自然語言處理技術發(fā)展趨勢進一步推動人工智能從感知智能向認知智能的演進

站在新的一個十年，智能人機交互、多模態(tài)融合、結合領域需求的 NLP 解決方案建設、知識圖譜結合落地場景等將會有突破性變化。

1  智能人機交互

語言模型將在智能人機交互中扮演更重要的角色，形成更豐富的形式，混合 100 種語言的多語言語言模型，以及融合圖像-文本和語音-文本多模態(tài)語言模型將嶄露頭角，在不同語言、不同模態(tài)、不同領域的小樣本場景下帶來全面的能力提升。

多語言交互從不同語言理解上升到不同文化的理解，通過跨文化理解技術深入當地文化實現地道的對話交互。

以在線文本為核心的交互方式將全面轉變?yōu)榻Y合視頻、圖像、語音、文本的多模態(tài)人機交互。

基于數據驅動的對話狀態(tài)跟蹤和對話策略將逐漸替代規(guī)則式策略，使得多輪對話技術進一步演進，帶來更自然的對話體驗。

知識圖譜將廣泛融入問答和對話的各類深度學習模型，通過先驗知識及推理能力的融入，使得模型更為白盒化，在對話的理解和生成過程中帶來更好的可控性和可解釋性。

對話系統(tǒng)在小樣本情況下的冷啟動能力提升帶來應用構建成本的大幅下降，對話系統(tǒng)從主要為大體量的客戶服務，拓展為更普惠的、廣泛的支持海量規(guī)模、各行業(yè)的小企業(yè)及小商家，并進一步走向海外，使得更多不同國家、不同語言和不同文化的用戶進入智能服務時代。

2  多模態(tài)融合

隨著 5G 和邊緣計算的逐步成熟和普及，將帶來視頻、圖像、文本、語音等模態(tài)的全面融合，語言模型朝著多模態(tài)融合的方向發(fā)展，在在線場景下實現混合模態(tài)的理解，將能融合理解用戶經過多輪對話發(fā)送的圖片、語音和文字內容，并以多模態(tài)的形式進行回復；

對話系統(tǒng)產品中將全面實現多模態(tài)交互能力，直播和 IOT 大屏交互將全面應用視頻+圖像+文本多模態(tài)技術帶來豐富的交互體驗，流暢的全雙工語音對話機器人將被普遍應用，實現邊聽邊想、邊聽邊猜、主動搶話等類人交互能力。

在語音交互場景下通過聲學信號+文字信號，識別用戶交流中的情緒變化， 在 IOT 互動場景下實現基于攝像頭、麥克風的擬態(tài)生命；

3  結合領域需求的NLP解決方案建設

過去 NLP 算法多以平臺/API 的方式輸出通用模型，相應地也在各種云上建立了通用 NLP 算法平臺（Amazon Comprehend，微軟 Azure Text Analytics，谷歌云 Natural Language，阿里 NLP，百度 NLP 等）。

但是在業(yè)務場景中，每種場景領域都有自己的特定的需求，產生了相應的場景數據。通用模型結合場景數據進行領域自適應訓練，從而輸出的領域定制模型會更好地滿足業(yè)務需求。

4  知識圖譜結合落地場景

面向新的一個十年，通過 NLP 和知識圖譜兩大核心技術來構建行業(yè)知識圖譜，機器能夠通過知識圖譜挖掘隱性關系，洞察“肉眼”無法發(fā)現的關系和邏輯，用于最終的業(yè)務決策，實現更深層次的業(yè)務場景落地。從發(fā)展方向來說，可以分為下面幾個方面：

優(yōu)化知識抽取能力：結合已有的知識和 NLP 技術能力進一步提高非結構化數據理解能力，應用預訓練語言模型、信息抽取、實體鏈接等相關的技術，對非結構化及半結構化數據進行抽取和轉換，形成知識圖譜形式的知識，以及和知識圖譜里面的結構化的知識進行鏈接。

與行業(yè)知識沉淀：在行業(yè)知識圖譜解決方案實際的落地過程中，面臨重重挑戰(zhàn)，行業(yè)知識圖譜的構建，本身就需要數據積累和基于業(yè)務場景的數據理解，而構建和積累行業(yè)知識圖譜，將是認知智能時代的核心競爭力。在行業(yè)數據構建時，對知識的準確性要求非常高，實體通常需要較多且具有行業(yè)意義。需要針對多源異構數據融合，基于可動態(tài)變化的“概念—實體—屬性—關系”數據模型，對各種類型的數據進行抽象建模。

智能可信的知識推理：基于過去已知知識進行知識推理，理解行業(yè)事件知識驅動知識推理傳導，利用行業(yè)規(guī)則邏輯結合深度模型進行推理，使其能夠在業(yè)務的推理和輔助決策上帶來更加智能化的體驗。

以上是我們對于 NLP 技術過去一年發(fā)展的回顧和今年趨勢的思考。一家之言難免疏漏或者以偏概全。拋磚引玉，希望能夠得到更多同學們的思考和指正。比爾·蓋茨曾說過，“語言理解是 人工智能 皇冠上的明珠”。要達到這樣的高度，還需要技術和應用上的突破發(fā)展期待在下一個十年的開始，我們一起讓 NLP 技術發(fā)展更加迅速，應用場景更加豐富，推動認知智能的發(fā)展更進一步。