人工智能子范畴中的子范畴，自然言语处理技术NLP！

在AI人工智能的发展过程当中，有一个子范畴是只要在从事相关工作范畴的人，才会有更多了解的，作为只针对运用体检及结果的人们，是不会特意关注的，那就是人工智能迷信中的一个子范畴，自然言语处理。举个例子，往常我们在家对着一款智能音箱说：“我要听郭德纲相声。”不一会音箱就会传出郭教师熟习的声响，那么正是由于这个技术的存在，音箱才会完成你所给出的指令。

虽然自然言语处理并不是一门新的迷信，但由于人们对人机通讯的兴味越来越大，再加上它的可用性，这项技术正在迅速发展。大数据、弱小的计算和加强算法。

作为一个人，你可以说和写汉语，英语语或西班牙语。但是计算机的母语-机器代码或机器言语-在很大程度上是大多数人无法了解的。在设备的最低级别，通讯不是经过文字停止的，而是经过数百万个零和产生逻辑操作的零停止的。

理想上，70年前，程序员运用穿孔卡与第一台计算机停止通讯。相对较少的人了解了这一手工和艰巨的过程。如今你可以对着你拥有的智能音箱说：“我喜欢这首歌，”在你家里播放音乐的设备会经过你的语音指令，分析数据然后完成指令，并回答说：“好的。”以一种人形的声响。然后，它调整算法，在播放这首歌的时分，会记录下你喜欢的这首歌，下次你需求再听那首歌的时分，它会更快的辨认出，音质好的，资源下载速度快的音乐播放源。

让我们细心看看这种互动。当你听到你说话的时分，你的设备就被激活了，了解了声响中的指令，执行了一个动作，并在一句残缺的话语中提供了反馈，一切这些都在大约5秒的工夫内。完全交互是由NLP和其他AI元素(如机器学习和深化学习。

那么为什么NLP很重要呢？

大量文本数据

自然言语处理协助计算机与人类用本人的言语停止交流，并扩展其他与言语相关的义务。例如，NLP使计算机可以阅读文本、听语音、解释语音、测量情感和确定哪些部分是重要的。

明天的机器可以分析比人类更多的基于言语的数据，没有疲劳，并且以分歧、公正的方式停止分析。思索到每天产生的大量非结构化数据，从医疗记录到社交媒体，自动化对于有效地分析文本和语音数据至关重要。

构造高度非结构化的数据源

人类言语极其复杂多样。我们以有限的方式表达本人，无论是行动的还是书面的。不只要数百种言语和方言，而且在每种言语中都有一套独特的语法和语法规则、术语和俚语。当我们写作时，我们常常拼错或缩写词，或省略标点符号。当我们说话时，我们有地方口音，我们发音不清，停顿或借用其他言语的术语。

虽然监督学习和非监督学习，特别是深度学习，如今被广泛用于人类言语建模，但在这些机器学习方法中也不一定需求语法、语义了解和范畴专门知识。NLP很重要，由于它有助于处理言语中的歧义，并为许多下游运用程序(如语音辨认或文本分析)添加了有用的数字结构。

最早的计算机就是模拟围棋，1、0就是黑白两色棋。

分享了

我觉得不错，太厉害了

我也是坐沙发的