随着人工智能的进步 越来越多的技术都融入了机器学习及深度学习技术

人工智能（AI）正在改变我们对待世界的方式。 AI“机器人”无处不在。从我们的手机到亚马逊的Alexa等设备，我们生活在一个被机器学习所包围的世界里。谷歌，Netflix，数据公司，视频游戏等都使用人工智能来梳理大量数据。最终结果是洞察力和分析，否则将是不可能的或需要太长时间。

毫无疑问，各种规模的企业都注意到大公司在人工智能方面取得的成功并加入其中。然而，并非所有AI在商业世界中都是平等的。某些形式的人工智能比其他形式更有用。

今天，我正在谈论一种叫做自然语言处理（NLP）的东西。它是一种人工智能，专注于分析人类语言，以吸取见解，创建广告，帮助您发短信（是的，真的）等等。

但为什么是自然语言处理？

NLP是一种新兴技术，可以驱动您过去常常看到的各种形式的AI。我之所以选择专注于这项技术，而不是像基于数学的分析的人工智能，是因为NLP越来越大的应用。

这样想吧。人类每天都会说成千上万的其他人解释的词来做无数事。它的核心是简单的沟通，但我们都知道单词比这更深入。我们从某人所说的一切中得出了一个背景。他们是否用他们的肢体语言暗示某些东西，或者他们多久提到一些东西。虽然NLP并不专注于语音变形，但它确实利用了语境模式。

这是它获得价值的地方。让我们用一个例子来说明在实际情况下使用NLP的强大程度。当你在iPhone上打字时，就像我们很多人每天都在做的那样，你会根据你输入的内容和你当前正在输入的内容看到单词建议。这是自然语言处理的动作。

这是一件小事，我们大多数人都认为理所当然，多年来一直认为这是理所当然的，但这就是为什么NLP变得如此重要。现在让我们将其转化为商业世界。有些公司正试图决定如何最好地向用户做广告。他们可以使用Google查找用户在搜索其产品时输入的常用搜索字词。

然后，NLP允许将数据快速汇编成与其品牌明显相关的术语以及他们可能不期望的术语。利用不寻常的条款可以使公司有能力以新的方式进行广告宣传。

那么NLP如何运作？

如上所述，自然语言处理是一种分析人类语言的人工智能。它采用多种形式，但其核心技术有助于机器理解，甚至与人类语言交流。但理解NLP并不是最简单的事情。这是一种非常先进的AI形式，它最近才变得可行。这意味着我们不仅仍然在学习NLP，而且还很难掌握。

我决定在外行的任期内打破NLP。我可能不会触及每个技术定义，但接下来是了解自然语言处理如何工作的最简单方法。

NLP的第一步取决于系统的应用。基于语音的系统（如Alexa或Google智能助理）需要将您的单词翻译成文本。这是通常使用隐马尔可夫模型系统（HMM）完成的。

HMM使用数学模型来确定您所说的内容并将其转换为NLP系统可用的文本。以最简单的方式，HMM收听您的语音的10到20毫秒的剪辑，并寻找音素（最小的语音单位）与预先录制的语音进行比较。接下来是对语言和语境的实际理解。每个NLP系统使用略有不同的技术，但总的来说，它们非常相似。系统试图将每个单词分解为其词性（名词，动词等）。

这是通过一系列编码语法规则实现的，这些规则依赖于包含统计机器学习的算法，以帮助确定您所说的内容。

如果我们不是在谈论语音到文本的NLP，那么系统只是跳过第一步，直接使用算法和语法规则分析单词。最终结果是能够以多种不同方式对所述内容进行分类。根据NLP软件的基本焦点，结果以不同的方式使用。例如，SEO应用程序可以使用解码的文本来提取与特定产品相关联的关键字。

语义分析

在解释NLP时，分解语义分析也很重要。 它与NLP密切相关，甚至可以说语义分析有助于形成自然语言处理的支柱。

语义分析是NLP AI如何在逻辑上解释人类句子。 当HMM方法将句子分解为其基本结构时，语义分析有助于该过程添加内容。例如，如果NLP程序查看单词“dummy”，则需要上下文来确定文本是否指的是将某人称为“虚拟”，或者是否指的是类似汽车碰撞“虚拟”的内容。

如果HMM方法分解文本并且NLP允许人与计算机之间的通信，则语义分析允许所有内容在上下文中有意义。如果没有语义分析师，我们几乎不会拥有我们喜欢的人工智能水平。 随着流程的进一步发展，我们只能期望NLP受益。

NLP以及更多

随着NLP的发展，我们可以期待看到更好的人类与AI的互动。 Google的助手和亚马逊的Alexa等设备正在进入我们的家庭甚至是汽车，这些设备正在显示人工智能将继续存在。

未来几年应该会看到人工智能技术的增长更多，预计到2025年全球人工智能市场将增加600亿美元。 不用说，你应该关注AI。

随着人工智能科技的进步，越来越多的技术都融入了机器学习及深度学习技术。在Google I/O 2018大会上，谷歌为全世界诠释了什么叫做AI产品。其中。谷歌的开源计划--AIY Projects（AIY计划）受到了在场开发者的关注，其目标是让每个Maker（创客）都能DIY自己的 AI 人工智能产品，让更多人能学习、探索并体验人工智能。