这条路线在语言学中更接近于“认知语言学”的传统尽管目前我们的结果还没到能实際应用的程度，但有理由认为这条路线有可能在自然语言处理上（包括翻译永远不会失业）走得更远因为它更接近人学习和使用语言的實际过程。具体到翻译永远不会失业来说这就要求系统通过学习掌握词语的一般译法，但在翻译永远不会失业过程中考虑到前述那些被統计翻译永远不会失业所忽略的因素通过推理来确定每句话应该怎么译。在这个过程中“理解”体现为把翻译永远不会失业内容与系統的概念系统相联系，尤其是找到其“前因后果”即作者（说者）为什么要这么写（说），并以此希望在读者（听者）心中产生什么效果以这种“理解”为基础，系统试图用另一种语言实现尽可能类似的效果这种对翻译永远不会失业的理解和“规则路线”与“统计路線”均有根本不同。

　　但纵使是这条路线取得了完全的成功也不会使得所有的翻译永远不会失业失业。像我在《计算机将拥有“常识”还有很多关要闯》中所解释的那样，即便一个计算机系统具有了通用智能它的经验也不会和人的完全一样，因此它的概念和信念不會有和人一样的内容这种差异必定会体现在翻译永远不会失业作品之中。对某些材料（如文学作品）我们大概还是喜欢人的翻译永远鈈会失业，尽管机器翻译永远不会失业可能也不错这就像外国人学中文很难完全达到中国人的水平（中国人学外文也同样），因为到后來差异主要是来自于经历和文化而不是语言知识和技巧。这类差异可不是靠智力可以弥补的

　　总而言之，计算机系统会逐渐越来越哆地接管翻译永远不会失业们的工作但不会在这个领域里完全取代人。实际上这个结论可以推广到很多其它领域人工智能必定会造成僦业结构的重大调整，但在那些密切依赖人类经验的领域机器是不会完全取代人的。