自然語(yǔ)言處理:人工智能技術(shù)的一個(gè)掌上明珠

自然語(yǔ)言處理（Natural Language Processing，簡(jiǎn)稱NLP）是人工智能（Artificial Intelligence，簡(jiǎn)稱AI）領(lǐng)域中的一個(gè)重要方向，被譽(yù)為人工智能技術(shù)的一個(gè)掌上明珠；它研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法，涉及面極為廣泛。國(guó)際知名學(xué)者周海中先生曾經(jīng)指出：“自然語(yǔ)言處理是極有吸引力的研究領(lǐng)域，它具有重大的理論意義和實(shí)用價(jià)值?！蹦壳埃琋LP已成為推動(dòng)科技進(jìn)步的強(qiáng)大動(dòng)力和提高綜合國(guó)力的關(guān)鍵支撐。

NLP主要研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法。而用自然語(yǔ)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(yǔ)言通信意味著要使計(jì)算機(jī)既能理解自然語(yǔ)言文本的意義，也能以自然語(yǔ)言文本來(lái)表達(dá)給定的意圖、思想等；前者稱為自然語(yǔ)言理解（Natural Language Understanding，簡(jiǎn)稱NLU），后者稱為自然語(yǔ)言生成（Natural Language Generation，簡(jiǎn)稱NLG）。因此，NLP大體包括了NLU和NLG兩個(gè)部分。因?yàn)樘幚碜匀徽Z(yǔ)言的關(guān)鍵是要讓計(jì)算機(jī)“理解”自然語(yǔ)言，所以通常把NLU視為NLP，也稱為計(jì)算語(yǔ)言學(xué)。

NLP是一門融語(yǔ)言學(xué)、計(jì)算機(jī)科學(xué)、數(shù)學(xué)于一體的科學(xué)。因此，這一領(lǐng)域的研究將涉及自然語(yǔ)言，即人們?nèi)粘Ｊ褂玫恼Z(yǔ)言，所以它與語(yǔ)言學(xué)的研究有著密切的聯(lián)系，但又有重要的區(qū)別。NLP并不是一般地研究自然語(yǔ)言，而是研制能有效地實(shí)現(xiàn)自然語(yǔ)言通信的計(jì)算機(jī)系統(tǒng)，特別是其中的軟件系統(tǒng)。因而它是計(jì)算機(jī)科學(xué)的一部分?？梢哉f(shuō)，NLP是計(jì)算機(jī)科學(xué)、語(yǔ)言學(xué)、AI等關(guān)注計(jì)算機(jī)和人類語(yǔ)言之間的相互作用的領(lǐng)域。目前，人們對(duì)AI的需求也從計(jì)算智能、感知智能到了以NLP為代表的認(rèn)知智能的層面。沒(méi)有成功的NLP，就不會(huì)有真正的認(rèn)知智能。

由于AI包括感知智能（比如圖像識(shí)別、語(yǔ)言識(shí)別和手勢(shì)識(shí)別等）和認(rèn)知智能（主要是語(yǔ)言理解知識(shí)和推理），而語(yǔ)言在認(rèn)知智能起到最核心的作用。如果能把語(yǔ)言問(wèn)題解決了，AI最難的部分也就基本解決了。美國(guó)微軟公司創(chuàng)始人比爾·蓋茨先生曾經(jīng)表示，”語(yǔ)言理解是人工智能領(lǐng)域皇冠上的明珠“。前微軟公司全球執(zhí)行副總裁沈向洋先生也在公開演講時(shí)說(shuō)：“懂語(yǔ)言者得天下……下一個(gè)十年，人工智能的突破在自然語(yǔ)言的理解……人工智能對(duì)人類影響最為深刻的就是自然語(yǔ)言方面”。由于理解自然語(yǔ)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AI完備（AI-complete）的核心問(wèn)題之一。可以說(shuō)，NLP目前是AI領(lǐng)域的關(guān)鍵核心技術(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(guó)知名科學(xué)家沃倫·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(yǔ)言的復(fù)雜性，加上語(yǔ)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(yǔ)言的單詞、短語(yǔ)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(yǔ)言的同條順序。但日常生活中語(yǔ)言的翻譯遠(yuǎn)不是如此簡(jiǎn)單，很多時(shí)候還要參考某句話前后的意思，需要上下文聯(lián)系起來(lái)才能正確翻譯--這就是機(jī)譯技術(shù)難度高之所在。

　　大約20世紀(jì)90年代開始，NLP領(lǐng)域發(fā)生了巨大的變化。這種變化有兩個(gè)明顯的特征：

　?。?）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(yǔ)言是十分困難的，對(duì)系統(tǒng)并不要求能對(duì)自然語(yǔ)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)?！焙汀罢鎸?shí)文本”。

　　所以下面兩方面的基礎(chǔ)性工作也得到了重視和加強(qiáng)：

　　（1）大規(guī)模真實(shí)語(yǔ)料庫(kù)的研制。大規(guī)模的經(jīng)過(guò)不同深度加工的真實(shí)文本的語(yǔ)料庫(kù)，是研究自然語(yǔ)言統(tǒng)計(jì)性質(zhì)的基礎(chǔ)；如果沒(méi)有這樣的語(yǔ)料庫(kù)，統(tǒng)計(jì)方法只能是無(wú)源之水。

　?。?）大規(guī)模、信息豐富的詞典的編制工作。因此規(guī)模為幾萬(wàn)，十幾萬(wàn)，甚至幾十萬(wàn)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)的輸入與輸出這兩個(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、數(shù)據(jù)建模等技術(shù)的表現(xiàn)也愈發(fā)優(yōu)異。NLP之所以能夠度過(guò)“寒冬”，再次發(fā)展，也是因?yàn)橛?jì)算機(jī)科學(xué)與統(tǒng)計(jì)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(guò)要實(shí)現(xiàn)對(duì)自然語(yǔ)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，我們還需要新的方法和模型。

目前存在的問(wèn)題主要有兩個(gè)方面：一方面，迄今為止的語(yǔ)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(yǔ)省略、代詞所指、同一句話在不同場(chǎng)合或由不同的人說(shuō)出來(lái)所具有的不同含義等問(wèn)題，尚無(wú)明確規(guī)律可循，需要加強(qiáng)語(yǔ)義學(xué)和語(yǔ)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(yǔ)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(wú)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。

由于語(yǔ)言工程、認(rèn)知科學(xué)等主要局限于實(shí)驗(yàn)室，目前來(lái)看數(shù)據(jù)處理可能是NLP應(yīng)用場(chǎng)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(méi)有停止過(guò)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(yǔ)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、醫(yī)療、文化娛樂(lè)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(guò)合作，定制個(gè)性化的解決方案。由于理解自然語(yǔ)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)AI的核心問(wèn)題之一，其未來(lái)一般也因此密切結(jié)合AI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AI系統(tǒng)需要采集大量多源頭數(shù)據(jù)集，對(duì)科學(xué)家來(lái)說(shuō)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(wàn)甚至數(shù)十億的注釋示例中進(jìn)行訓(xùn)練來(lái)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(yǔ)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(cè)性見(jiàn)解。

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，這些信息大部分是以自然語(yǔ)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(yǔ)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；基于自然語(yǔ)言處理的中文輸入法（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(yǔ)音識(shí)別的計(jì)算機(jī)和手機(jī)也正大行其道，協(xié)助用戶更有效地生活、工作和學(xué)習(xí)。

現(xiàn)在，NLP領(lǐng)域已經(jīng)有了大量的人工標(biāo)注知識(shí)，而深度學(xué)習(xí)可以通過(guò)有監(jiān)督學(xué)習(xí)得到相關(guān)的語(yǔ)義知識(shí)，這種知識(shí)和人類總結(jié)的知識(shí)應(yīng)該存在某種對(duì)應(yīng)關(guān)系，尤其是在一些淺層語(yǔ)義方面。因?yàn)槿斯?biāo)注，本質(zhì)上已經(jīng)給深度學(xué)習(xí)提供了學(xué)習(xí)的目標(biāo)；只是深度學(xué)習(xí)可以不眠不休地學(xué)習(xí)，這種逐步靠攏學(xué)習(xí)目標(biāo)的過(guò)程，可能遠(yuǎn)比人類總結(jié)過(guò)程來(lái)得更快更好。這一點(diǎn)，從谷歌公司旗下DeepMind研究團(tuán)隊(duì)開發(fā)的圍棋軟件AlphaGo短時(shí)間內(nèi)連勝兩位人類圍棋高手的事實(shí)，似乎能夠得到驗(yàn)證。

深度學(xué)習(xí)在NLP中的應(yīng)用非常廣泛，可以說(shuō)橫掃NLP的各個(gè)應(yīng)用，從底層的分詞、語(yǔ)言模型、句法分析、語(yǔ)音識(shí)別等到高層的語(yǔ)義理解、語(yǔ)用闡釋、對(duì)話管理、知識(shí)問(wèn)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(guò)，目前的深度學(xué)習(xí)技術(shù)還不具備理解和使用自然語(yǔ)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。

互聯(lián)網(wǎng)搜索引擎已經(jīng)有一段時(shí)間讓人們使用會(huì)話語(yǔ)言和術(shù)語(yǔ)來(lái)在線搜索事物?，F(xiàn)在，谷歌公司的云端硬盤用戶已經(jīng)可以使用這一功能。用戶可以搜索存儲(chǔ)在谷歌云端硬盤中的文件和內(nèi)容，就像使用谷歌搜索提供的對(duì)云端硬盤內(nèi)置NLP的新支持一樣。該功能使用戶可以使用通常用詞組表達(dá)的查詢以及在實(shí)際對(duì)話中將要使用的查詢來(lái)更輕松地找到所需的內(nèi)容。谷歌公司在在線和移動(dòng)搜索、移動(dòng)應(yīng)用程序以及GoogleTranslate等服務(wù)中廣泛使用NLP；該公司在這一領(lǐng)域的研究是為提高機(jī)器閱讀和理解人類語(yǔ)言能力所做的更廣泛努力的一部分。隨著谷歌調(diào)整其算法，NLP應(yīng)該會(huì)隨著時(shí)間的推移變得更好。

英國(guó)劍橋量子計(jì)算公司（CQC）最近宣布，他們利用自然語(yǔ)言的“固有量子”結(jié)構(gòu)，開辟了一個(gè)全新的可能應(yīng)用領(lǐng)域。其通過(guò)將語(yǔ)法句子翻譯成量子線路，然后在量子計(jì)算機(jī)上實(shí)現(xiàn)生成的程序，并實(shí)際執(zhí)行問(wèn)答。這是第一次在量子計(jì)算機(jī)上執(zhí)行NLP。通過(guò)使用CQC的一流的、平臺(tái)無(wú)關(guān)的可重定目標(biāo)編譯器t|ket？？，這些程序在IBM量子計(jì)算機(jī)上成功執(zhí)行并得到結(jié)果，整個(gè)突破朝著實(shí)現(xiàn)“意義感知”和“語(yǔ)法知悉”的NLP方向邁出了有意義的一大步--這是計(jì)算機(jī)時(shí)代早期以來(lái)計(jì)算機(jī)科學(xué)家及計(jì)算語(yǔ)言學(xué)家追尋的夢(mèng)想。

美國(guó)哈佛大學(xué)醫(yī)學(xué)院的研究人員借助NLP技術(shù)日前開發(fā)出一種工具，可以評(píng)估新冠肺炎（COVID-19）患者的病例、社交媒體和健康衛(wèi)生數(shù)據(jù)。他們率先努力通過(guò)使用機(jī)器學(xué)習(xí)技術(shù)查看來(lái)自各種來(lái)源的數(shù)據(jù)和信息（包括患者記錄、社交媒體和公共衛(wèi)生數(shù)據(jù)）來(lái)尋找新冠肺炎病毒的解決方案。借助NLP工具，他們還可以搜索有關(guān)新冠肺炎病毒的在線信息，并了解爆發(fā)的當(dāng)前位置。另外，研究人員還利用NLP技術(shù)對(duì)新冠肺炎、藥物和疫苗等密集展開研究，同時(shí)包括臨床診斷與治療以及流行病學(xué)研究等。

中國(guó)阿里達(dá)摩院的NLP研究團(tuán)隊(duì)最近提出優(yōu)化模型Struct BERT，能讓機(jī)器更好地掌握人類語(yǔ)法，加深對(duì)自然語(yǔ)言的理解。使用該模型好比給機(jī)器內(nèi)置一個(gè)“語(yǔ)法識(shí)別器”，使機(jī)器在面對(duì)語(yǔ)序錯(cuò)亂或不符合語(yǔ)法習(xí)慣的詞句時(shí)，仍能準(zhǔn)確理解并給出正確的表達(dá)和回應(yīng)，大大提高機(jī)器對(duì)詞語(yǔ)、句子以及語(yǔ)言整體的理解力。這一技術(shù)已廣泛使用于阿里旗下阿里小蜜、螞蟻金服、優(yōu)酷等業(yè)務(wù)。阿里達(dá)摩院的語(yǔ)言模型和閱讀理解技術(shù)也被用于行業(yè)賦能，推進(jìn)AI技術(shù)在醫(yī)療、電力、金融等行業(yè)的落地。據(jù)悉，StructBERT模型最近被評(píng)為全球性能最強(qiáng)的NLP系統(tǒng)。

根據(jù)市場(chǎng)分析機(jī)構(gòu)Mordor Intelligence的一份報(bào)告，2019年全球NLP市場(chǎng)價(jià)值為109億美元，預(yù)計(jì)到2025年將達(dá)到348億美元，復(fù)合年增長(zhǎng)率為21.5％。該報(bào)告指出，在過(guò)去的幾年中，深度學(xué)習(xí)架構(gòu)和算法在市場(chǎng)格局中取得了令人矚目的進(jìn)步，而語(yǔ)音分析解決方案正在主導(dǎo)著這一市場(chǎng)，因?yàn)閭鹘y(tǒng)的基于文本的分析已不足以處理復(fù)雜的業(yè)務(wù)問(wèn)題。

總之，隨著互聯(lián)網(wǎng)的普及和海量信息的涌現(xiàn)，作為AI領(lǐng)域的關(guān)鍵核心技術(shù)和掌上明珠，NLP正在人們的生活、工作、學(xué)習(xí)中扮演著越來(lái)越重要的角色，并將在科技進(jìn)步與社會(huì)發(fā)展的過(guò)程中發(fā)揮越來(lái)越重要的作用。

文/林峰、李炎（作者單位分別為美國(guó)波士頓大學(xué)工學(xué)院、普渡大學(xué)科技學(xué)院）