想讓機器人“聽懂人話”，需要必備哪些技能？【AI大咖說】第八期，走進優必選自然語言處理技術！

“我們把香蕉給猴子，因為它們餓了。”

“我們把香蕉給猴子，因為它們熟透了。”

這兩句話，你讀得懂是什么意思嗎？然而對機器人來說，就沒那么簡單了。如果AI不能清晰了解猴子和香蕉的屬性，就會導致無法區分。正如語音識別幫助機器人“聽”，視覺技術幫助機器人“看”，想要做到機器人“聽懂人話”，就需要自然語言處理（Natural Language Processing，NLP）來解決。一起來看看機器人是如何“善解人意”的：

AI因斯坦·琨帶你走進機器人的NLP運用▲

機器人語音交互技術概述

語音交互是機器人最重要的交互入口之一，機器人對于人類語義的理解尤為關鍵。如下圖所示，人類語音通過ASR（語音識別）把音頻變成文本，文本經過NLU（語義理解）、DM（對話管理）以及NLG（語言生成），語言生成后再通過TTS（語音合成），完成人機對話。

NLP概述與發展

自然語言是人類智慧的結晶，機器人對語義的理解和分析能力、對自然語言的生成能力、對知識的學習能力，是AI最核心且最具挑戰的技術之一。我們先來看一下NLP發展的幾個階段：

· 第一階段：2000年之前，主要基于規則和概率統計的方法，50年代提出圖靈測試概念來判斷機器是否會思考，然而到目前為止，還沒有出現被一致認可的通過圖靈測試的對話系統。

· 第二階段：2013年，神經網絡興起，極大提升NLP的各項能力。

· 第三階段：基于seq2seq模型的NLP和注意力機制，文本生成和機器翻譯方面獲得較大進展。

· 第四階段：2018年以來，大型預訓練模型發展，NLP領域突破捷報頻頻，也就是現在所處的階段。

NLP技術則分為核心應用和基礎技術。它的應用非常廣泛，包括情感、信息、問答、機器翻譯、自動文摘、閱讀理解以及文本分類等。

自然語言處理技術的核心應用

基礎技術包括自動分詞、詞性標注、命名實體識別以及句法分析。

· 自動分詞

中文分詞是自然語言處理領域基礎的模塊，由此前的基于規則和基于概率統計，發展到今天的基于深度學習。比如“武漢市長|江大橋”還是“武漢市|長江大橋”的劃分，就是通過統計模型把詞分配好。

悟空機器人分詞斷句后，理解并執行任務

· 詞性標注

在中文分詞之后，預測每個詞的漢語詞性也是中文自然語言處理的基礎模塊。通常詞性標注的粒度很細，如動詞、副動詞、趨向動詞、不及物動詞等。

詞性分析決定句子用哪一個“de”

· 命名實體識別

識別文本中具有特定意義的實體，包括人名、地名、機構名、專有名詞等，以及時間、數量、貨幣、比例數值等文字。

命名實體識別是一個從句中挑出實體類型的過程

· 句法分析

用于確定句子的語法結構或詞匯之間的依存關系（主謂賓、定狀補等句法關系），包括句法結構分析、依存關系分析。