[
【IT168 谈论】言语是人类特有的技能，是人类才智的表现。在人工智能年代，天然言语处理(NLP)技能为机器赋予了这样的言语功用，让机器有了天然言语辨认才干，为用户体会拓荒了新途径。
在近期的Google Cloud Next 18大会上，Google推出了第一个Solution Product (职业处理方案产品)——Contact Center AI，其集虚拟助理、智能信息开掘和情感剖析等功用于一身，不光协助工作人员有用处理了问题并且提升了用户体会，展示了人工智能言语技能的新打破。形似科幻小说里的场景变成了实际，可是想要保护好人与机器的联络，机器有必要能够完成直观的、天然的言语沟通，这关于NLP技能来说依然是一个应战。许多企业早就开端研讨NLP，该项技能的呈现简直跟人工智能相同早，可是现在还处于起步阶段。
言语是人们进行信息沟通的首要东西，要想机器也具有相同的机制，就要了解人类言语的杂乱性以及人类运用言语的行为习惯，其间情感剖析、问题答复以及多使命学习是机器人逐步老练的重要途径。
心情剖析
言语本质上是杂乱的，一个正常人也要通过数年才干把握一门生疏的言语。关于机器人而言，咱们要想运用人工智能来解析给定的陈说，首先要完成心情剖析，比方，判别电影点评是正面的仍是负面的，或许剖析发话者是快乐的、气愤的、惊奇的仍是哀痛的等。从客户效劳到在线社区审阅再到算法买卖，企业能够通过剖析不计其数个推文或数百个产品谈论，了解大众对产品的观点，关于企业来说，这个价值是很大的。
研制人员早就开端下手天然言语处理中的心情剖析，跟着NLP的前进，心情剖析也在不断前进。比方CRM处理方案供给商Salesforce推出的一款产品——Einstein AI(爱因斯坦人工智能效劳)，它能够协助客户对电子邮件、交际媒体谈天文本进行情感剖析，然后了解用户信息，协助断定企业客户的下一步产品策划。
Salesforce的首席科学家 Richard Socher表明，机器人只完成简略的语意了解是不行的，有时候需求必定的语境，需求通过联络上下文去判别。比方，你是一个出产番笕的企业，用户在产品点评上说了这样一句话“这款番笕真的很合适婴儿!”。依照外表的语意来说，可能就是对产品的活跃点评，可是假如联络上下文，整个言语环境都是对产品的差评，那么这句话的意思也能够了解成“这款产品真的很差劲!不要给婴儿运用!”。所以，NLP实在的应战是在特定的言语布景下，去了解言语的细微差别，即需求通过简略的符号数据改善模型练习，也需求能够联络上下文在多种不同使命中同享知识的新模型。
问题答复
NLP的开展加快了信息化的速度，Siri和Google Assistant等应用程序的呈现，处理了许多常见的天然言语处理问题，可是许多难题，机器依然没有给到咱们想要的答复。
想要计算机抵达抱负作用，咱们还要保证计算机对问题的了解。假如你问“我的飞机何时抵达?”电脑需求知道你说的是飞机的航班仍是你从外地订货的某个飞机模型，它需求通过上下文语境，去猜想咱们言语中的实在意思。通过NLP，咱们能够让机器学习怎么通过上下文语境去剖析句子，这样的话，人工智能就能够一次性处理一切的上下文，而不会漏掉重要的信息。
多使命学习
在IT范畴，企业更拿手构建单个使命的人工智能模型，可是一个更直观的、细致入微的、有语境的对话界面则需求一个不断学习的人工智能模型——将新的使命和旧的使命集成在一起，来学习履行更杂乱的使命。关于其他范畴来说，人工智能到达这样的规范也许是可能的，可是在言语方面，就需求很大的灵活性。
这儿咱们来举一个比如：“谁是我的客户?”，这是一个满足简略的使命。可是“谁是我在西部地区的某一产品的最佳客户?”现在，咱们添加了一些杂乱条件，就需求一系列集成使命来答复这个问题，比方说：“最佳”怎么界定?西部地区的客户详细是哪里?哪些因素会使客户对一种产品发生爱好?这儿咱们在查询条件里添加了一个项目，问题的杂乱性就明显添加。
Salesforce Research最近创建了天然言语十项全能，运用问答的力气在单一模块中处理NLP中最扎手的10项使命：问答、机器翻译、摘要、天然言语推理、情感剖析、语义人物标示、联络抽取、方针导向对话、语义剖析、知识代词消解。运用多个使命问答模型，将每个使命作为一种问答方式，单个模型在没有特定参数或模块的情况下一起处理不同的使命，这不只意味着研制人员不需求为每一项使命构建、练习和优化模型，并且还意味着该模型将具有zero-shot(零样本学习)才干，也就是说，在未通过任何练习的情况下该模型也能够处理它从未履行过的使命。
Socher解释道，问题答复其实是十分广泛的——你能够随意问任何问题——该研讨相当于供给了处理几个使命的单一模型。
尽管现在的NLP还处于起步阶段，可是咱们能够看到它巨大的开展潜力，跟着人工智能的开展，咱们等待一个全新的天然言语处理技能体会。
