分類: 問(wèn)答 常識(shí)詞典 編輯 : 常識(shí) 發(fā)布 : 08-07

閱讀 :430

十年內(nèi)自然語(yǔ)言理解技術(shù)（NLP）不會(huì)再有突破了，您同意嗎？就像幾年前l(fā)owell的那個(gè)圓桌會(huì)議對(duì)圖像處理未來(lái)展望的結(jié)論一樣，只不過(guò)俺稍微樂(lè)觀點(diǎn)，10年吧9 個(gè)答案

答案 1：

要看具體問(wèn)題吧，如果說(shuō)序列標(biāo)注之類的問(wèn)題，這幾年進(jìn)展很大，而且相關(guān)的無(wú)監(jiān)督算法也越來(lái)越向?qū)嵱每拷?。如果說(shuō)是機(jī)器翻譯，語(yǔ)義分析之類的難題，就看這幾年機(jī)器學(xué)習(xí)里面Deep Learning的進(jìn)展了。不過(guò)現(xiàn)在計(jì)算資源越來(lái)越充足，個(gè)人認(rèn)為未來(lái)幾年機(jī)器翻譯，語(yǔ)義分析里面的大部分研究課題會(huì)有很大的突破，起碼機(jī)器翻譯在大部分領(lǐng)域?qū)⒊蔀橐环N可靠的服務(wù)。

答案 2：

06年讀Master時(shí)我專攻Text Categorization. 感覺(jué)上當(dāng)時(shí)是AI里最熱門的領(lǐng)域, 主要大家都發(fā)現(xiàn)這個(gè)領(lǐng)域可以有很多很多應(yīng)用, 這也就是為什么Google, IBM這些大公司投了很大物力和人力去做這些. 工作后繼續(xù)做Web Content Processing, 準(zhǔn)確說(shuō)Web ContentCategorization, 感覺(jué)上具體到Natural Language Processing, 主要的理論基礎(chǔ)都是概率和統(tǒng)計(jì), 再有就是一些Neural Network的算法, 概率畢竟是概率. 理論上很好的算法, 在真正在實(shí)際應(yīng)用中, 很多時(shí)候很難達(dá)到希望的效果... 比如我們想要根據(jù)網(wǎng)頁(yè)內(nèi)容對(duì)其進(jìn)行分類, 即便理論上最有效的SVM結(jié)果不過(guò)一般, 這是網(wǎng)頁(yè)的內(nèi)容所決定的, 比如很多網(wǎng)頁(yè)沒(méi)有很多文字內(nèi)容, 像知乎這種文字網(wǎng)站可能效果就會(huì)好很多... 所以說(shuō)要綜合很多不同的算法才能達(dá)到理想的效果.

答案 3：

有瓶頸！

答案 4：

什么算突破呢？

答案 5：

先有理論上的突破性才會(huì)有工程技術(shù)上的應(yīng)用。

答案 6：

-語(yǔ)和英語(yǔ)的互譯準(zhǔn)確率超過(guò)90%，這不知道算不算進(jìn)展。就目前中文的NLP而言，因?yàn)橛袊?guó)內(nèi)研究機(jī)制存在的問(wèn)題，在十年內(nèi)取得大的突破比較難。但是，不排除產(chǎn)生自學(xué)習(xí)功能的算法出現(xiàn)。

答案 7：

從IBM沃森的表現(xiàn)看，進(jìn)展還是蠻大的吧

答案 8：

我在做，確實(shí)很難

答案 9：

Disagree. Se-ntic parsing and knowledge learningwill pus- t-ings to anot-er stage.

下一篇:你是否認(rèn)同鮑爾默對(duì)skype的價(jià)值認(rèn)定？ 下一篇 【方向鍵 ( → )下一篇】

上一篇:你有哪些自認(rèn)為絕佳的創(chuàng)意但一直沒(méi)有機(jī)會(huì)和能力實(shí)現(xiàn)？ 上一篇 【方向鍵 ( ← )上一篇】