9102年了，代沟又有了新的定义，比如，你和妈妈对“潮”的理解：
「潮」字引发的歧义对我们而言是个有趣的段子，但对研究人员来说，这是现实中需要克服的问题。
无论是Siri、小爱同学、智能家居、伴读机器人、谷歌/百度翻译，想要良好运行，完成对话、翻译、执行任务的使命，都必须理解人类的语言。
文本理解有多难？
歧义、多义、断句、识别名词，要想正确的理解文本内容，毫无疑问必须具备英文八级、中文十级的水平：
˙﹏˙ → 宝宝的经纪人睡了宝宝的宝宝，宝宝不知道宝宝的宝宝是不是宝宝的亲生的宝宝，宝宝的宝宝为什么要这样对待宝宝！
˙﹏˙ →论标点符号的重要
˙﹏˙ → 评论里都是大佬系列
˙﹏˙ →
A：你的公司叫什么名字？
B：宝鸡有一群怀揣着梦想的少年&ノ¢？/&......
A：我问你公司名字
B：宝鸡有一群怀揣着梦想的少年相信在牛大叔的带领下&ノ¢？/&......
A：深井冰！
˙﹏˙ →林俊杰：？？？？？╯▽╰
˙﹏˙ →
去年有位同学
把上传一卡通照片理解为：
上传一“卡通”照片
传了个奥特曼上去
希望今年不要再有此事了
这也不仅限于汉语，英语也一样：
˙﹏˙ →
I am a Huge Metal Fan
一层意思指，我是个金属大电扇，
另一层意思也指，我是个重金属乐迷。
进击的NLP
尽管比尔·盖茨在多年前就曾说过「语言理解是人工智能皇冠上的明珠。自然语言处理的进步将会推动人工智能整体进展。」
但是由于难度系数过高，这么多年过去了，自然语言理解至今却依然存在较高的错误率。
MIT的刘群教授苦中作乐，在微博开了一个#自然语言理解太难了#话题，至今已有500万热度。
该领域的学生们也是苦不堪言：
苹果的Siri是最多人接触的人工智能了，可如今仍然会时刻转变成人工智障。
以上这些语句，人类理解起来尚且费力，要想让机器来搞懂意思，更是难上加难啊。
不过，困难从来不能组织科技前进。机器学习的能力，也愈发不容小觑。
比如这句：「 我也想过过过儿过过的生活。」
清华的刘知远老师用Stanford Parser测试的结果看来，除了“过儿”这个名词实体识别失败，其它还是很不错：
我/PN 也/AD 想过/VV 过过/VV 儿/NN 过过/VV 的/DEC 生活/NN 。
用哈工大模型跑出来更好，已经可以非常准确的识别出主体，句子分词也很不错：
还有这个新闻频道的经典场面：
在百度、谷歌翻译上的结果表现都非常好。
谷歌翻译结果
百度翻译结果
随着深度学习的爆发，CNN、RNN、LSTM 的出现，让NLP又有了全新的发展。到了2019年，使用 Transformer的 BERT 和 GPT-2 表现更是引爆业界。
可以预见，NLP在未来几年将步入快速发展阶段。
最后，我们一起来看看纪晓岚的鬼才编剧们，怎么玩转NLP谐音梗的～
392
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
