|
|
中腾信随着NLP(自然语言处理)的发展，机器的智能程度一定会实现质的飞越，机器也可通晓人类复杂而精妙的语言含义，自然地传情达意。
那么，到底什么是NLP?目前的发展情况怎么样?应用场景和商业价值又是怎样的?来听听石正柏为我们详解NLP这颗人工智能皇冠上的“明珠”。
NLP，机器实现智能的“灵魂”
石正柏，现任中腾信大数据业务负责人，专注于大数据与人工智能结合在互联网金融行业场景的落地。带领团队实现大数据计算平台，知识图谱计算平台，智能建模平台，智能质检以及智能语音机器人等平台和AI产品。
所谓NLP，就是开发能够理解人类语言的应用程序或服务，是人工智能和语言学交叉学科的一个领域，目标是计算机处理或“理解”自然语言，以执行语言翻译和问答的任务。
在石正柏看来，NLP就是让计算机懂得传情达意，通晓人类复杂而精妙的语言含义。只有当计算机具备了处理自然语言的能力时，机器才算有了真正的“灵魂”。
目前，NLP在机器翻译、文字识别、语音识别、语音合成、信息检索、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等场景中，都有广泛应用。
NLP的成功落地需要场景化
NLP的需求，无处不在，只要有语言出现的地方，就有NLP的用武之地。但通常无法简单概括NLP的需求，必须结合场景才能明确。像语音识别、人脸识别等应用，需求相对单一明确，与场景关联度低。例如语音识别是把语音转换成文字，无论转录、同声传译、对话场景，或是金融、教育等应用领域，需求是明确不变的。NLP需求的场景化，使NLP应用必须深入业务，只能针对具体场景具体定制，无法实现快速复制。这也是在NLP领域尚没有出现类似科大讯飞、商汤科技这样的独角兽公司的原因。
在石正柏看来，NLP技术的实际应用需要常识知识，而常识知识来源于具体的场景。常识知识包括两种，一种是通用知识，这些是普通人都掌握的知识。另一种是具体场景下的业务知识，例如催收场景下具体的催收流程、催收术语和催收话术等，这些是专业人员所拥有的专业知识，必须来源于场景。
具体场景下的业务知识，一般是由两类人掌握。一是具体业务人员，如一线催收人员，但他们只懂业务，而对技术了解甚少;一是提供行业解决方案的应用开发人员，如中腾信智能语音机器人的开发工程师，既懂业务，又懂技术，做到了二者的结合。而对一般NLP开发人员来说，场景业务知识是短板。这是很多NLP技术人员，甚至是高校和大厂的顶级专家，落地到具体场景应用下倍感挫折的原因。NLP应用的落地，一定要将NLP技术与场景的常识知识结合起来。
|
|
楼主