NLP技术高质量文章伪原创工具

Posted 2021-04-28 今日奇闻杂谈

NLP技术高质量文章伪原创工具

人工智能与自然语言处理技术的结合不仅在高级互联网公司的战略中占有重要地位，而且还创造了大量创新和创新的公司。人工智能和自然语言处理如何结合起来？这种组合有哪些挑战？如何克服这些挑战？将来有更大的机会吗？小发猫NLP文章伪原创工具发展如何？

以下是对话的记录，猫网络做了没有改变初衷的编辑。

Microsoft AI：小发猫NLP伪原创目前并不完美，目前只能在某些领域里使用，因为我原来是一个NLP出生的人，我知道自然语言处理在自然语言处理中有很多内容。在后一种机器翻译中，一些技术还不是很成熟。那么这种不成熟的技术如何成为产品登陆？事实上，这是我们的研究人员非常关注的一个问题。首先是谈谈智飞。中午，他提到他对这个问题有一些深刻的看法。

小发猫NLP伪原创

Apple AI：我没有说我有深刻的看法，但我仍然有一个非常浅薄的观点。自然语言处理技术还不是很成熟，所以我想如果我需要在产品中做，请举两个例子。首先，技术对用户来说确实是必要的。

另外一个，谈谈这个NLP或自然语言对话，你不能用它作为最重要产品的最重要特征，你只能拉扯一个噱头或成为锦上添花。换句话说，您必须构建用户必须的另一种产品。在此基础上，加上语音对话，有时候他想用它，不想用它。但要明白，他并没有为此付出代价。

我认为这两个例子是我自己从产品的角度来看的，这是第一个用户必须使用的。第二种可能性是这种NLP技术在这里，而不是它是用户支付账单的最核心体验。

Apple AI：是的，我们现在是一名语音助理。但NLP技术并不太成熟，但我们并不认为它是一种成熟的技术。也就是说，如果您想使用解析或其他自然语言分析结果，您将考虑这些因素失败，然后将它们与其他方法结合起来。

使用解析或其他自然语言分析

我们做这种自然语言产品，我们没有很长时间飞行。现在，经验是，对于自然语言产品来说，一个很大的难点是用户的期望很难确定，也就是说，你可以做很少的事情，记下来。告诉人们他们可以为他们做些什么，然后没有机会使用它们。另一个是你让用户认为你可以做很多事情，但事实上没有一种产品可以满足用户的需求，所以用户往往很生气。

我们使用一种方法将Match用户期望值转换为应用程序，企业将对这些应用程序有一些期望。

Apple AI：我的第一个观点是，NLP技术很难说每项技术都非常成熟。林先生也说，分词可能是成熟的，包括解析。现在准确率不低。虽然现在仍然很难说它已经成熟，但事实上，我们会发现这些大量的自然语言技术实际上都在产品中。其中也有很多用途。

人工智能产品本身的自然语言交互技术

举个例子，我们来谈谈翻译。事实上，当谷歌当时在线翻译时，它还远未成熟。它仍然在线，仍然被许多用户使用。今天，它实际上处于不断成熟的过程中，其作用在不断增加。但这并不意味着当它不成熟时，它无法帮助人们在某种程度上做某事。

还有另一个方面。我们的产品和技术如何相互补充？当技术不成熟时，似乎“人”一词得到一个词的支持。事实上，我认为该产品的技术是相同的。人工智能产品本身的自然语言交互技术现在还不成熟，围绕它设计了许多特定的技术。然后，当我们使用它时，我们显然会遇到问题。基本上，我们会要求三句话，否则我们什么都不会做。

在这种情况下，产品和技术如何相互补充？正如林先生所说，缩小和控制人们对使用的期望，同时将技术的可能性恢复到极致。我认为这是一个需要技术人员和产品人员共同努力寻找解决方案的问题。小发猫AI+：2012年我们一直在成都做人工智能机器人。当时我们还估计有3-5人可以理解NLP，包括用于智能应用识别的分词、。

产品更注重结果。相当于说它是一个不成熟的东西，你必须把它推到一线。通过在线论证，直到成熟，它从不成熟到成熟，看看你如何定义它，我认为它是相对不稳定的。

产品进行修正和升级

但是现在通过大数据的存在，包括许多消费者使用我们的智能产品，他将帮助我们的技术对、产品进行修正和升级，并最终成熟，我认为这非常重要。也就是说，我们制造的产品或项目无疑为我们的消费者带来了价值。否则，无论是成熟还是不成熟，都没有这样的命题。

Microsoft AI：大家讨论的结果是NLP上有一些地方不成熟，但与应用程序相结合才能找到平衡点。第二个问题是，从这些年开始，每个人都看到了包括NLP领域在内的所有领域的深度学习。所以有一个问题是，这种语言学是无用的吗？

Microsoft AI：我自己的理解是，语言学家在许多语言任务中发挥了非常重要的作用。毋庸置疑，在早期，写出规则、语法词典。事实上，今天的语言和字典仍然有用。例如，情感分析词典实际上是一位帮助他总结的语言学家。

还有一个标准的系统，比如有多少种情绪，实际上，语言学家可能会告诉我们不那么准确，语言学家帮助我们开发一个系统，这是一个盲点。

其次，语言语料库，如知识地图，可以帮助我们生成数据，以加强学习过程。

第三是语言学家可以做测试点，即进行任何自然语言处理，有几个关键领域必须要测量。然后语言学家为您编写此测试用例，甚至是基于语言点的系统，这可能比您的盲样测试更准确。

最后一个是现在所谓的通过大数据学习，但很少或没有建模和学习。只有语言学家才能提供适当的指导。我认为应该巧妙地使用这些领域。

Apple AI：我认为自然语言处理领域实际上是一门跨学科的学科。它可能不仅需要语言学，还需要心理学、哲学，这需要神经科学。例如，如果我们正在构建这个知识地图，我们正在目睹研究语言之间的某些关系。

事实上，你需要从这些哲学中理解自然语言理解的世界。我们需要学习各种学科的一些新经验。我们学习在每年组织此类报告时特别组织一些语言学家。其中一位老师讲了一段时间，但他分析了十几种语言。事实上，我觉得很多老师都有很多灵感。我们在谈论中国人的特殊性。事实上，有许多特殊语言。还有另一个例子，例如来自认知科学，如果有这样一位新的语言学家可以揭示婴儿学习语言的过程，那对我们来说是一个非常大的帮助。

Microsoft AI：下一个问题是，一方面，公司有真正的需求，大量的数据和计算环境。但是，研究界也有很多资源。如何实现学术界与工业界的双赢？

Apple AI：实际上，现在人们说深度学习对于工业阶层来说非常重要，但它来自学术界并且在学术界从未被重视过。几十年来，只有少数学者坚持这样做。学术界与行业不同。该行业有一个时间表。即使是谷歌的研究部门，也会询问这是否与当前产品有关。在产品部门更是如此，这基本上按季度计算。

如果你在学术界做研究，你通常依赖自己的信念、兴趣，无论它是否像深度学习一样成功，只要过程更喜欢，有人会这样做。

Apple AI：我之前做过一段时间的研究，开始了我的业务。不久前建立了一个联合实验室。事实上，我想说如何将公司与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，它没有取得特别好的效果。

我在中国感觉更糟。我不认为百度可能有这样的计划来教夏游。我当时想要探索的模型是什么？我特别想让这些博士生或教授带我们的公司呆一个月或两个星期，先熟悉我们的系统，从单元内部取一些模块，然后了解每个模块可能在里面。如何插入它。

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个，然后回到学校，他甚至抽象出问题，然后考虑他正在做的研究。我们如何与我们的系统建立联系，或者他如何插入一些算法。最后，有些东西直接直接放在我们的系统中。我认为这是最好的模式。但这可能不是那么容易，因为很多学生都承受着很大的压力，系统代码太复杂了，他可能连续两天都没看。但我认为这确实是一个特殊的核心问题。如果您能够理解系统然后抽象问题，那么这个可以提出一个新的想法，然后可以将Idea放在我们的产品中。但在过去，我在学术上做过一些演示，我自己无法编写应用程序，而且我没有背景。我根本看不到它。

我们实际上可以在第二天看到它，所以我认为如果我们能以这种方式做到，事实上，你刚才说的数据是好的，理念或人才成本是好的，事实上，这些都不是什么问题。

Apple AI：刚才，Zhifei提到了教授的访问计划。百度实际上有一些，包括访问百度的年轻学者。它通常需要几个月，而且已经超过半年。然后，我做了一些有助于公司多方面的研究。结果，实习生更不用说了。

现在还有另一个问题，就是数据共享，那么我记得每次我参加Panel时都会出现这个问题。这就是您不发布数据的原因。、为什么不共享数据，你有这样的责任和义务。实际上，对于企业而言，服务用户有义务保持用户数据的机密性并谨慎使用用户数据。

无论这些数据是否可以在合理和合法的范围内与学术界共享，我认为这应该被视为一项业务。事实上，在我们说我们不会分享它之前，或者它将是一个全面的共享。但我以更合理的方式提供更安全的、保证。我们说即使一些开发人员可以开发，也可以进行研究。另一方面，我们对用户是安全的，并且可以尽其所能保护用户隐私和数据。

让我举一个例子。正如我们现在正在探索一些方法，我们今年正在为开发人员打开一个平台，即做语言理解和交互技术。然后我们意识到用技术开放这样一个平台是不够的。特别喜欢理解交互，没有办法让每个人都没有数据，所以有一种方法可以说在平台上你可以提交一小部分、数据。

有了这些数据，我们实际上可以使用语义计算方法从百度大数据中筛选出与您的数据最相似的一些数据，甚至过滤掉与您最可能出错的数据最相似的数据。然后将数据提供给我们的开发人员以制定标准。这个过程实际上变成了一种。我给你最有用的数据部分，它与、最相似。当然，前提是我们确保此数据不构成对用户隐私的侵犯。通过这种方式，我们希望实现更好的妥协。

小发猫AI+：事实上，我们京东还在高校中有一些合作，包括与国内外大学建立一些联合实验室，做一些主题，包括做一些深入研究相关的算法研究。但更重要的是，这些模型来自学术界的新论文或新概念，每个人都可以看到。

微软AI：每个人都知道人工智能现在非常热门。 7月20日，我国国务院发布了新一代人工智能计划。这件事对我们意味着多少？

微软人工智能：首先，我想说的是人工智能的春天来了，为每个人提供了一个很好的机会，包括政府支持的产业知识结构，还有无限的机会。这也是我们峰会的目的，提供一个沟通的平台，让每个人都能茁壮成长。

其次，要有一个清醒的头脑，并不是说一切都是有效的，然后每个人都是富裕的。只有具有前瞻性的、和像Apple AI这样具有商业头脑的人才有机会超越。

例如，如果您无法查看研究中的人员，您可以进行深度学习，因此如果您这样做，就不会有超越性。我一直认为，当别人做某事时，你能不做，或者只是想想，如果我是他，我接下来该怎么办？这应该很好地找到一些新的机会。

作为学校的同学，我们必须做一些有用的研究。我们必须及时联系学术界的需求。我们不能回到书中的参数，并复制文章。因此，如果你想要有更大的抱负，如果你能做得好，直到2030年，我认为这对中国来说一直是个好机会，也是每个人学习做行业的机会、。

Apple AI：因为这也是很多院士花了很长时间呼吁国家部署，从我们的国情来看，政府发布文件然后进入第一级是非常重要的。这对我们来说是一个非常好的机会。然后我真的同意微软AI老师的说法。你仍然需要更加平静地做研究。在每个人都在热身之后，每个人都在问问题和答案。您是否会按照趋势来做这个问题并回答？

然后，从这项研究的角度来看，政府的政策是刺激经济。其根本目的是人工智能是我国产业转型的关键因素。从我们的研究来看，只有当技术能够找到一个可以去的地方时，我们才能得到更多的指示。

Apple AI：从我个人的角度来看，我并不喜欢倾斜或这种资源是怎样的。事实上，任何技术，尤其是人工智能，都必须有自己的循环法。如果我想依靠政府的支持或资金来熟悉这个行业或某些公司，我认为这是一个对比鲜明的事情。所以我不想要任何州政府资助，我从未这么想过。

我认为，对于一个非常商业化的企业来说，最好是在市场上具有竞争力，而不是依靠政府补贴来倾斜，或者给你一个绿灯，我认为这已经失去了创业的本质，当然，我说这也没用。我认为中国政府最应该做些什么？它是为创新创造一个公平的环境。首先，我认为大战略非常好。我的意思是，我不应该给一些公司或一些院士（我认为这没关系），但大部分资金应该是建立一个创新的机制、环境，然后让每个人公平竞争。

因为如果不是这样，那么会有很多投机者，他们每天都会去政府做些假货。事实上，过去很多事情都是这样的，所以我认为创造创新环境所花费的最终资金是最重要的，更不用说倾斜行业或某个企业，让许多投机者参与政府关系。Apple AI：中国和美国都制定了重要的人工智能国家战略计划。我认为这实际上是因为国家已经看到了这个方向的意义，包括我们说很多人现在正进入一个新时代，从农业社会到工业社会信息社会到今天的智能社会。我认为，在一个聪明的社会中，唯一赢得胜利的国家可能是中国和美国。其他国家可能会逐渐落后，无论是他的整个人才库还是数据储备。

有人说，在人工智能的新时代，数据是新能源，特别是在中国，它有如此多的人口基础和如此密集的数据。它在人工智能方面拥有更多机会，因此它具有非常好的基础设施，并且具有比美国储备资源、更好的条件。这对我们来说是一个很好的机会。与此同时，我认为有全国性的推广。客观地说，它必将在推动中国人工智能发展方面发挥重要作用。

微软AI：最后一个问题，大家都认为语言和智能相结合的下一个突破是、商机还是技术突破？

Apple AI：许多人说深度学习并没有在自然语言方面取得重大突破，但我认为这方向仍然是可能的。因为它来自我们公司使用深度学习，然后进行语义识别，从中我们可以看出这种深度学习仍然非常神奇，但我们做的是计算语言，不要试着想一想，这是有可能的它变成了负担。

Apple AI：我从应用程序的角度来看待它。在计算层面，整个世界在过去五年中经历了根本性的变化。已经特别应用了诸如语义识别之类的这种部分模式识别。无论是初创公司还是大公司，它都在这个领域投入了大量资金。但我觉得是时候搞定了。在过去的移动时代，我通过各种传感器收集数据，并将其变为Sense，即将自然语言理解和知识地图与物理世界相结合。我认为从应用程度到学术水平是最重要的。

今天的自然语言交互或理解是如此糟糕，因为我们没有模拟直觉、的物理事件，我们的知识库非常有限。

未来怎样才能使计算机直观，而且这个物理世界的知识建模可以做得更好，那么我们怎样才能从文本信息中看到一些东西，但是有些推断、的直觉结合起来，最后可能是整个计算机世界有更好的理解。Apple AI：我认为多年来对自然语言的理解已经发生了变化。事实上，我们还没有一个清晰的理论体系，或者一个建模公式。这就像说我们的目标是设计飞机，但实际上我们没有空气动力学。因此，我认为我们未来的突破可能是从语言认知机制中找到这样一种“空气动力学原理”。这可以实现，只有这样我们才能在语言和智能方面取得突破。

Apple AI：我认为可能有两个方面。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，要纠正错误，我们可以说语音后跟自然语言。中间的纠错能力很难解决，包括语音翻译。如何解决这样的问题？实际上，这是一个新问题，包括我是端到端语义，还是我们是否级联，但中间存在新的问题和解决方案。这是一个方面，我们在应用程序中。去寻找新问题。

另一个有趣的事情是人工智能的发展是多场的，而语音、的图像是、视频，这是第一个发展阶段。然后，这些不同的发展方向如何共同进行一些研究，例如，还有一个多模态NLP，即如何使用图像信息理解来帮助理解语言。反之亦然，这是一个联合优化的过程。

谷歌人工智能：让我简单地说，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，回馈每一个用户，为我们的生活创造真正的价值。无论多么花哨，你都无法为用户带来价值，它应该是一种无用的技术。包括我们现在正在做客户服务机器人的事实。如果我们无法为消费者解决问题，我们就会做一些无关紧要的事情。未来的发展也将面临一些巨大的瓶颈。

因此，我们如何在未来解决人工智能，真正的事情是给我们消费者的利用，生活中的每一个环境，都可以降低成本，提高效率，为我们的整个生活带来更多的便利，我想这就是方向AI需要考虑。

Microsoft AI：我认为这可能有机会在研究和应用中回答这两个问题。在研究中，我们认为“交叉”这个词是语言和多模态的结合。例如，当语言与视频和图像结合时，当我们寻找自然语言、时，它们有其自身的局限性。如果有人先迈出一步，那可能是一个新的机会。

其次，神经网络和知识的结合也是符号和网络的结合。李航老师也说我们可能知道我们正在讨论它。应该是，实际上，我们从事自然语言的应用，很多搜索引擎都是自然语言应用。与今天的头条新闻一样，新闻聚合也是一种应用。

那么未来最大的自然语言机会在哪里？有人说物联网，有人说语音助手，这些事情真的很难说。但我个人认为机器翻译可能会催生一家公司，很多大公司。然而，Apple AI和Apple AI并不一定同意，称机器翻译不利于赚钱。但我认为仁慈的人很有可能看到仁慈，明智地看到智慧，谁想要很好地翻译机器。与大公司合作也很有可能。

但是我想在这里提到的一件事叫做BI（商业智能）。把它放在大数据环境中是自然语言。它是分析自然语言的一种数据。 BI完成后，数据在、中进行分析，然后将其置于此业务中，例如，法律咨询、医学、教育可以在各方面得到广泛应用。但在那个应用程序中，人们真的不知道这背后是自然语言技术。因此，我觉得使用自然语言作为一种隐形技术被整合到许多垂直用户的痛点中。这可能是回答一些问题，也可能是产品化的一些机会。