不成熟的 NLP 技术与人工智能结合，下一个“商机”在哪儿？

本篇文章7799字，读完约19分钟

雷锋。(公开号码:雷锋。根据人工智能和自然语言处理技术的结合，它不仅在高级互联网公司的战略中占有重要地位，而且创造了一大批具有强大生命力的创新型公司。人工智能和自然语言处理如何结合？这种组合的挑战是什么？如何克服这些挑战？未来有更大的机会吗？

在第二语言与智能技术高峰论坛的企业论坛上，Mobvoi创始人、百度自然语言处理部主任赵、奇点智慧创始人林、微软亚洲研究院副院长、中国科学院软件研究所研究员孙乐组成了企业圆桌论坛。中国科学院信息工程研究所研究生王斌主持了讨论。此外，他们还就学术界与工业界的合作以及自然语言处理技术的成熟与产品需求的匹配进行了深入的讨论。

(雷锋网注:从左到右，王斌，林，，孙乐，赵，刘丹，)

下面是和雷锋对话的内容记录。网站在没有改变初衷的情况下对其进行了编辑。

王斌:因为我来自nlp，每个做过自然语言处理的人都知道自然语言处理的内容很多，有些技术在后来的机器翻译中不是很成熟。那么，这项不成熟的技术是如何成为产品着陆的呢？事实上，这是我们的研究人员非常关心的一个问题。首先，知非谈到了这一点。中午，他提到他对这个问题有一些深刻的看法。

李志飞:我没有说我有深刻的见解，但我仍然有肤浅的见解。自然语言处理技术确实不是很成熟，所以我想如果我需要在产品中做，举两个例子。首先，技术对用户来说是非常必要的。

例如，在汽车上，如果你不使用语音与这台机器通话，那么当你开车时，我必须更改地址，或者我想在导航后更改音乐。因为用户此时没有其他方法，他可能不会对你的技术如此挑剔，他愿意学习它。如果他用手机做这个，他就不会来学习如何使用它。当他出现时，他会挑战他的机器的智商，他会表现得非常聪明，或者调情。但在这一点上，我认为因为他有这种需要，即使他花一些时间并学会适应，他可能会使用它。在智能汽车中，我们发现每天有10个活跃用户打开机器，可能有7个用户会使用语音进行交互。

坦率地说，这种自然语言处理或自然语言对话不能被视为最重要产品的最重要特征，而只能是一种噱头或锦上添花。换句话说，你必须构建另一个用户必须需要的产品。在此基础上，加上语音对话，有时他可以随时使用它，但如果他不想用，他就不需要它。但是要明白，这不是他付账的原因。

我认为这两个例子都是从产品的角度出发的，也就是说，第一个用户必须使用它们。第二种可能性是nlp技术在这里，而不是它是用户支付账单的最核心的体验。

林:是的，我们现在是语音助理。然而，自然语言处理技术的许多方面还不成熟。事实上，我们并不期望它是一项成熟的技术。也就是说，当你想通过使用，例如，解析或其他自然语言来分析结果时，你应该考虑这些会失败的因素，然后将它们与其他方法结合起来。

我们用不了多久就能制造出这种比纸非更自然的语言产品。现在，据说对于这个自然语言产品来说，一个很大的困难是很难确定用户的期望，也就是说，你能做的事情很少。如果你记下一张纸条告诉人们他们能为他们做什么，那就没有机会使用它了。另一个是你让用户觉得你可以做很多事情，但事实上，没有一个产品可以满足很多用户的需求，所以用户经常会很恼火。

我们使用一种方法来匹配用户对某个应用程序的期望，企业将对这些应用程序有所期待。

赵:我的第一点是，nlp技术可能很难说每一项技术都是真正成熟的。分词，包括林老师刚才提到的句法分析，可以说是比较成熟的，准确率也不低。虽然现在还很难说它已经成熟，但事实上，我们会发现大量的自然语言技术实际上已经应用到了产品中。

例如，当我们谈论翻译的时候，事实上，当谷歌那时上网翻译的时候，它还远没有成熟，现在它仍然在线，仍然被许多用户使用。今天，事实上，它的作用在不断成熟的过程中不断增加，但这并不意味着当它不成熟时，它不能在一定程度上帮助人们做某事。

另一个方面是我们的产品和技术如何互补。当技术不成熟时，就像说“人”这个词是一个一个支持的。事实上，我认为产品的技术是一样的。人工智能产品上的自然语言交互技术现在还不成熟，很多具体的技术都是围绕它设计的。然后，当我们使用它时，我们显然会遇到一个问题。基本上，我们不能用三句话来问，否则我们什么也不会做。

在这种情况下，产品和技术如何互补？正如林先生刚才所说，我们应该缩小和控制人们的使用期望，同时把技术的可能性保存到极致。我认为这是一个需要技术人员和产品人员解决的问题。

刘丹:我们最初是一个人工智能机器人，2012年在成都登陆。当时，我们估计有3-5个人能理解自然语言处理，包括分词和一些智能应用识别。

我们更注重结果。这相当于说这是一件不成熟的事情，你必须把它放到网上。通过在线演示，这是一个从不成熟到成熟再到成熟的过程。根据你对它的定义，我认为它相对不稳定。

然而，随着大数据的存在，包括许多消费者使用我们的智能产品，它将帮助我们的技术和产品做出修正和升级，并最终走向成熟。我认为这很重要。也就是说，我们所做的产品或项目肯定会给我们的消费者带来价值。否则，无论成熟还是不成熟，都没有这样的命题。

王斌:我们讨论的结果是，自然语言处理有一些不成熟的地方，但是我们可以把它和应用结合起来，找到一个平衡点。第二个问题是，这些年来，我们已经看到深度学习已经席卷了所有领域，包括自然语言处理。还有一个问题，这种语言学没用吗？

周明:根据我自己的理解，语言学家实际上在语言的许多任务中扮演着重要的角色。不要说得太早，写一本规则和语法词典。事实上，今天，语言和字典仍然有效。例如，情感分析词典实际上是由语言学家总结的。

还有一个标准系统，比如有多少种情感被分类。事实上，语言学家可能告诉我们的并不准确。对语言学家来说，帮助我们构建这个系统是一个盲点。

其次，语言学家制作的语言材料，如知识地图，可以帮助我们生成数据，以加强学习过程。

第三，语言学家可以做测试点，也就是说，做任何自然语言处理，有几个关键点必须衡量。然后语言学家给你写这种测试用例，甚至是基于语言点的系统，这可能比你的盲抽样测试更准确。

最后一点是，每个人都在通过大数据学习，但没有或很少建模和学习。正如语言学家可以提供相应的指导。我认为我们应该熟练地使用这些领域。

孙乐:我认为自然语言处理领域实际上是一门跨学科的学科，可能不仅需要语言学，还需要心理学、哲学和神经科学。例如，如果我们正在构建这个知识地图，我们正在见证和研究语言之间的一些关系。

事实上，你需要从这些哲学中理解自然语言理解的世界，我们需要从各种学科中学习一些新的经验。当我们每年学会组织这种报告时，我们特别邀请一些语言学家。其中一位老师谈到了一个词类，但他分析了十几种语言。

事实上，我认为在场的许多老师都受到了启发。我们在谈论汉语的特殊性。事实上，有许多特殊的语言。例如，还有一个来自认知科学。如果这位新的语言学家能够向我们揭示婴儿学习语言的过程，那将对我们有很大的帮助。

王斌:下一个问题是，一方面，企业有实际需求，有大量的数据和计算环境。然而，研究团体也有很多资源。如何实现学术界和工业界的双赢？

林·:实际上，现在说深层次学习如此重要的是工业阶级，但它来自学术界，却被学术界忽视了。只有少数学者坚持了几十年。学术界的研究不同于工业界的研究。在工业界，有一个时间表。即使在谷歌的研究部门，也有压力要问这是否与当前的产品相关。产品部门尤其如此，它基本上是按季度计算的。

如果你在学术界做研究，你通常依靠你自己的信念和兴趣，不管你最终是否像深入学习一样成功，只要你喜欢这个过程，就会有人去做。

李志飞:我以前做过一些研究，然后我开始了自己的生意。不久前成立了一个联合实验室，但当时我想谈谈如何把企业和学校的研究联系起来。在美国，有这样的夏季访问，但总的来说，他们没有取得特别好的效果。

我认为中国的情况更糟。我不认为百度有这样的计划来教授夏季访问。当时我想探索的模型是什么？也就是说，我特别想带这些博士生或教授来我们公司呆一个月或两周。首先，熟悉我们的系统，从内部单元中取出几个模块，然后了解每个模块是如何插入的。

我的目标不是让这些老师或学生自己做我们的系统，但我认为他可以先理解这件事，然后再回到学校。他甚至将问题抽象化，然后思考他所做的研究如何与我们的系统相关联，或者他如何插入一些算法。最后，有些东西将被直接放入我们的系统。我认为这是最好的模式。

但这可能不那么容易，因为许多学生压力很大，而且系统代码太复杂，所以他可能两天后就看不到了。但我认为这真的是一个核心问题。如果我们能理解这个系统，然后抽象出问题，我们就能想出一个新的想法，然后这个想法就能被应用到我们的产品中。然而，在过去，如果你在学术上做一些演示，你不能写你自己的应用程序，并且你没有它的背景，所以你根本不能做演示。

事实上，我们第二天一做就能看到，所以我想如果我们能以这种方式做，你刚才提到的数据，想法或者人才成本，其实这些都不是什么问题。

赵:刚才，知非提到了教授的访问计划。百度实际上有它，包括年轻学者访问百度，通常几个月，但也超过半年，然后做了一些研究成果，有助于公司的许多方向，更不用说实习生。

现在还有另一个问题，那就是数据共享，所以我记得每次我参加像专题小组这样的会议时，都有这个问题。这就是为什么你不发布数据，也不分享数据。你有这样的责任和义务。事实上，对于一个企业来说，它有义务为用户服务，为用户的数据保密，并谨慎使用它们。

这些数据能否在合理、合法、适当的范围内与学术界共享，我认为作为一个企业，也应该考虑一下。事实上，我们之前说过，我们要么不分享，要么强调分享的全部。但我能保证有一个更安全、更合理的方法吗？我们说每个人的研究都是可用的，甚至一些开发人员的开发也是可用的。另一方面，我们对用户是安全的，能够履行保护用户隐私和数据的责任。

让我给你举个例子。例如，我们也在讨论一些方法。今年，我们为开发者开放了一个平台，这是为了语言理解和交互技术。然后我们意识到仅仅依靠技术是不够的。尤其是像理解交互一样，没有数据我们无法做到，所以有一种方法可以让我们在平台上提交小规模和小规模的数据。

有了这些数据，我们可以通过语义计算从百度大数据中自动选择一些与你的数据最相似的数据，甚至选择与你最容易出错的数据最相似的数据。然后这些数据被提供给我们的开发人员来制定标准。在这个过程中，它实际上变成了一种数据。我会给你所有最相似和有用的数据。当然，这个前提是我们保证这些数据不会构成对用户隐私的侵犯。这样，我们希望达成更好的妥协。

刘丹:事实上，JD.com在大学里也有一些合作，包括与国内外大学建立一些联合实验室，做一些项目，包括做一些与深度学习相关的算法研究。但更重要的是，这些模型来自学术界的一些新论文或新观点，这是每个人都能看到的。

数据的问题，这个安全性非常重要，包括京东用户家中的数据，这是高质量的。因此，这对我们非常重要。然后我们在做深入的学习，包括相关算法的改进。这是数据。如何向您提供？学生们可以加入我们，这些数据可以作为一个整体向他开放。但是对于外面的人，我想我们可以借用一下。

我们可以找出一些相关数据，做一些数据透明，并挖出他的用户信息，电话号码和其他相关信息。这样，它可以用来做一些培训，包括制定一些标准和评估未来的发射。用户认为这没问题。现在我们有了一个平台让建模者来做这项工作，这个平台在很多领域都有涉及。将来，如果有一些人对聊天机器人感兴趣，他们可以做一些讨论。

王斌:众所周知，人工智能现在非常流行。7月20日，我国国务院发布了新一代人工智能计划。这件事对我们有多重要？

周明:首先，我想说的是，人工智能的春天已经到来，它为每个人提供了巨大的机遇，包括政府对产业知识结构的支持，而且机遇无穷无尽。这也是本次峰会的目的，就是提供一个交流的平台，让每个人都能茁壮成长。

第二，我们应该有一个清醒的头脑。这并不意味着在一群人中一切都会有效，然后每个人都会变得富有。只有像李志飞这样有远见和商业头脑的人才有机会超越他们。

例如，在研究中，你不能一边观察别人一边进行深度学习，所以如果你也这样做，就不会有超越。我总是在想，当别人做某事时，你能停下来吗，或者只是想，如果我是他，我下一步该做什么？这应该能够很好地找到一些新的机会。

作为在校学生，我们实际上应该做一些有益的研究，并及时与学术界的需求取得联系。我们不能只是在书中反复阅读这个参数，主要是抄袭文章。因此，如果我们能很好地展示我们的雄心，这将是中国直到2030年的一个好机会，也将是每个人学习和做生意的机会。

孙乐:这是因为很多院士花了很长时间呼吁国家做好安排。从我国的国情来看，政府出台一个文件，然后上一级仍然是非常重要的。这对我们来说是一个非常好的机会。那么我非常同意周明老师所说的。做研究时，你仍然需要冷静地看。也就是说，在每个人都变热之后，每个人都会进行问答。你会跟随潮流进行问答吗？

那么，从这个研究的角度来看，政府政策的目的是刺激经济。其根本目的是，人工智能是我国产业转型的关键。从我们的研究来看，只有当技术能够找到一个着陆点时，它才会得到更多的指示。

李志飞:就我个人而言，我不喜欢这种资源倾斜或任何事情。事实上，任何技术，尤其是人工智能，都必须有自己的周期规律。如果我们想依靠政府的支持或资金来成熟这个行业或一些企业，我认为这是一个比较的事情。所以我不希望我们得到任何国家援助。我从来没有这样想过。

我认为对于一个非常商业化的企业来说，在市场上有竞争力是件好事，而不是依赖政府补贴、资源倾斜或给你开绿灯。我认为这将失去企业家精神的精髓，当然我这样说也没用。我认为中国政府最应该做什么？是创造一个公平的创新环境，首先，我认为大战略是非常好的。我的意思是，它不应该给某些企业或学者(我认为这是可以的)，但大部分的钱应该是建立一个创新的机制和环境，然后让每个人公平竞争。

因为如果不是这样，就会有很多投机者，他们每天都会和政府联系，做一些虚假的事情。事实上，过去很多事情都是这样的，所以我认为最重要的是，这笔钱应该用于创造一个创新的环境，而不是倾斜某一个行业或企业，让很多投机者参与政府关系。

赵:中美两国实际上都发布了重要的人工智能国家战略计划。事实上，我认为这是因为我国已经看到了这个方向的意义，包括许多人已经进入了一个新的时代，从农业社会到工业社会，从信息社会到今天的智能社会。我认为事实上，在智能社会中，只有中国和美国可能胜出，而其他国家可能会逐渐落后，无论是他的整个人才储备还是数据储备。

有人说，在人工智能的新时代，数据是一种新能源，特别是在中国，它有如此多的人口基数和如此密集的数据。它在人工智能方面有更多的优势，所以它有非常好的基础设施，并且拥有比美国更好的条件和资源储备。这对我们来说是一个很好的机会。同时，我认为随着国家的推广，客观地讲，它肯定会对中国人工智能的发展起到强大的推动作用。

王斌:最后一个问题，你认为语言和智力结合的下一个突破是商业机会还是技术突破？

林:很多人说深度学习在自然语言方面没有取得很大的突破，但我认为这个方向还是有可能的。因为，从我们公司自己的深度学习和语义识别中，我们可以看到这种深度学习仍然是惊人的。然而，如果我们使用计算机语言，并且不认真思考，它可能会成为未来的一个负担。

李志飞:我会从应用的角度来看它。事实上，在计算层面，整个世界在过去的五年里发生了翻天覆地的变化。部分模式识别，如语义识别，已经被广泛使用，无论是初创公司还是大公司都在这方面投入了大量资金。但我认为，现在可能是时候理解过去移动时代各种传感器收集的数据了，也就是说，将自然语言理解和知识地图与物理世界结合起来。我认为从应用层面和学术层面来说，这都是最重要的。

今天，自然语言的交互或理解是如此之差，因为我们没有模拟直觉和物理事件，我们的知识基础非常有限。

在未来，计算机怎样才能有直觉，怎样才能更好地完成这个物理世界的知识建模？然后，我们如何从文本信息中看到一些东西，但是一些推理和直觉可以结合起来，最终我们可以更好地理解整个计算机世界。

孙乐:我认为对自然语言的理解已经发展了很多年。事实上，到目前为止，我们还没有一个清晰的理论体系或建模公式。这就像说我们的目标是设计飞机，但事实上我们没有空空气动力学原理。因此，我认为我们未来的突破可能在于从语言的认知机制中找到这样一个“空空气动力学原理”。这可能会实现。只有这样，我们才能真正在语言和智力方面取得突破。

赵:我想可能有两个方面。第一个方面是，随着应用程序的不断扩展，我们实际上会发现许多新的nlp问题。例如，纠错，假设语音立即与自然语言相连，而这种纠错能力在中间是很难解决的，包括语音翻译，那么如何解决这个问题呢？事实上，这是一个新问题，包括我是否是端到端语义，或者我们是否是级联的，但是中间有新的问题和解决方案。这是一方面，也就是说，我们在应用中发现新的问题。

另一件有趣的事情是，事实上，人工智能的发展在许多领域都是齐头并进的，包括语音、图像和视频，这是发展的第一阶段。那么，如何将这些发展方向结合起来进行研究呢？例如，也有一种叫做多模态的自然语言处理，也就是说，我如何使用图片信息理解来帮助语言理解？反之亦然，这是一个联合优化的过程。

刘丹:让我简单说一下，我认为人工智能应该做好这件事，未来的发展方向更重要的是回馈给每一个用户，用我们的生命创造真正的价值。不管你有多喜欢，它都不能给用户带来价值，但它应该是一项无用的技术。包括我们现在在做客服机器人的事实，如果我们不能为消费者解决问题，我们只会做一些不相干的事情，我们未来的发展将会遇到一些大的瓶颈。

因此，未来如何解决人工智能问题，对消费者和生活中的每一个环境都有好处，可以降低成本，提高效率，给我们的整个生活带来更多的便利。我认为这是人工智能需要考虑的主要方向。

周明:我认为在研究和应用方面都有机会回答这个问题。在研究中，我们认为“交叉”一词是语言和多模态的结合。例如，语言与视频和图像相结合。当我们寻找自然语言和图像时，它们都有自己的局限性。如果有人先走，这可能是一个新的机会。

第二，神经网络和知识的结合也是符号和网络的结合。正如李航先生所说，我们可能知道我们应该好好讨论一下。如果我们应该，事实上，我们使用自然语言，许多搜索引擎使用自然语言。像今天的头条新闻一样，新闻聚合是一种应用。

那么未来自然语言的最大机会在哪里呢？有人说很多，有人说语音助理，这些东西真的很难说。但我认为机器翻译可能会催生一个公司，许多更大的公司。然而，和林不一定同意，说机器翻译不利于赚钱。然而，我认为对于一个大公司来说，想为机器翻译做好准备是很有可能的。

但我想在这里提到的是所谓的商业智能。也就是说，自然语言应该放在大数据的环境中。它是分析自然语言的数据。bi完成并对数据进行分析后，就可以投入这项业务。例如，法律咨询、医疗保健和教育可以广泛使用。但是在那个应用程序中，其他人真的不知道它背后有自然语言技术。因此，我认为将自然语言作为一种无形的技术，并将其整合到许多垂直用户的痛点中，可能是一些问题的答案，也是产品化的机会。

雷锋原创文章。严禁擅自转载。详情请参考转载说明。