說來也湊巧，在我簽下這本書的翻譯合同時，這個世界好像還不知道AlphaGo的存在。而在我完成這本書的翻譯之時，Master已經對人類頂級高手連勝60局了。至少從媒體的熱度來看，的確在近幾年，人工智慧似乎是越來越火了。其原因是Google在汽車駕駛和圍棋這兩個領域的專案得到了很好的進展和宣傳，而這兩個領域在過去被很多人想當然地認為是人類的專屬領域。因此在專屬領域接連被突破情況下，一些人得了“機器恐懼症”。例如高曉鬆先生的這段微博：

作為自幼學棋，崇拜國手的業餘棋手，看了Master50 : 0橫掃中日韓頂尖高手的對局，難過極了。為所有的大國手傷心，路已經走完了。多少代大師上下求索，求道求術，全被破解。未來一個八歲少年只要一部手機就可以戰勝九段，榮譽信仰灰飛煙滅。等有一天，機器做出了所有的音樂和詩歌，我們的路也會走完。

其實之所以會有這樣恐懼，大部分是因為人們在討論人工智慧的時候容易將機器“人格化”，很多科幻作品就是這麼幹的，這看起來很合理，但問題是機器無論如何都不是人。對於機器來說，圍棋說穿了不過是一種基於統計學概率的決策模型，屬於數學領域的問題，它本來就是機器的強項。用圍棋對於人類的難度來推導機器智慧的進步，其實是很沒有邏輯的事情。而且事實上，今天所流行的這些人工智慧方法都是在20世紀70年代前後提出的理論，今天的輝煌主要是由於硬體的進步為實現提供了基礎，但在智慧上並沒有多大的實質突破。要知道，人們對於鑑定人工智慧的主要標準早有定論，那就是圖靈測試。

圖靈測試關注的是人機對話能力，換句話說，什麼時候機器能通過對話騙到你的一百塊錢，也比它下棋下贏世界冠軍更智慧點。而想要增強人機對話能力，自然語言處理就是首當其衝的一個領域了。正如我們所說，機器的專長是數學領域，所以自然語言處理問題的目的就是要把我們人類的文字、音訊轉換成可被分析的數學模型，這對於機器來說是比圍棋困難得多的事情。這也 是人類和機器的根本區別，對於這兩種智慧來說，困難的定義是截然不同的。

說實話，剛開始譯這本書的時候，我對它的翻譯難度有些估計不足，很多專業詞彙國內還似乎還沒有標準譯法。有些甚至根本找不到對應的中文翻譯。雖然對於每個小節我都期望查閱大量的資料，儘量保證翻譯的質量，但實在有點太累人了，太費時了，妥協、遺憾在所難免。在這裡向讀者們致歉，還希望你們多多包涵。同時也感謝人民郵電出版社的陳冀康編輯對於我拖稿行為的容忍，其實我還想再拖上半年的。