隨著人工智能的進步 越來越多的技術(shù)都融入了機器學(xué)習(xí)及深度學(xué)習(xí)技術(shù)

人工智能（AI）正在改變我們對待世界的方式。 AI“機器人”無處不在。從我們的手機到亞馬遜的Alexa等設(shè)備，我們生活在一個被機器學(xué)習(xí)所包圍的世界里。谷歌，Netflix，數(shù)據(jù)公司，視頻游戲等都使用人工智能來梳理大量數(shù)據(jù)。最終結(jié)果是洞察力和分析，否則將是不可能的或需要太長時間。

毫無疑問，各種規(guī)模的企業(yè)都注意到大公司在人工智能方面取得的成功并加入其中。然而，并非所有AI在商業(yè)世界中都是平等的。某些形式的人工智能比其他形式更有用。

今天，我正在談?wù)撘环N叫做自然語言處理（NLP）的東西。它是一種人工智能，專注于分析人類語言，以吸取見解，創(chuàng)建廣告，幫助您發(fā)短信（是的，真的）等等。

但為什么是自然語言處理？

NLP是一種新興技術(shù)，可以驅(qū)動您過去常?？吹降母鞣N形式的AI。我之所以選擇專注于這項技術(shù)，而不是像基于數(shù)學(xué)的分析的人工智能，是因為NLP越來越大的應(yīng)用。

這樣想吧。人類每天都會說成千上萬的其他人解釋的詞來做無數(shù)事。它的核心是簡單的溝通，但我們都知道單詞比這更深入。我們從某人所說的一切中得出了一個背景。他們是否用他們的肢體語言暗示某些東西，或者他們多久提到一些東西。雖然NLP并不專注于語音變形，但它確實利用了語境模式。

這是它獲得價值的地方。讓我們用一個例子來說明在實際情況下使用NLP的強大程度。當(dāng)你在iPhone上打字時，就像我們很多人每天都在做的那樣，你會根據(jù)你輸入的內(nèi)容和你當(dāng)前正在輸入的內(nèi)容看到單詞建議。這是自然語言處理的動作。

這是一件小事，我們大多數(shù)人都認(rèn)為理所當(dāng)然，多年來一直認(rèn)為這是理所當(dāng)然的，但這就是為什么NLP變得如此重要?，F(xiàn)在讓我們將其轉(zhuǎn)化為商業(yè)世界。有些公司正試圖決定如何最好地向用戶做廣告。他們可以使用Google查找用戶在搜索其產(chǎn)品時輸入的常用搜索字詞。

然后，NLP允許將數(shù)據(jù)快速匯編成與其品牌明顯相關(guān)的術(shù)語以及他們可能不期望的術(shù)語。利用不尋常的條款可以使公司有能力以新的方式進行廣告宣傳。

那么NLP如何運作？

如上所述，自然語言處理是一種分析人類語言的人工智能。它采用多種形式，但其核心技術(shù)有助于機器理解，甚至與人類語言交流。但理解NLP并不是最簡單的事情。這是一種非常先進的AI形式，它最近才變得可行。這意味著我們不僅仍然在學(xué)習(xí)NLP，而且還很難掌握。

我決定在外行的任期內(nèi)打破NLP。我可能不會觸及每個技術(shù)定義，但接下來是了解自然語言處理如何工作的最簡單方法。

NLP的第一步取決于系統(tǒng)的應(yīng)用。基于語音的系統(tǒng)（如Alexa或Google智能助理）需要將您的單詞翻譯成文本。這是通常使用隱馬爾可夫模型系統(tǒng)（HMM）完成的。

HMM使用數(shù)學(xué)模型來確定您所說的內(nèi)容并將其轉(zhuǎn)換為NLP系統(tǒng)可用的文本。以最簡單的方式，HMM收聽您的語音的10到20毫秒的剪輯，并尋找音素（最小的語音單位）與預(yù)先錄制的語音進行比較。接下來是對語言和語境的實際理解。每個NLP系統(tǒng)使用略有不同的技術(shù)，但總的來說，它們非常相似。系統(tǒng)試圖將每個單詞分解為其詞性（名詞，動詞等）。

這是通過一系列編碼語法規(guī)則實現(xiàn)的，這些規(guī)則依賴于包含統(tǒng)計機器學(xué)習(xí)的算法，以幫助確定您所說的內(nèi)容。

如果我們不是在談?wù)撜Z音到文本的NLP，那么系統(tǒng)只是跳過第一步，直接使用算法和語法規(guī)則分析單詞。最終結(jié)果是能夠以多種不同方式對所述內(nèi)容進行分類。根據(jù)NLP軟件的基本焦點，結(jié)果以不同的方式使用。例如，SEO應(yīng)用程序可以使用解碼的文本來提取與特定產(chǎn)品相關(guān)聯(lián)的關(guān)鍵字。

語義分析

在解釋NLP時，分解語義分析也很重要。 它與NLP密切相關(guān)，甚至可以說語義分析有助于形成自然語言處理的支柱。

語義分析是NLP AI如何在邏輯上解釋人類句子。 當(dāng)HMM方法將句子分解為其基本結(jié)構(gòu)時，語義分析有助于該過程添加內(nèi)容。例如，如果NLP程序查看單詞“dummy”，則需要上下文來確定文本是否指的是將某人稱為“虛擬”，或者是否指的是類似汽車碰撞“虛擬”的內(nèi)容。

如果HMM方法分解文本并且NLP允許人與計算機之間的通信，則語義分析允許所有內(nèi)容在上下文中有意義。如果沒有語義分析師，我們幾乎不會擁有我們喜歡的人工智能水平。 隨著流程的進一步發(fā)展，我們只能期望NLP受益。

NLP以及更多

隨著NLP的發(fā)展，我們可以期待看到更好的人類與AI的互動。 Google的助手和亞馬遜的Alexa等設(shè)備正在進入我們的家庭甚至是汽車，這些設(shè)備正在顯示人工智能將繼續(xù)存在。

未來幾年應(yīng)該會看到人工智能技術(shù)的增長更多，預(yù)計到2025年全球人工智能市場將增加600億美元。 不用說，你應(yīng)該關(guān)注AI。

隨著人工智能科技的進步，越來越多的技術(shù)都融入了機器學(xué)習(xí)及深度學(xué)習(xí)技術(shù)。在Google I/O 2018大會上，谷歌為全世界詮釋了什么叫做AI產(chǎn)品。其中。谷歌的開源計劃--AIY Projects（AIY計劃）受到了在場開發(fā)者的關(guān)注，其目標(biāo)是讓每個Maker（創(chuàng)客）都能DIY自己的 AI 人工智能產(chǎn)品，讓更多人能學(xué)習(xí)、探索并體驗人工智能。