近年來(lái)，人工智能領(lǐng)域的發(fā)展越來(lái)越好，希望轉(zhuǎn)業(yè)投身到這個(gè)領(lǐng)域的人也越來(lái)越多，但想要搭上這波AI紅利不是那么容易的。

NLP自然語(yǔ)言處理是人工智能的一個(gè)子領(lǐng)域，它指的是機(jī)器能夠理解并解釋人的寫(xiě)作或說(shuō)話方式的能力。但眾所周知，人工智能對(duì)人類影響最大的就是自然語(yǔ)言方面，就連微軟創(chuàng)始人比爾蓋茨也曾說(shuō)過(guò)，語(yǔ)言理解就是人工智能領(lǐng)域皇冠上的明珠。那么，為何如今NLP領(lǐng)域的技術(shù)落地這么難呢？

NLP的落地場(chǎng)景并不是那么直接，往往需要結(jié)合客戶或者產(chǎn)品設(shè)計(jì)。之前微軟亞洲研究院副院長(zhǎng)周明在接受采訪時(shí)說(shuō)過(guò)，“目前自然語(yǔ)言處理產(chǎn)品出現(xiàn)的問(wèn)題，很多時(shí)候無(wú)關(guān)技術(shù)，而是在產(chǎn)品設(shè)計(jì)和UI方面做得不夠好”。如果產(chǎn)品設(shè)計(jì)或UI方面做得不好，用戶體驗(yàn)感就會(huì)很差，對(duì)產(chǎn)品落地也會(huì)造成很大的影響。

就目前的市場(chǎng)來(lái)看，NLP領(lǐng)域的創(chuàng)業(yè)大公司很少，究其原因，還是因?yàn)榧夹g(shù)難度太大，應(yīng)用場(chǎng)景太復(fù)雜。就連現(xiàn)在NLP領(lǐng)域的創(chuàng)業(yè)公司都會(huì)面臨一個(gè)落地難的狀況。對(duì)于特別純粹的自然語(yǔ)言應(yīng)用（不涵蓋搜索），主要就是機(jī)器翻譯。而今的機(jī)器翻譯水平還是達(dá)不到高標(biāo)準(zhǔn)。對(duì)于有背景的復(fù)雜句子，機(jī)器依然很難翻譯。若翻譯付費(fèi)形成一種商業(yè)模式，從研究到技術(shù)到落地再到商業(yè)化，這將會(huì)面臨一個(gè)很大的挑戰(zhàn)。

運(yùn)用周明的話來(lái)講，現(xiàn)在的自然語(yǔ)言處理面臨著如下問(wèn)題：第一，自然語(yǔ)言是多輪的；第二，自然語(yǔ)言除了多輪特征之外，它還涉及到了背景知識(shí)和常識(shí)知識(shí)；第三，自然語(yǔ)言處理要面對(duì)個(gè)性化問(wèn)題。

那么，如何才能解決這些問(wèn)題呢？

周明表示，在技術(shù)的改進(jìn)上雖然我們不能保證，但有三個(gè)值得嘗試的方向：

第一，上下文的建模需要建立大規(guī)模的數(shù)據(jù)集。比如多輪對(duì)話和上下文理解。數(shù)據(jù)標(biāo)注的時(shí)候要注意前后文。沒(méi)有這樣的數(shù)據(jù)，很難取得突破。

第二，強(qiáng)化學(xué)習(xí)很重要。我們需要根據(jù)用戶的反饋倒推模型并做參數(shù)修正，使模型更加優(yōu)化。現(xiàn)在強(qiáng)化學(xué)習(xí)剛剛開(kāi)始用在自然語(yǔ)言領(lǐng)域，性能并不穩(wěn)定，但在未來(lái)很有機(jī)會(huì)。

第三，要引入常識(shí)和專業(yè)知識(shí)，并把這些知識(shí)構(gòu)建好。這樣就能更加精準(zhǔn)地回答問(wèn)題。沒(méi)有人能證明現(xiàn)在常識(shí)知識(shí)用在語(yǔ)言問(wèn)答和搜索中的作用有多大。所以，我們需要一個(gè)測(cè)試集來(lái)檢驗(yàn)結(jié)果。這個(gè)測(cè)試集要專門測(cè)上下文和常識(shí)，可以讓我們要不停用新模型（比如強(qiáng)化學(xué)習(xí)或者知識(shí)圖譜）去試錯(cuò)，來(lái)看系統(tǒng)性能能不能提升。

自然語(yǔ)言可以說(shuō)是人類智慧的結(jié)晶，雖然說(shuō)仍有很多問(wèn)題亟待解決，但這不會(huì)難倒聰明的人類。我們相信，憑著我們迎難而上的勇氣，終有一天，人工智能會(huì)更好的服務(wù)于人類。

想了解更多IT資訊，請(qǐng)?jiān)L問(wèn)中培偉業(yè)官網(wǎng)：中培偉業(yè)