根据Google提交的论文显示，使用神经网络解决机器翻译的「人味」问题已为科技公司打开通向光明之门，相比传统机器翻译的分词翻译原理——也就是拆解长句逐词翻译——神经网络技术能够自我学习大量的语言模型，从而将词组进行整体的理解和转化。

　　就像「I can can a can with a can」这个句子，使用机器翻译的结果是惨不忍睹的，但是调教得当的神经网络却可以识别同一个单词的助动词、动词、名词等不同词性，atv，并自动调整语序，强力提升正确率。

　　据说「有道人机翻译」在部分领域——比如新闻和词典这类特定书面语料的翻译上——的BLEU值甚至超过了Google，这对网易有道的团队是相当大的鼓舞。

　　去年年底，曾和网易有道的CEO周枫有过一次交流，他亦提到过团队在人工智能及机器学习方面的重金投入，「在这方面的下潜深度，将会直接兑换未来的市场回报。」

　　周枫对于人工智能的态度，似乎也能代表科技行业的普遍情绪：他坚信人工智能的前景无量，却又始终尊重高级人力的价值，前者的「揽活」越多，后者的不可取代性也就越高。

　　所以他也更愿意用「改变」而非「更替」来定义网易有道在翻译行业的这场动作，这个世界上还有太多的上层翻译市场亟待打开——比如文化内容的跨国交流和文艺作品的翻译引进——优秀的翻译从业者不必拘泥于去和机器争抢「粗活」，而是开拓那些真正需要智慧交互的「细活」。

　　2012年的时候，周枫在新浪微博回应一名用户关于「有道词典的翻译太偏中式英语」的反馈时，他的回答是这样的：

　　「目前机器翻译的确比较生硬，语言的准确理解的灵活应用，到目前为止还是人类的专长啊，期待技术突破的到来。与此同时，我们的工程师在努力想各种新颖的办法辅助翻译，请期待。」

　　时间最终证明，周枫的回复并无虚情，足足用了五年时间——或者说仅仅用了五年时间——他和他的团队终于为用户献上了解决方案。

　　如果创新有其捷径，也无非就是坚持二字罢了。

　　无论如何，科技进化的风险仍然值得注意，当美国这个全球最强大的国家也开始强调「要为国民创造工作岗位」，所有人都应当意识到这个经济议题委实并没有那么宏观，而学无止境的竞争，则将鞭笞着人们不断前行，在和同类或是异类的竞技场上争取胜利，则是亘古不变的主旋律。

　　古罗马诗人奥维德是这样说的：「弓若不张，即尽失其力。」