁，就像共用一辆车一样，我们的使用成本也很低。而这种AI应用场景不是在复杂的会议场景中，而是在日常生活、外部旅游等方面，语料库的构建也会更加简单。

所以，AI Si只不过是惠民县的一部分，但不会代替在某一特定场合，如财务会议、医学会议等更专业的人力资源。

ai与硬件设备结合起来，创造出真正的语音接口，也可以提高用户在移动终端、穿戴、智能家居、智能汽车等智能设备的体验，在很大程度上真正实现了人类智能与时代的互动层面。

艾思成为考官的同声传译。

同时需求量大幅度增加，但同时合格的数量增长非常缓慢，据了解，市场的实际情况为十字翻译不足的十句翻译。同时，具有高级口译资格的人员可能无法胜任同声传译，同声传译需要专业技能培训。一些合格的同声传译员不一定有翻译证书。

目前，还没有一个固定的机构负责中国同声翻译。同声传译工作没有统一的评价标准。

面对这样的困难，我们也许可以在艾氏的大脑中打开一个洞。

人们可以利用人工智能数字化和标准化的特点。基于数据库，人工智能可以被训练成一个单一的功能评估机。根据不同的应用场景，可以对同声传译员进行检查和评分，以规范人才市场。

这里可能有关于驾驶训练机器人的参考。驾驶机器人包括高精度GPS导航技术、惯性技术、虚拟传感技术、视频检测、数据处理、无线传输、指纹识别等技术可以准确的记录和判断驾驶员的实际能力来驱动汽车。

同样，ai也可以在各种场景中观察和判断考生的翻译能力，以及考生的翻译规则，熟悉理解。该系统能减少主考人员的劳动强度和人为因素，确保考试公正、公正，考核方法科学准确。

简而言之，我们的目标是通过智能机器代替人类翻译能力来自动化、选择或培训真正的人才。

更有趣的是，在评估过程中，AI可以不断吸收新的营养成分，增加口语语料，为什么不呢？（本文中的第一个钛媒体）