人工智能作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，正在深刻改變世界。而自然語言處理(Natural Language Processing，簡稱NLP)已成為人工智能領(lǐng)域中的一個(gè)重要方向，它推動(dòng)著語言智能持續(xù)發(fā)展和突破，并越來越多地應(yīng)用于各個(gè)行業(yè)。
NLP研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法。而用自然語言與計(jì)算機(jī)進(jìn)行通信，有著十分重要的實(shí)際應(yīng)用意義，也有著革命性的理論意義。實(shí)現(xiàn)人機(jī)間自然語言通信意味著要使計(jì)算機(jī)既能理解自然語言文本的意義，也能以自然語言文本來表達(dá)給定的意圖、思想等;前者稱為自然語言理解，后者稱為自然語言生成。由于理解自然語言需要關(guān)于外在世界的廣泛知識(shí)以及運(yùn)用操作這些知識(shí)的能力，所以NLP也被視為解決人工智能完備(AI-complete)的核心問題之一。可以說，NLP目前是人工智能領(lǐng)域中的關(guān)鍵技術(shù),對(duì)它的研究也是充滿魅力和挑戰(zhàn)的。
最早的NLP研究工作是機(jī)器翻譯。1949年，美國知名科學(xué)家韋恩·韋弗先生首先提出了機(jī)器翻譯設(shè)計(jì)方案。20世紀(jì)60年代，許多科學(xué)家對(duì)機(jī)器翻譯曾有大規(guī)模的研究工作，耗費(fèi)了巨額費(fèi)用;但他們顯然是低估了自然語言的復(fù)雜性，語言處理的理論和技術(shù)均不成熟，所以進(jìn)展不大。當(dāng)時(shí)的主要做法是存儲(chǔ)兩種語言的單詞、短語對(duì)應(yīng)譯法的大辭典，翻譯時(shí)一一對(duì)應(yīng)，技術(shù)上只是調(diào)整語言的同條順序。但日常生活中語言的翻譯遠(yuǎn)不是如此簡單，很多時(shí)候還要參考某句話前后的意思。
大約90年代開始，NLP領(lǐng)域發(fā)生了巨大的變化。這種變化的兩個(gè)明顯的特征是：(1)對(duì)系統(tǒng)的輸入，要求研制的NLP系統(tǒng)能處理大規(guī)模的真實(shí)文本，而不是如以前的研究性系統(tǒng)那樣，只能處理很少的詞條和典型句子。只有這樣，研制的系統(tǒng)才有真正的實(shí)用價(jià)值。(2)對(duì)系統(tǒng)的輸出，鑒于真實(shí)地理解自然語言是十分困難的，對(duì)系統(tǒng)并不要求能對(duì)自然語言文本進(jìn)行深層的理解，但要能從中抽取有用的信息。
同時(shí)，由于強(qiáng)調(diào)了“大規(guī)模”和“真實(shí)文本”，因此兩方面的基礎(chǔ)性工作也得到了重視和加強(qiáng)：(1)大規(guī)模真實(shí)語料庫的研制。大規(guī)模的經(jīng)過不同深度加工的真實(shí)文本的語料庫，是研究自然語言統(tǒng)計(jì)性質(zhì)的基礎(chǔ);沒有它們，統(tǒng)計(jì)方法只能是無源之水。(2)大規(guī)模、信息豐富的詞典的編制工作。規(guī)模為幾萬，十幾萬，甚至幾十萬詞，含有豐富的信息(如包含詞的搭配信息)的計(jì)算機(jī)可用詞典對(duì)NLP的重要性是很明顯的。
系統(tǒng)的輸入與這兩個(gè)特征在NLP的諸多領(lǐng)域都有所體現(xiàn), 其發(fā)展直接促進(jìn)了計(jì)算機(jī)自動(dòng)檢索技術(shù)的出現(xiàn)和興起。實(shí)際上, 隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展, 以海量計(jì)算為基礎(chǔ)的機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等技術(shù)的表現(xiàn)也愈發(fā)優(yōu)異。NLP之所以能夠度過“寒冬”, 再次發(fā)展, 也是因?yàn)榻y(tǒng)計(jì)科學(xué)與計(jì)算機(jī)科學(xué)的不斷結(jié)合, 才讓人類甚至機(jī)器能夠不斷從大量數(shù)據(jù)中發(fā)現(xiàn)“特征”并加以學(xué)習(xí)。不過要實(shí)現(xiàn)對(duì)自然語言真正意義上的理解，僅僅從原始文本中進(jìn)行學(xué)習(xí)是不夠的，我們需要新的方法和模型。
目前存在的問題主要有兩個(gè)方面：一方面，迄今為止的語法都限于分析一個(gè)孤立的句子，上下文關(guān)系和談話環(huán)境對(duì)本句的約束和影響還缺乏系統(tǒng)的研究，因此分析歧義、詞語省略、代詞所指、同一句話在不同場合或由不同的人說出來所具有的不同含義等問題，尚無明確規(guī)律可循，需要加強(qiáng)語用學(xué)的研究才能逐步解決。另一方面，人理解一個(gè)句子不是單憑語法，還運(yùn)用了大量的有關(guān)知識(shí)，包括生活知識(shí)和專門知識(shí)，這些知識(shí)無法全部貯存在計(jì)算機(jī)里。因此一個(gè)書面理解系統(tǒng)只能建立在有限的詞匯、句型和特定的主題范圍內(nèi);計(jì)算機(jī)的貯存量和運(yùn)轉(zhuǎn)速度大大提高之后，才有可能適當(dāng)擴(kuò)大范圍。
無論實(shí)現(xiàn)自然語言理解，還是自然語言生成，都遠(yuǎn)不如人們?cè)瓉硐胂蟮哪敲春唵?，而是十分困難的。從現(xiàn)有的理論和技術(shù)現(xiàn)狀看，通用的、高質(zhì)量的NLP系統(tǒng)，尤其是應(yīng)用軟件，仍然是較長期的努力目標(biāo)。就像中國知名科學(xué)家周海中先生曾在《自然語言理解的研究歷程》一文中指出的那樣：“雖然現(xiàn)今市場上出現(xiàn)不少可以進(jìn)行一定自然語言處理的商品軟件，但要想讓機(jī)器能像人類那樣自如地運(yùn)用自然語言，仍是一項(xiàng)長遠(yuǎn)而艱巨的任務(wù)。”造成困難的根本原因是自然語言文本和對(duì)話的各個(gè)層次上廣泛存在的各種各樣的歧義性或多義性。
由于語言學(xué)、語言工程、認(rèn)知科學(xué)等主要局限于實(shí)驗(yàn)室,目前來看數(shù)據(jù)處理可能是NLP應(yīng)用場景最多的一個(gè)發(fā)展方向。實(shí)際上, 自從進(jìn)入大數(shù)據(jù)時(shí)代, 各大平臺(tái)就沒有停止過對(duì)用戶數(shù)據(jù)的深度挖掘。要想提取出有用的信息, 僅提取關(guān)鍵詞、統(tǒng)計(jì)詞頻等是遠(yuǎn)遠(yuǎn)不夠的, 必須對(duì)用戶數(shù)據(jù) (尤其是發(fā)言、評(píng)論等)進(jìn)行語義上的理解。另外，利用離線大數(shù)據(jù)統(tǒng)計(jì)分析的方法進(jìn)行NLP任務(wù)的研究是目前非常有潛力的一種研究范式，尤其是谷歌、推特、百度等大公司在這類應(yīng)用上的成功經(jīng)驗(yàn)，引領(lǐng)了目前大數(shù)據(jù)研究的浪潮。
NLP是為各類企業(yè)及開發(fā)者提供的用于文本分析及挖掘的核心工具，已經(jīng)廣泛應(yīng)用在電商、金融、物流、文化娛樂等行業(yè)客戶的多項(xiàng)業(yè)務(wù)中。它可幫助用戶搭建內(nèi)容搜索、內(nèi)容推薦、輿情識(shí)別及分析、文本結(jié)構(gòu)化、對(duì)話機(jī)器人等智能產(chǎn)品，也能夠通過合作，定制個(gè)性化的解決方案。由于理解自然語言，需要關(guān)于外在世界的廣泛知識(shí)以及運(yùn)用操作這些知識(shí)的能力，所以NLP也被視為解決強(qiáng)人工智能的核心問題之一，其未來一般也因此密切結(jié)合人工智能發(fā)展，尤其是設(shè)計(jì)一個(gè)模仿人腦的神經(jīng)網(wǎng)絡(luò)。
訓(xùn)練NLP文本解析人工智能系統(tǒng)需要采集大量多源頭數(shù)據(jù)集，對(duì)科學(xué)家來說是一項(xiàng)持續(xù)的挑戰(zhàn)：需要使用最新的深度學(xué)習(xí)模型，模仿人類大腦中神經(jīng)元的行為，在數(shù)百萬甚至數(shù)十億的注釋示例中進(jìn)行訓(xùn)練來持續(xù)改進(jìn)。當(dāng)下一種流行的NLP解決方案是預(yù)訓(xùn)練，它改進(jìn)了對(duì)未標(biāo)記文本進(jìn)行訓(xùn)練的通用語言模型，以執(zhí)行特定任務(wù);它的思想就是，該模型的參數(shù)不再是隨機(jī)初始化，而是先有一個(gè)任務(wù)進(jìn)行訓(xùn)練得到一套模型參數(shù)，然后用這套參數(shù)對(duì)模型進(jìn)行初始化，再進(jìn)行訓(xùn)練，以獲得更好的預(yù)測性見解。
深度學(xué)習(xí)在NLP中的應(yīng)用非常廣泛，可以說橫掃NLP的各個(gè)應(yīng)用，從底層的分詞、語言模型、句法分析等到高層的語義理解、對(duì)話管理、知識(shí)問答等方面都幾乎都有深度學(xué)習(xí)的模型，并且取得了不錯(cuò)的效果。有關(guān)研究已從傳統(tǒng)的機(jī)器學(xué)習(xí)算法轉(zhuǎn)變成更有表現(xiàn)力的深度學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)和回歸神經(jīng)網(wǎng)絡(luò)。不過，目前的深度學(xué)習(xí)技術(shù)還不具備理解和使用自然語言所必需的概念抽象和邏輯推理能力，還有待今后進(jìn)一步的研究。
目前我們已經(jīng)進(jìn)入了以互聯(lián)網(wǎng)為主要標(biāo)志的海量信息時(shí)代，這些海量信息大部分是以自然語言表示的。一方面，海量信息也為計(jì)算機(jī)學(xué)習(xí)人類語言提供了更多的“素材”，另一方面，這也為NLP提供了更加寬廣的應(yīng)用舞臺(tái)。例如，作為NLP的重要應(yīng)用，搜索引擎逐漸成為人們獲取信息的重要工具，出現(xiàn)了以谷歌、百度等為代表的搜索引擎巨頭;機(jī)器翻譯也從實(shí)驗(yàn)室走入尋常百姓家;基于NLP的中文輸入法(如搜狗、微軟、谷歌等輸入法)成為計(jì)算機(jī)用戶的必備工具;帶有語音識(shí)別的計(jì)算機(jī)和手機(jī)也正大行其道，協(xié)助用戶更有效地工作和學(xué)習(xí)。
總之，隨著互聯(lián)網(wǎng)的普及和海量信息的涌現(xiàn)，作為人工智能領(lǐng)域中的一個(gè)重要方向，NLP正在人們的日常生活中扮演著越來越重要的角色，并將在科技創(chuàng)新的過程中發(fā)揮越來越重要的作用。
【來源：千家網(wǎng)】
上一篇：
