社区编辑申请
注册/登录
自然语言处理(NLP)的历史及其发展方向
人工智能 机器学习 机器人 自然语言处理
自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

自然语言处理 (NLP) 的起源——这个想法是如何诞生的?

自然语言处理起源于 1940 年代后期,当时构建了第一个 AI 系统。他们必须处理自然语言并识别单词才能理解人类命令。 1950 年,艾伦·图灵发表了一篇论文,描述了第一个机器翻译算法。算法过程侧重于编程语言的形态学、句法和语义。论文的题目是“计算机与智能”。图灵写了更多关于自然语言的研究论文,但他在这方面的工作并没有继续。

1959年,他写了一篇论文《论可计算数》。引入了人工智能的思想来解决人类无法自己解决的问题。该算法处理信息并执行超出人类能力或时间限制的任务,例如以闪电般的速度下棋。

自然语言处理 (NLP) 的诞生——谁让它成为可能?

1956 年,John McCarthy 发表了一份报告,描述了如何使用自然语言与 AI 系统进行通信。 1957年,他创造了“人工智能”一词。 1958 年,他发表了一篇论文,描述了 SOLO 自然语言句子处理程序。

1959 年,Frank Rosenblatt 创建了第一个感知器(神经网络)。这些网络旨在处理信息并解决模式识别或分类任务中的问题。 1962 年,在 Marvin Minsky 和Seymour Papert 写了他们成功的书“感知器”之后,这些人工神经元被广泛使用。

1966 年,一家名为 General Automation Incorporated 的人工智能公司成立,专注于自然语言处理和模式识别。

自然语言处理 (NLP) 的演变 - 发生了哪些变化?

随着时间的推移,不同的分析方法逐渐发展起来。爱丁堡大学和康奈尔大学的科学家于 1964 年创建了一个计算模型。 第一个可以与人交谈的计算机程序是 ELIZA,它由麻省理工学院的 Joseph Weizenbaum 于 1966 年创建。

1966年,召开了第一届计算机语音和语言处理专业会议。 1967 年,一个俄语机器翻译程序可供使用英语的科学家阅读苏联科学发现。

自然语言处理 (NLP) 的发展 - 它是如何演变的?

直到 1979 年才又迈出了一大步,正是在这一年,第一个简单的英语“聊天机器人”诞生了。

1984 年,IBM 的新产品“chatterbox”可以用自然语言与人交谈,它使用早期版本的对话管理系统为用户过滤掉无趣的对话。

之后,在 1987 年,罗伯特·尚克(Robert Schank)创建的一个名为 PARRY 的程序能够与精神科医生进行对话,但无法回答有关自己生活的问题。

1990 年,ELIZA 和 Parry 被认为是人工智能的“微不足道”例子,因为他们使用了无法像人类那样真正思考或理解自然语言的简单模式匹配技术。我们仍然无法创建一个能够令人信服地通过图灵测试的聊天机器人。

1994 年,统计机器翻译在自然语言处理方面取得了重大突破,它使机器的阅读速度比人类快 400 倍,但仍然不如人类翻译。

几年后,1997 年自然语言处理取得重大突破,引入了一种解析和理解语音的算法,该算法被称为人工智能领域的顶级成就之一。

2006 年,谷歌推出了无需人工干预的翻译功能,该功能使用统计机器学习,通过阅读数百万文本,将 60 多种语言的单词翻译成其他语言。接下来的几年,算法得到改进,现在谷歌翻译可以翻译 100 多种语言。

2010 年,IBM 宣布开发了一个名为 Watson 的系统,该系统能够理解自然语言中的问题,然后使用人工智能根据维基百科提供的信息给出答案。它还击败了危险的两个人类冠军!

之后在 2013 年,微软推出了一款名为 Tay 的聊天机器人。它的创建是为了从 Twitter 和其他平台上与人类的互动中学习,以便让人们在线参与,但没过多久,该机器人就开始发布令人反感的内容,导致其在存在 16 小时后关闭。

现在,在2021 年,机器学习的炒作达到了顶峰。

自然语言处理 (NLP) 的局限性是什么?

其中之一是改进交互式对话系统中的自然语言处理,其中包括基于知识的对话和对话代理,例如 Siri 或 Alexa——我们每天使用的这些助手。然而,在它们能够像人类一样做出反应之前,还有很长的路要走。

另一个限制是,大多数机器学习算法并不打算用于聊天机器人等实时情况,而是用于离线处理具有大量输入变量和训练数据集的数据集——这意味着仍然没有办法预测未来事件或每种可能的情况。

我们想通过自然语言处理 (NLP) 实现什么?

科学家们希望创建能够理解句子的含义和意图的算法,并且尽可能少地使用单词。他们打算创建一套算法,能够掌握句子的含义和意图,以便从中提取信息。这就是为什么我们想要通过自然语言处理实现的目标仍然没有限制,只要它支持人类日常生活中的活动。他们说,开发 NLP(自然语言处理)对日常生活中的人类有很大帮助。 NLP 的发展背后有一些威胁,但也有很多机会。

自然语言处理帮助人们在日常生活中更流利地说话和阅读,并让他们打字的速度比在键盘上写句子的速度更快。但主要威胁之一是,一些专家表示,开发自然语言处理将使人类失业,因为他们将被机器取代。

 

然而,也有人说自然语言处理会给人类带来前所未有的新工作和机会,因为它太复杂了。这意味着只要 NLP 的发展支持人类日常生活中的活动,那么我们可能就可以通过这项技术找到限制与自由之间的边界。

 

责任编辑:庞桂玉 来源: 千家网
相关推荐

2022-06-05 21:09:47

Python办公自动化

2022-05-10 14:11:05

网络安全网络犯罪

2022-06-17 09:47:04

Linux命令

2022-06-29 09:19:09

静态代码C语言c代码

2022-06-24 10:16:59

Python精选库

2022-07-01 14:25:27

机器学习人工智能工业4.0

2022-06-17 18:49:25

pythonexcel

2022-05-25 14:10:51

学术数据

2022-06-27 08:07:13

Go语言互斥锁

2022-06-07 11:01:56

人工智能AI技术大会

2022-06-30 09:07:52

2022-05-24 15:22:09

网络安全企业风险

2022-06-30 10:56:18

字节云数据库存储

2022-06-25 21:22:30

编程Rust代码

2022-06-15 09:07:33

2022-06-21 09:02:49

python技巧

2022-06-30 10:22:26

K8s可观测Prometheus

2022-06-07 11:16:51

云原生人工智能运维

2022-06-24 15:13:17

区块链数字资产加密货币

2022-05-06 16:31:27

人工智能自然语言生物特征识别

同话题下的热门内容

从机器学习中受益最大的四个行业利用机器学习发起攻击的九种方式年中盘点:2022年炙手可热的十家数据科学和机器学习初创公司在机器学习的工具箱里,藏着六种重要的算法浅谈权限获取方法之文件上传

编辑推荐

90%的码农即将失业,谷歌AI写的机器学习代码竟完爆程序员!使用TensorFlow构建LSTM模型详细教程深度学习和普通机器学习之间有何区别?一文读懂深度学习与机器学习的差异2018年值得关注的10种机器学习工具
我收藏的内容
点赞
收藏

51CTO技术栈公众号