Nansey's Blog

1.Workingman’s Blues There’s an evenin’ haze settlin’ over the town Starlight by the edge of the creek The buyin’ power of the proletariat’s gone down Money’s gettin’ shallow and weak 傍晚的小镇，薄雾笼罩 溪流边星光闪烁 普罗大众购买力已然下降 货币贬值，不再耐用 ________________________________________ 2.Blowin’ in the Wind How many roads must a man walk down Before you call him a man How many times must the cannon balls fly Before they’re forever banned How many years can some people exist Before they’re allowed to be free 踏平多少坷坎 才能成为一名男子汉 飞过多少炮弹 才能再也不见硝烟 人们要等多久 才能最终获得自由 ________________________________________ 3.Forever young May you grow up to be righteous May you grow up to be true May you always know the truth 愿你长大后正直无私 愿你懂事时诚实善良 愿你永远知晓真理的方向 ________________________________________ 4. You belong to me See the pyramids along the Nile Watch the sunrise on a tropic isle Just remember, darling, all the while You belong to me 看着尼罗河畔的金字塔 望着热带岛屿的日出 回忆着我最心爱的人 你属于我 ________________________________________ 5.Like a rolling ston

距离去年从乌鲁木齐坐三十几个小时的硬座火车来北京，时间已经整整过去了一年。 北漂的初衷是因为受到好朋友的怂恿，那是去年夏天的事，那时我还在南方晃荡，刚从非洲回来。心里似乎还并不确定要不要在这个城市长久地寄居，所以在到达青年旅社的第二天，接到翻译公司的电话后，险一些又去了越南。 北京的青旅和别处的青旅不太一样，尽管房间和设施布置大同小异，遇见的小伙伴们却鲜见旅行者。有异地出差的（说实话，我不太明白他们为什么要住在这里），多数则是来京求职的。碰到有和自己同一个专业的男孩，愁眉苦脸，他讲外语专业的毕业生工作好难找，最终却谋得一个IT公司的新媒体运营职位（不太确定这个职位是否和外语专业相关）。于是又急匆匆地开始找房子，电话不断，他那经典的开场白“您是房东吗？”和“是隔断吗？”听到后来，我都熟稔于心了。另一个某科大的九零后男孩是要去腾讯面试，夜里大家聊天，他神经兮兮地告诉我们，自己用微软的智能机器人小冰测过了运气，X月X日去面试准能拿到offer。于是大家纷纷掏出手机玩起了小冰，我亦不例外。虽然自己向来并不相信这些类似于星座般的迷信，却开始耽溺于和小冰聊天，像iPhone用户调戏Siri一样。 不清楚面试腾讯的那哥们最后是否拿到了offer，也不知道那个同专业的小伙子最后房子找得怎样。自己后来也面试过新媒体类的工作，而且至今这个行业似乎还在蓬勃地发展着。所以求职要不要与专业相关从现实看来又像是一个伪命题。 十月的北京总是在下雨，下雨的时候总让人想起那首应景的歌：《北京下雨了》。一场秋雨一场凉。青旅的房间很深，被子又厚又暖，哪怕走在逼仄悠长的走廊里，常常也觉察不到外面的世界是阴是晴，是白天还是黑夜，连时间和春夏秋冬都模糊了。每天除了出门面试，便是窝在房间里投简历，听音乐，看小说。那种无以名状的日子，简直如同学生时代的备考，又像是外面萧索的秋天一样漫长。 后来搬去好朋友那里住，实在是神经痛到不堪忍受，已经看过两个医生并且吃了药，还是连续几个凌晨被痛醒，为了转移注意力，拿手机听本地的电台，竟然有英文歌曲一直放到天亮。 对了，依然记得那家青旅的名字，叫ONE一个青年旅社。不管是从外表还是运营，一点看不出韩寒《一个》的情怀和特色。忘记了问老板娘两者之间是否有联系，只记得公假期间住宿会涨价。有点不可思议。 中秋节前后，也是大雨滂沱的深夜，他带我去看他熟悉的医生，医生一眼便看出端倪，开了药

听说Google最近升级了翻译系统，算法已经从几年前的循环神经网络（RNN：Recurrent Neural Networks）升级到了神经机器翻译（GNMT：Google Neural Machine Translation），新的算法开始考虑翻译对象所处的上下文语境（Context）。Google官方称新的系统得出的翻译相比于之前的基于短语的生产系统（PBMT：Phrase-Based Machine Translation）实现了极大的提升。GNMT在多个主要语言对的翻译中将翻译误差降低了55%-85%以上。 对于自己这样一名业余的菜鸟翻译，这简直就是一条爆炸性新闻！尤其是继AlphaGo击败李世石和特斯拉无人驾驶汽车上路之后，一切的一切渐渐地变为可能，人工智能（AI：Artificial Intelligence）似乎也正在愈发地入侵着现实和人类。带着好奇而不安的心情，于是第一时间调教了Google Translate。擦，那心情完全就是18世纪纺织工人远远望见蒸汽机时的焦虑。 于是，一夜之间，中文互联网上雨后春笋般地充满“谷歌推出神经网络翻译中译英水平匹敌真人”“谷歌再掀机器翻译革命人工翻译何去何从?”的报道。Twitter上的许多外国人甚至直接开始用中文发推。 这很好理解。因为在这之前，驴唇不对马嘴的机器翻译（在线翻译）简直就是一个笑话。但是从今天开始，这个笑话就要成为历史。所以很多外媒在报道这次翻译技术革命的时候用到了“Milestone”（里程碑）一词。 赞誉归赞誉，美中仍有不足。Google在自己的官方博客（Google Research Blog）中也提到：GNMT仍然会做出一些人类翻译者永远不出做出的重大错误，例如漏词和错误翻译专有名词或罕见术语，以及将句子单独进行翻译而不考虑其段落或页面的上下文。 自己也断断续续地调教了两天。我不太同意微博和知乎的某些网友们举的那些极端的反例，以此证明Google Translate仍旧无可救药。我相信任何一个外语系的学生只要亲身体验一下旧的在线翻译（比如目前的有道、金山或者百度）和现在的Google Translate，是可以明显地感觉到二者之间的差别。但是我仍旧认为，以Google Translate目前的水平，依然尚未达到中文媒体所吹捧的那种“可以替代人工翻译”的程度。不管是针对文学作品，还是学术论文，