多亏了深度学习的进步人工智能通过找到数据点之间的相关性来解决问题——计算机已经非常擅长处理涉及处理和生成的任务语言．
机器人看起来和听起来都像人类，数字助手可以代表我们打电话预订餐厅餐桌，电子邮件应用程序可以预测并准确地完成我们的句子，翻译应用程序可以为你提供近乎实时的翻译，机器人可以生成新闻报道——它们都是由人工智能驱动的。
所有这些发展给人的印象是，人工智能已经掌握了语言，这是人类大脑最复杂的功能之一。但是人类和人工智能处理语言的方式有根本的区别，不理解它们会对人工智能的语言处理能力产生错误的期望。
该领域的进展是真实的
早期的自然语言处理(NLP)方法涉及大量手工编码。例如，如果想要构建一个将一种语言翻译成另一种语言的应用程序，就必须创建一个完整的软件库，该软件库定义了提取句子中不同单词的功能的规则，将这些单词映射到目标语言，并生成语义和语法都正确的句子。这个过程漫长、痛苦且容易出错。
深度学习使用了与机器翻译截然不同的方法。基于深度学习和神经网络的翻译“提取了大量潜在模式，大大提高了句子翻译的质量，”研发语音数字助手的Aiqudo公司的人工智能主管戴维·帕特森(David Patterson)说。
深度学习算法的基本组成部分是神经网络,一种软件结构，大致模仿人脑获取知识的方式。给一个神经网络一组英语句子和它们对应的法语翻译，它就会提取例子之间的共同模式，并用它们来翻译它以前没有见过的新句子。所以没有必要硬编码规则。
在2016年,纽约时报了一个故事(在一个新窗口中打开)其中详细介绍了向深度学习的转变如何彻底改变了谷歌的翻译服务。“人工智能系统在一夜之间所取得的进步，大致相当于旧系统在整个生命周期中所取得的总收益，次写道。
“当大量训练数据可用时，深度学习已经做得非常好;例如，在机器翻译中，与早期的统计机器翻译模型相比，[深度学习]显著提高了质量，尽管仍需要进一步改进，”IBM翻译技术的CTO Salim Roukos说。
根据Roukos的说法，在0到5的范围内，神经网络帮助机器翻译提高了0.5到1分。
在翻译之外，深度学习不仅帮助翻译，还帮助其他几个与语言相关的领域取得了巨大进展，如文本摘要、问题回答和自然语言生成。
一些公司已经使用深度学习开发应用程序，使用户能够通过对话界面完成任务，例如通讯应用程序．近年来，以人工智能为动力的银行聊天机器人，医疗保健、客户服务等许多其他领域都变得非常受欢迎。包括Facebook和谷歌在内的公司已经创建了平台，用户可以在上面创建智能聊天机器人，而不需要任何代码——只需要提供示例短语。
深度学习还应用于语音到文本的技术，该技术使我们能够向计算机发送语音命令，以及语音合成技术，使计算机能够用听起来像人的声音与我们对话。
现在有几个人工智能语音合成平台，可以让用户生成自然的声音。这项技术可以帮助解决不同的问题，从公司品牌(在一个新窗口中打开)来帮助肌萎缩性侧索硬化症患者恢复声音．
深度学习对语言的有限掌握
帕特森说:“不理解一个句子的意思也可以翻译出来。”对于人类翻译人员来说，这可能听起来很荒谬，但对于计算机来说，差别是非常真实的。
机器翻译与理解源语言和目的语言无关。深度学习的核心是模式匹配算法。当它发现一个新句子和它训练过的例子之间的相似之处时，它可以提供一个准确的翻译。否则，就会产生毫无意义的结果，正如帕特森指出的那样。
Roukos说:“一个相关的问题是，当训练数据和实际运行时数据之间存在偏移(或变化)时，系统的鲁棒性。”
尽管有进步，但目前所有人工智能的混合技术——包括深度学习——都是如此狭窄的人工智能(在一个新窗口中打开)这意味着他们可以执行他们接受训练的非常具体的任务。人类可以概括知识并将概念从一个领域转移到另一个领域，而神经网络在应用于偏离其专业领域的任务时表现不佳。
我们的编辑推荐
这意味着，尽管深度学习在简单的翻译和语言相关任务上表现得非常好，但当这些任务需要常识和对抽象概念的理解时，它可能会惨败。
认知科学教授道格拉斯·霍夫施塔特在《科学》杂志的一篇特稿中揭示了深度学习翻译的一些局限性大西洋(在一个新窗口中打开)1月。霍夫施塔特通过例子展示了人工智能翻译系统如何忽略一些人类翻译认为理所当然的最简单的概念。例如，任何一个人类读者都会推断出下面这段话描述的是一对夫妇的房子:在他们家，所有的东西都是成对的。那里有他的车和她的车，他的毛巾和她的毛巾，他的图书馆和她的图书馆。”
因此，在将上述节选翻译为法语时，所有格代词的性别和数字继承自被占有的物品，而不是所有者，人工翻译将添加词汇和细节，以确保读者能够理解文本描述的是一个男人和一个女人。但在霍夫施塔特的测试中，谷歌Translate生成的翻译完全没有抓住要点，省略了那些可以突出原文所描述的两个人性别差异的细节。
“我们人类知道关于夫妻、房子、个人财产、骄傲、竞争、嫉妒、隐私和许多其他无形的东西，这些东西导致了像一对已婚夫妇在毛巾上绣上‘他的’和‘她的’这样的怪癖。翻译对这种情况不熟悉。翻译不熟悉情况，期,”霍夫施塔特总结道。
“对于机器来说，在语境中理解意义的微妙之处，尤其是在较长的文本中，仍然是一个具有挑战性的问题。此外，还需要有更多的‘世界知识’，以帮助系统以类似于人类水平的方式理解语言。”
今年早些时候，来自《华尔街日报》(在一个新窗口中打开)而且《连线》杂志(在一个新窗口中打开)详细介绍了几家将深度学习用于智能邮件回复和智能聊天机器人等服务的公司是如何在人工智能失败时雇佣人工操作员接管工作的——这种情况经常发生。Facebook也使用了这种做法M chatbot助理(在一个新窗口中打开)，谷歌正在使用它的试验双工技术该公司代表用户打电话并预订餐厅。
“我们不能指望真正的意识在不久的将来成为人工智能的一部分。目前，我们需要使用不同现实世界领域的模型来帮助组织人机对话，在‘模拟’人机对话的水平上，”Patterson说。“为了从‘模拟’对话转变为‘真实’对话，我们需要弄清楚如何赋予机器常识、理解上下文和创造力等能力。这是目前研究的重点。”
科学家和研究人员正在研究不同的技术，这些技术可能会补充深度学习，或者使神经网络能够做更多的事情，而不仅仅是匹配模式。残酷的事实是，自然语言处理是一项非常复杂的任务。一些人认为真正的自然语言处理需要通用人工智能，与人类思维水平相当的人工智能。而那是看不到的。在那之前，我们必须承认深度学习的局限性，以最大限度地利用我们在教计算机说我们的语言方面取得的巨大进步。
