什麼是「自然語言處理」？它到底在「處理」些什麼？

「自然語言處理」 (Natural Language Processing，簡稱NLP) 是近年來科技界最熱門的詞語之一，也是當下人工智能研究最熱門的領域之一。自然語言處理推動着語言智能的持續發展和突破，並越來越多地應用於各個行業。正如國際知名學者周海中先生曾經所言：「自然語言處理是極有吸引力的研究領域，它具有重大的理論意義和實用價值。」

那麼，NLP究竟是什麼？ 它到底在「處理」什麼？這些問題值得人們探討和關注。所謂NLP，是計算機科學領域與人工智能領域中的一個重要方向；它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。NLP主要應用於機器翻譯、語音識別、知識回答、自動摘要、輿情監測、觀點提取、知識庫構建、文本語義對比、深度學習算法、語音識別與合成等方面。因此，NLP有着十分重要的實際應用意義，也有着革命性的理論意義。

實現人機間自然語言通信意味着要使計算機既能理解自然語言文本的意義，也能以自然語言文本來表達給定的意圖、思想等；前者稱為自然語言理解，後者稱為自然語言生成。因此，NLP大體包括了自然語言理解和自然語言生成兩個部分。因為處理自然語言的關鍵是要讓計算機「理解」自然語言，所以通常把自然語言理解視為NLP, 也稱為計算語言學。它的終極目標是用自然語言與計算機進行通信，使人們可以用自己最習慣的語言來使用計算機，而無需再花大量的時間和精力去學習不很自然和習慣的各種計算機語言。

NLP是人工智能中最為困難的問題之一。美國微軟公司創始人比爾·蓋茨先生曾經表示，「語言理解是人工智能領域皇冠上的明珠」。前微軟公司全球執行副總裁沈向洋先生也在公開演講時說：「懂語言者得天下……下一個十年，人工智能的突破在自然語言的理解……人工智能對人類影響最為深刻的就是自然語言方面」。由於理解自然語言需要關於外在世界的廣泛知識以及運用操作這些知識的能力，所以NLP也被視為解決人工智能完備(AI-complete)的核心問題之一。

NLP的基本任務包括正則表達式、分詞、詞法分析、語音識別、文本分類、信息檢索、問答系統——如對一些問題進行回答或與用戶進行交互——機器翻譯等；常用的模型則有馬科夫模型、樸素貝葉斯、循環神經網絡等。NLP要使用語言知識，如UNIX的wc程序可以用來計算文本文件中的字節數、詞數或行數；當用它來計算字節數和行數時，wc只用於進行一般的數據處理，但當用它來計算一個文件中詞的數目時，就需要關於「什麼是一個詞」的語言知識，這樣，這個wc也就成為了一個NLP系統。

無論實現自然語言理解，還是自然語言生成，都遠不如人們原來想象的那麼簡單，而是十分困難的。從現有的理論和技術現狀看，通用的、高質量的NLP系統，仍然是較長期的努力目標，但是針對一定應用，具有相當NLP能力的實用系統已經出現，有些已商品化，甚至開始產業化。典型的例子有：多語種數據庫和專家系統的自然語言接口、各種機器翻譯系統、全文信息檢索系統、自動文摘系統等。NLP系統的算法是基於機器學習，特別是統計機器學習；許多不同類的機器學習算法已應用於NLP任務。

深度學習在NLP中的應用非常廣泛，可以說橫掃NLP的各個方面，從底層的分詞、語言模型、句法分析等到高層的語義理解、對話管理、知識問答等方面幾乎都有深度學習的模型，並且取得了不錯的效果。有關研究已從傳統的機器學習算法轉變成更有表現力的深度學習模型，如卷積神經網絡和回歸神經網絡。不過，目前的深度學習技術還不具備理解和使用自然語言所必需的概念抽象和邏輯推理能力，還有待今後進一步的研究。

總而言之，隨着互聯網的普及和海量信息的湧現，作為人工智能的核心技術，NLP正在人們的工作、學習、生活中扮演着越來越重要的角色，並將在社會發展和科技進步的過程中發揮越來越重要的作用。