原文：微軟AI翻譯取得突破進展：準確率可與人類翻譯媲美

雙刃劍吧，能更快的毀滅地球吧？ 或者加速霍金預言？

如果單純只提這種翻譯系統的話，我覺得一個很大的優勢在於沒有過多使用語法先驗，讓網路自己去學習，訓練起來比較方便，當然這種學習也可以加入一定的先驗信息等等提高網路性能，但如果真正在產品中使用的還要受到其他很多因素的制約。科研和產品還是不一樣的

我是個新手，DL和其他方法都是解決問題的工具，孰優孰劣看什麼問題，感覺是把大鍘刀，笨重，不順手。
深層神經網路由於具有數量龐大的參數，使得其具有強大的表徵能力。當其神經元的個數足夠多時，深度神經網路幾乎可以表徵任意函數。基於這一點，當我們擁有足夠的數據和算力時，由於數據可以彌補參數過多帶來的過擬合，算力可以讓深度神經網路的訓練成為可能，那麼我們就擁有了一個對於學習問題的相對通用的方法。而一些問題，比如圖像的識別和分類問題，人們很難提出一套嚴密的理論來解決。因此，寄希望於深度神經網路，希望依靠其強大的表徵能力來實現。而深度網路確實也在很多領域證實了其能力。於是，想不到別的方法研究者與能力強大的深度網路一拍即合。

謝邀

希望題主能夠把問題問得更細點。。。。首先DNN訓練出的是模型，不是系統。還有，人工智慧的概念太廣，最好能附上是想解決什麼問題。附上的文章是指自然語言的問題，如果以自然語言為例子，本身RNN的深度取決於輸入內容的時間長度和時間間隔。簡單講，如果是輸入是一句話，那層數應該是這句話的字數（可能需要算上標點，看具體問題）。

————畫個分割線———待補全後來回答。

沒啥優勢，會讓很多獵頭來知乎問一些聽風就是雨的問題，然後自己一頓熱點詞回答。實際上……
推薦閱讀：
相關文章