人工智能来了，人工翻译要失业了，还有很多人要失去什么？
1，人工翻译要失业了，为什么？
卷积神经网络功不可没,现如今，深度学习已经在多种应用上取得了突破性进展。卷积神经网络（ConvolutionalNeuralNetworks，CNNs）是这一波深度学习浪潮的引领者。AlexNet在ILSVRC图像识别竞赛中所带来的惊人表现，让学术界看到了深度学习所蕴含的巨大潜力。在随后的几年中，随着GoogLeNet，VGGNets、ResNets等模型的提出，CNNs的识别准确率持续提高，让计算机拥有了超越人类的图像识别能力。
关于CNNs的应用将在后续文章中详细介绍。同时，深度学习在自然语言处理(NaturalLanguageProcessing，NLP)方面同样取得了巨大的成功，不但有Siri这样可以与人类正常交流的对话机器人，甚至能够写诗、作曲。未来写诗、作曲由机器完成的话，会如何？
2，关键在于，还会冒出什么来？
深度学习比传统机器学习模型多了多级特征提取的结构，能够进行表示学习，这样才算是有深度。从这个意义上说，只有两个隐层的神经网络就不能算是有深度的结构，因为它并没有能力分级提取特征。了解人工神经网络知识的读者可能会有一个疑问，具有一个隐层的人工神经网络已经非常强大了。
3，可怕的是，计算机的运算速度。
理论上来说，只要神经元足够多，构成一个很“宽”的网络，它可以拟合任意的函数，那为什么还要更“深”？原因在于：在神经元数量相同的情况下，深层网络结构具有更大的容量，分层组合带来的是指数级的表达空间，能够组合成更多不同类型的子结构，这样可以更容易地学习和表示各种特征。并且，隐层增加则意味着由激活函数（activationffinction）带来的非线性变换的嵌套层数更多，就能构造更复杂的映射关系。
4，人工智能来了，人工翻译要失业了，还有很多人要失去什么？总结来说，深度学习是一种机器学习方法，同时也是目前最有希望具有处理复杂的真实世界问题的能力的人工智能方法。深度学习的分层结构能够从简单概念的组合中学习到高级抽象的特征表示，让计算机真正具有理解世界的能力。我们是否感到了威胁？