『栈外』我们还要多久才能拥有？，钢铁侠的AI助理贾维斯本文看点

本文看点
?在要在现实生活中拥有钢铁侠的AI助理贾维斯，自然语言处理（NLP）就是出发点。作为人工智能的子领域， NLP能够缩减人与机器之间的交流差距。
?机器翻译作为NLP的第一步，经历了从基于规则、基于语法、基于短语至基于神经网络的变革，迎来了商业规模翻译领域的质变飞跃。
?NLP不仅应用于机器翻译，还应用于垃圾邮件的辨别、智能虚拟助手、聊天机器人和情绪分析。而NLP的未来在于实现机器的深度学习，到那时，拥有贾维斯不再是梦。

文章图片
原文来自Hackernoon ，作者IdaJessieSagina
“贾维斯，你在吗？”
“随时待命，先生。 ”
托尼·斯塔克随后给出了一系列命令，穿上了他超酷的钢铁侠套装。
贾维斯甚至警告斯塔克先生，要先完成TB量级计算才可以尝试实际飞行，但托尼却自以为是地回答道：“贾维斯，有时侯，你必须在走路前学会跑步” 。
这看起来像是与私人助理的普通对话，对吧？
但贾维斯并不是人类，而是一个能够流畅对话，并且全天候提供服务的智能AI助手。
如果你想要在现实生活中重建贾维斯，自然语言处理（下称NLP）将是你要考虑的第一个技术。
NLP属于AI的子领域，它使机器理解语音或文本形式的人类语言，进而减小了人与机器之间的交流差距。
如今市面上已经有了好几个虚拟助手，例如Siri和Cortana ，我们是否已经做好了推出贾维斯的准备？让我们回顾一下NLP在过去几十年中的使用，以及它未来的发展方向。

文章图片
NLP的起源
艾伦·图灵于1950年发表的论文《计算机械与智能》中提出了一个革命性的问题：“机器可以思考吗？”20世纪40年代就在机器翻译中瞥见了NLP ，如今流行的“图灵测试”（也被称为模仿游戏）为机器理解复杂的语言学创造了可能。
为了满足图灵的标准，机器必须先理解人类的自然语言，才能构建出类似人类的智能回应。
随后，有许多人试图通过图灵测试。 ELIZA、SHRDLU和PARRY都NLP领域的先驱。在NLP研究短暂停滞之后，由美国政府创建的自动语言处理咨询委员会（ALPAC）停止了对NLP研究的资助， NLP在20世纪80年代才迎来了“统计革命”的新领域。
NLP自20世纪80年代以来的发展非常有趣，当时统计方法的应用增长显著。

文章图片
机器翻译时代
机器翻译可以说是教授机器人类自然语言的起源。 Google翻译如今的简单易用可以追溯到20世纪30年代，当时机器翻译开始申请专利。
1954年见证了机器翻译的曙光，科学家进行的Georgetown-IBM实验将60多个俄语句子自动翻译成了英语。在80年代末期，统计型机器翻译（SMT）抢走了规则型翻译的风头。
当时IBM的CandideProject项目人员研究了加拿大议会辩论报告中的法语和英语文本语料库，放弃了语言学规则，选择计算概率。
同时，日本研究团队也开启了基于语料库的翻译或基于示例的机器翻译（EBMT）的研究，该团队曾使用示例或语料库翻译新单词。
直到1994年， Systran的机器翻译可以在几个CompuServe聊天论坛中获取。 1997年， AltaVista发布的BabelFish（最古老的在线翻译之一，后来由Yahoo接管）可以在网页浏览器上进行36组语言的翻译。
2001年，研究人员开始提倡基于语法的机器翻译（翻译语法单位而非单词）。 2003年至2005年，研究建立了基于短语的机器翻译，这也在2006年推动了Google翻译。 Bing和Yandex于2009年和2011年推出了自己的翻译器。
Google为机器翻译悄悄研究了十年循环神经网络，之后Google翻译运用了经庞大的数据集训练的神经网络，迎来了商业规模翻译领域的质变飞跃。