何凱文每日一句:2017考研英語第20句

　　對(duì)于中國(guó)學(xué)生來說，很多人在各種各樣的考試當(dāng)中都被英語所難倒，很多同學(xué)在考研的時(shí)候也因英語分?jǐn)?shù)低而導(dǎo)致考研失敗。2017考研的同學(xué)們?yōu)榱吮苊膺@種情況，一定要盡早開啟2017考研英語的復(fù)習(xí)。基礎(chǔ)階段，同學(xué)們主要搞定詞匯、長(zhǎng)難句和語法等基礎(chǔ)知識(shí)。文都考研小編每日給大家分享文都何凱文老師的句子，幫大家打好2017考研英語的基礎(chǔ)。以下是第20句：

　　For now, he reckons, general-purpose machine intelligence remains a long way off. The pattern-recognizing abilities of deep-learning algorithms(n.演算法; 運(yùn)算法則; algorithm的名詞復(fù)數(shù) ) 計(jì)算程序; are impressive, but computers still lack many of the mental tools that humans take for granted. A big one is “transfer learning”, which is what AI researchers call reasoning by analogy. This is the ability to take lessons learned in one domain and apply them to another. And machines like AlphaGo have no goals, and no more awareness of their own existence than does a word processor or a piece of accounting software.

　　詞匯突破：1. Reckon 認(rèn)為 (這樣的詞比較安全的就是翻譯為認(rèn)為。)

　　2. general-purpose 一般性目的

　　3. The pattern-recognizing abilities of deep-learning algorithms 深度學(xué)習(xí)運(yùn)算法則的模式識(shí)別能力 (這個(gè)名詞真的是夠裝的，我反正不知道在說什么，但是據(jù)說就是阿爾法狗的核心競(jìng)爭(zhēng)力。)

　　4. transfer learning 轉(zhuǎn)移學(xué)習(xí)能力

　　5. reasoning by analogy. 通過類比來推理

　　6. apply A to B 運(yùn)用A到B中

　　7. no more…than…雙方否定句型 (這是每年考研都會(huì)講到的一個(gè)句型，今年的句子中又遇到了，所以變得是內(nèi)容，不變的是結(jié)構(gòu)。)

　　例句： I run no faster than dose Jack.

　　=I run no faster than Jack does.(faster 中的-er就等于more，每年都有蠢萌的人來問我怎么沒有more)

　　我跑的不快，就如Jack跑的也不快那樣。(在than引導(dǎo)的句子中雖然沒有否定詞但是也要翻譯成否定的含義。)

　　這種結(jié)構(gòu)也可以是：not (few)…any more than…這樣的變體。

　　解析：1. For now, he reckons, general-purpose machine intelligence remains a long way off.

　　他認(rèn)為，迄今一般性目的的機(jī)器智能還有很長(zhǎng)一段路要走。

　　2. The pattern-recognizing abilities of deep-learning algorithms are impressive, but computers still lack many of the mental tools that humans take for granted.

　　雖然深度學(xué)習(xí)運(yùn)算法則的模式識(shí)別能力給人印象深刻，但是計(jì)算機(jī)依然缺乏很多人類輕易就能具備(take for granted)的思維工具.

　　3. A big one is “transfer learning”, which is what AI researchers call reasoning by analogy.其中很大的一個(gè)就是“轉(zhuǎn)移學(xué)習(xí)能力。” 也就是人工智能研究者所稱的“通過類比來推理”

　　4. This is the ability to take lessons learned in one domain and apply them to another.

　　這種能力是指把在一個(gè)領(lǐng)域中所學(xué)的教訓(xùn)運(yùn)用到另外的一個(gè)領(lǐng)域中去。

　　5. And machines like AlphaGo have no goals, and no more awareness of their own existence than does a word processor or a piece of accounting software.

　　而且像阿爾法狗這樣的機(jī)器是沒有目標(biāo)的。他們沒有自己存在的意識(shí)，就如一個(gè)文檔處理軟件或者會(huì)計(jì)軟件也沒有自我存在意識(shí)一樣。