2025-02-17 资讯 0
在这个信息爆炸的时代，人们对与计算机交互提出了更高的要求。我们不再满足于简单的人机对话，而是希望能够像人与人交流那样自然、流畅。然而，人类之间的交流并非仅仅文字表达，它是一种微妙且复杂的过程。生活中，我们通过语气词来加强语气，表达愉悦、恼怒或无聊。而要让计算机真正理解人类日常交流用语，就需要超越单词定义，更深入理解人类的情感和潜台词。NLP正是试图在丰富的人类语言和机器语言之间搭建无障碍沟通的桥梁。在新一代AI技术发展下，我们需要巨大的数据支持各种场景。
AI大牛沈向洋曾指出，在构建AI时，数据至关重要，但目前NLP的大部分应用缺乏足够规模的标注数据，并且标注成本高昂，因此准确率通常并不理想。这就引出了一个问题：如何以低成本、高效获取高质量数据，以便快速上手ASR/TTS/NLP引擎，并迈向实用阶段？
澳鹏（Appen）中国区客户服务副总裁段杨Danny Duan认为，“成品数据库不失为一个明智的选择。”他进一步解释说：“成功NLP引擎关键因素之一是算法和高质量数据，一般而言算法往往是公开的，其差异化更多地来自于精准大量训练数据，以及定制时间长、成本高的事务性采集标注。”
Danny还指出，真正难点不在于转换过程，而是在于分析过程。“人的意图发散，我说‘把空调开到26度’是一个确定集合，但多数情况下我说的模糊，有多种可能含义，这本身就是开放集合，这种情景下的NLP引擎能否做到准确分析正确应对就非常难。”
关于情绪分析，他表示：“语气是情感分析的一部分，是很重要的一个方面，也可以说是一个难点。如果你试着用不同的语气跟一个语音助手说话，比如反问句，它很可能会给你错误答案。”
尽管当前NLP仍处于基础阶段，对复杂维度处理能力不足，但各厂商都在不断努力。一方面，他们聚焦特定场景，如开车时的人机交互；另一方面，他们缩减使用范围，在有限投入之内，用有限数据训练可用的NLP引擎。
最后,Danny强调了三样东西对于任何人工智能产品研发至关重要：算法、算力和数据。他认为“对于NLP而言，算法理论突破隔一段时间才会出现，而且现在行业内算法研究普遍是开源性的，所以真正核心的是数据”。
