**
自然语言处理与我的ee专业*
自然语言处理对于我来说是一个极其陌生的概念,为此我去好好了解了一番。
自然语言处理,即使机器能与人类语言沟通,理解人类语言指令。让机器能够听懂人类的语言(不需要编码指令),进而与人类沟通和互动,最终使机器“独立思考”并形成解决方案。
我同时去了解了一下他的原理:狭义地讲,利用计算机进行语言分析的研究是一门语言学与计算机科学的交叉学科,学术界称之为“计算语言学”(Computational Linguistics),或者是“自然语言处理”(Natural Language Processing, 缩写:NLP)。如果将程序理解为“数据结构+算法”,那么NLP可以类比的理解为“语言学范畴+计算模型”。其中,语言学范畴是指由语言学家定义的语言学概念和标准(如词、词性、语法、语义角色、篇章结构等),NLP处理的任务大多来源于此;具体实现的计算模型或算法通常由计算机学家研制。
按道理,ee专业的学生转AI是最有优势的。
一、摆事实。
以人工智能的核心分支——机器学习——为例,好多牛人,如深度学习大牛杨立昆(Yann LeCun)学的ee专业,贝叶斯非参技术及概率图模型大牛迈克尔.乔丹(Michael I . Jordan)是ee专业博导,他的得意门生、深度学习大牛吴恩达(Andrew Ng)、邢波( Eric Xing)都是ee专业博士毕业,其中,吴恩达在Stanford继续教ee,邢波在CMU教机器学习。ee专业转深度学习简直不要太容易好不?学电气工程的,数理功底(微积分、线性代数、概率论)应该是小case,关键是ee们的编程能力、工程能力应该是绝对的优势。人工智能历来被认为是ee的一个分支好不?我觉得ee们转AI简直分分钟的事。
二、讲道理。
EE转AI之所以容易,是因为AI本质上是一个电气工程问题。AI好使的地方,都是问题定义良好、容易求解(解析或数值)、数据友好型的领域,AI失灵的地方,都是非结构性的问题。特别是一旦涉及价值判断、道德评判的内容,AI基本上无能为力。因此,AI是一门工程学而不是科学,更不是博雅之学。牢牢把握住AI的工程学本质,才不至于在学习中偏离了主流、以至于不务实不落地。从问题是否定义良好评判,目前AI中的控制问题基本上被解决了,规划(问题求解)问题解决了一大半,学习问题解决了一小半,但推理问题才解决了百分之一(现有的逻辑推理引擎只能适用于少数几类问题,而且扩展性、稳健性都非常差)。原因就是,控制是更成熟的电气工程问题(控制技术及部分规划技术已经广泛应用在航线调度、交通调度、地铁系统、…,可以认为控制问题与特定领域的规划问题已经得到解决),而学习和推理(特别是推理,如语义推理)在传统EE中研究得不充分,而不充分的原因恰恰在于这些问题不容易定义,不是“低垂的果实”。
我们学习了很多语言,C,C++,java,MATLAB等等,这些语言被充分结合到计算机科学中。大学学的课程包含了计算机科学与技术,恰恰选择学习自然语言处理能更好的走向AI,走进深处。