人造言语处置（NLP）是一门机器学科，其关键目标是处置人类言语或相似人类言语的书面、书面语和组织模式的数据。它来源于计算言语学，应用计算机迷信来了解言语的原理。但是，NLP 不只仅是开发通常框架，它还是一门工程学科，旨在发明技术来成功义务。NLP 经常被用于语音识别，其重点是将书面语解析为单词，将声响转换为文本，反之亦然。大少数 NLP 义务都是翻译人类文本和语音数据，以协助计算机解释接纳到的消息。NLP 可细分为两个畛域：
1）人造言语了解（NLU），为了了解给定文本面前的含意，须要启动语义剖析；
2）人造言语生成（NLG），并重于机器生成的文本。
NLP 公司专一于 NLP 技术，该技术触及经常使用计算算法和言语模型，使机器能够了解、剖析和生成人类言语。这些公司创立软件运行程序、工具和服务，应用这种技术提供多种言语关系配置，包含语音识别、情感剖析、言语翻译、聊天机器人和文本剖析。NLP 公司延聘 NLP 专家、言语学家和软件工程师独特开发和改良 NLP 算法和模型。这些公司提供的服务被部署在多个行业，包含医疗保健、金融、客户服务和营销。在处置社会公正、气象变动和教育等畛域的事实疑问时，它们的经常使用速度也在始终放慢。
1.语音识别或语音转文本：用于将语音转换为文本。任何接受语音命令或提供书面语疑问答案的运行程序都须要它。语音识别面临的应战与人们谈话的模式无关，语速快、单词混同、重音和语调各异、经常使用不正确的语法都会影响语音识别的成果。
2.语音局部标志：这也称为语法标志。它包含依据用法和高低文识别给定单词或文本的语篇。例如，在句子 “I can make a paper plane ”中，语篇标签有助于将“make”一词辨以为动词，而在 “What make of car do you own？”中，语篇标签则有助于将其辨以为名词。
3.词义消歧：这包含经过语义剖析来选用具备多个含意的单词的含意。这有助于确定在特定语境中最无心义的词。
4.命名实体识别：这包含将单词或短语辨以为有用的实体。它可用于将“肯塔基”辨以为一个地点，或将“Sita”辨以为一个女人的名字。
5.共参照解析：这包含识别暗指同一实体的两个词。例如，找出特定代词 “他”=保罗所指代的人或物。它还触及识别文本中的隐喻或成语，如 “熊”指人而非生物。
6.情感剖析：其目标是从文本中提取客观质量，包含态度、心情、讥刺、困惑、疑心等。
7.人造言语生成：它触及将结构化消息转化为人类言语。
NLP 前景宽广，仍有始终提高和翻新的空间。以下是影响其未来的关键趋向和开展。
1.增强型言语模型：像 GPT-3 这样的 NLP 模型曾经显示出弱小的才干，但是，咱们必需宿愿在未来看到更弱小的模型，它们能够更好地理解人类言语的纤细差异，并生成语句流利、语义人造的文本。
2.多模态 NLP：这项技术正在始终裁减，包含图像和视频等其余模态，使机器能够了解和生成各种格局的内容。
3.共性化言语模型：随着发生的数据量始终参与，NLP 模型将能够依据团体喜好和需求共性化内容。
4.增强言语翻译：因为开发了更准确和更能感知高低文的翻译模型，言语翻译将始终改良。
NLP 可以在多个方面对环球发生深远影响。但是，NLP 也面临许多争议，了解这些争议也是作为一个担任任的通常者的关键职责。因此，从以上分享的见地中咱们可以分明地看到，NLP有着黑暗的未来，咱们可以等候在未来几年中看到这项技术的更多翻新运行。
原文题目：
原文作者： Rayan Potter