[[208394]]

一、什么是自然語言處理

簡(jiǎn)單地說，自然語言處理(Natural Language Processing，簡(jiǎn)稱NLP)就是用計(jì)算機(jī)來處理、理解以及運(yùn)用人類語言(如中文、英文等)，它屬于人工智能的一個(gè)分支，是計(jì)算機(jī)科學(xué)與語言學(xué)的交叉學(xué)科，又常被稱為計(jì)算語言學(xué)。由于自然語言是人類區(qū)別于其他動(dòng)物的根本標(biāo)志。沒有語言，人類的思維也就無從談起，所以自然語言處理體現(xiàn)了人工智能的最高任務(wù)與境界，也就是說，只有當(dāng)計(jì)算機(jī)具備了處理自然語言的能力時(shí)，機(jī)器才算實(shí)現(xiàn)了真正的智能。

從研究?jī)?nèi)容來看，自然語言處理包括語法分析、語義分析、篇章理解等。從應(yīng)用角度來看，自然語言處理具有廣泛的應(yīng)用前景。特別是在信息時(shí)代，自然語言處理的應(yīng)用包羅萬象，例如：機(jī)器翻譯、手寫體和印刷體字符識(shí)別、語音識(shí)別及文語轉(zhuǎn)換、信息檢索、信息抽取與過濾、文本分類與聚類、輿情分析和觀點(diǎn)挖掘等，它涉及與語言處理相關(guān)的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、知識(shí)獲取、知識(shí)工程、人工智能研究和與語言計(jì)算相關(guān)的語言學(xué)研究等。

值得一提的是，自然語言處理的興起與機(jī)器翻譯這一具體任務(wù)有著密切聯(lián)系。機(jī)器翻譯指的是利用計(jì)算機(jī)自動(dòng)地將一種自然語言翻譯為另外一種自然語言。例如自動(dòng)將英文“I like Beijing Tiananmen Square”翻譯為“我愛北京天安門”，或者反過來將“我愛北京天安門”翻譯為“I like Beijing Tiananmen Square”。由于人工進(jìn)行翻譯需要訓(xùn)練有素的雙語專家，翻譯工作非常耗時(shí)耗力。更不用說需要翻譯一些專業(yè)領(lǐng)域文獻(xiàn)時(shí)，還需要翻譯者了解該領(lǐng)域的基本知識(shí)。世界上有超過幾千種語言，而僅聯(lián)合國的工作語言就有六種之多。如果能夠通過機(jī)器翻譯準(zhǔn)確地進(jìn)行語言間的翻譯，將大大提高人類溝通和了解的效率。

《圣經(jīng)》里有一個(gè)故事說巴比倫人想建造一座塔直通天堂。建塔的人都說著同一種語言，心意相通、齊心協(xié)力。上帝看到人類竟然敢做這種事情，就讓他們的語言變得不一樣。因?yàn)槿藗兟牪欢畬?duì)方在講什么，于是大家整天吵吵鬧鬧，無法繼續(xù)建塔。后來人們把這座塔叫作巴別塔，而“巴別”的意思就是“分歧”。雖然巴別塔停建了，但一個(gè)夢(mèng)想?yún)s始終縈繞在人們心中：人類什么時(shí)候才能擁有相通的語言，重建巴別塔呢?機(jī)器翻譯被視為“重建巴別塔”的偉大創(chuàng)舉。假如能夠?qū)崿F(xiàn)不同語言之間的機(jī)器翻譯，我們就可以理解世界上任何人說的話，與他們進(jìn)行交流和溝通，再也不必為相互不能理解而困擾。

事實(shí)上，“人工智能”被作為一個(gè)研究問題正式提出來的時(shí)候，創(chuàng)始人把計(jì)算機(jī)國際象棋和機(jī)器翻譯作為兩個(gè)標(biāo)志性的任務(wù)，認(rèn)為只要國際象棋系統(tǒng)能夠打敗人類世界冠軍，機(jī)器翻譯系統(tǒng)達(dá)到人類翻譯水平，就可以宣告人工智能的勝利。四十年后的1997年，IBM公司的深藍(lán)超級(jí)計(jì)算機(jī)已經(jīng)能夠打敗國際象棋世界冠軍卡斯帕羅夫。而機(jī)器翻譯到現(xiàn)在仍無法與人類翻譯水平相比，從此可以看出自然語言處理有多么困難!

自然語言處理興起于美國。第二次世界大戰(zhàn)之后，二十世紀(jì)五十年代，當(dāng)電子計(jì)算機(jī)還在襁褓之中時(shí)，利用計(jì)算機(jī)處理人類語言的想法就已經(jīng)出現(xiàn)。當(dāng)時(shí)，美國希望能夠利用計(jì)算機(jī)將大量俄語材料自動(dòng)翻譯成英語，以窺探蘇聯(lián)科技的最新發(fā)展。研究者從破譯軍事密碼中得到啟示，認(rèn)為不同的語言只不過是對(duì)“同一語義”的不同編碼而已，從而想當(dāng)然地認(rèn)為可以采用譯碼技術(shù)像破譯密碼一樣“破譯”這些語言。

1954年1月7日，美國喬治敦大學(xué)和IBM公司合作實(shí)驗(yàn)成功地將超過60句俄語自動(dòng)翻譯成英語。雖然當(dāng)時(shí)的這個(gè)機(jī)器翻譯系統(tǒng)非常簡(jiǎn)單，僅僅包含6個(gè)語法規(guī)則和250個(gè)詞，但由于媒體的廣泛報(bào)道，紛紛認(rèn)為這是一個(gè)巨大的進(jìn)步，導(dǎo)致美國政府備受鼓舞，加大了對(duì)自然語言處理研究的投資。實(shí)驗(yàn)完成者也當(dāng)即自信地撰文稱，在三到五年之內(nèi)就能夠完全解決從一種語言到另一種語言的自動(dòng)翻譯問題。他們認(rèn)為只要制定好各種翻譯規(guī)則，通過大量規(guī)則的堆砌就能夠完美地實(shí)現(xiàn)語言間的自動(dòng)翻譯。

然而，事實(shí)是理解人類語言遠(yuǎn)比破譯密碼要復(fù)雜得多，因此研究進(jìn)展非常緩慢。1966年的一份研究報(bào)告總結(jié)發(fā)現(xiàn)，經(jīng)過十年之久的研究，結(jié)果遠(yuǎn)遠(yuǎn)未能達(dá)到預(yù)期，因此支持資金急劇下降，使自然語言處理(特別是機(jī)器翻譯)的研究陷入長達(dá)二十年的低潮。直到二十世紀(jì)八十年代，隨著電子計(jì)算機(jī)的計(jì)算能力的飛速提高和制造成本的大幅下降，研究者又開始重新關(guān)注自然語言處理這個(gè)極富挑戰(zhàn)的研究領(lǐng)域。三十年滄海桑田，此時(shí)研究者已經(jīng)認(rèn)識(shí)到簡(jiǎn)單的語言規(guī)則的堆砌無法實(shí)現(xiàn)對(duì)人類語言的真正理解。研究發(fā)現(xiàn)，通過對(duì)大量的文本數(shù)據(jù)的自動(dòng)學(xué)習(xí)和統(tǒng)計(jì)，能夠更好地解決自然語言處理問題，如語言的自動(dòng)翻譯。這一思想被稱為自然語言處理的統(tǒng)計(jì)學(xué)習(xí)模型，至今方興未艾。

那么，自然語言處理到底存在哪些主要困難或挑戰(zhàn)，吸引那么多研究者幾十年如一日孜孜不倦地探索解決之道呢?

二、自然語言處理的主要困難

自然語言處理的困難可以羅列出來很多，不過關(guān)鍵在于消除歧義問題，如詞法分析、句法分析、語義分析等過程中存在的歧義問題，簡(jiǎn)稱為消歧。而正確的消歧需要大量的知識(shí)，包括語言學(xué)知識(shí)(如詞法、句法、語義、上下文等)和世界知識(shí)(與語言無關(guān))。這帶來自然語言處理的兩個(gè)主要困難。

首先，語言中充滿了大量的歧義，這主要體現(xiàn)在詞法、句法及語義三個(gè)層次上。歧義的產(chǎn)生是由于自然語言所描述的對(duì)象――人類活動(dòng)非常復(fù)雜，而語言的詞匯和句法規(guī)則又是有限的，這就造成同一種語言形式可能具有多種含義。

例如單詞定界問題是屬于詞法層面的消歧任務(wù)。在口語中，詞與詞之間通常是連貫說出來的。在書面語中，中文等語言也沒有詞與詞之間的邊界。由于單詞是承載語義的最小單元，要解決自然語言處理，單詞的邊界界定問題首當(dāng)其沖。特別是中文文本通常由連續(xù)的字序列組成，詞與詞之間缺少天然的分隔符，因此中文信息處理比英文等西方語言多一步工序，即確定詞的邊界，我們稱為“中文自動(dòng)分詞”任務(wù)。通俗的說就是要由計(jì)算機(jī)在詞與詞之間自動(dòng)加上分隔符，從而將中文文本切分為獨(dú)立的單詞。例如一個(gè)句子“今天天氣晴朗”的帶有分隔符的切分文本是“今天|天氣|晴朗”。中文自動(dòng)分詞處于中文自然語言處理的底層，是公認(rèn)的中文信息處理的第一道工序，扮演著重要的角色，主要存在新詞發(fā)現(xiàn)和歧義切分等問題。我們注意到：正確的單詞切分取決于對(duì)文本語義的正確理解，而單詞切分又是理解語言的最初的一道工序。這樣的一個(gè)“雞生蛋、蛋生雞”的問題自然成了(中文)自然語言處理的第一條攔路虎。

其他級(jí)別的語言單位也存在著各種歧義問題。例如在短語級(jí)別上，“進(jìn)口彩電”可以理解為動(dòng)賓關(guān)系(從國外進(jìn)口了一批彩電)，也可以理解為偏正關(guān)系(從國外進(jìn)口的彩電)。又如在句子級(jí)別上，“做手術(shù)的是她的父親”可以理解為她父親生病了需要做手術(shù)，也可以理解為她父親是醫(yī)生，幫別人做手術(shù)?？傊?，同樣一個(gè)單詞、短語或者句子有多種可能的理解，表示多種可能的語義。如果不能解決好各級(jí)語言單位的歧義問題，我們就無法正確理解語言要表達(dá)的意思。

另外一個(gè)方面，消除歧義所需要的知識(shí)在獲取、表達(dá)以及運(yùn)用上存在困難。由于語言處理的復(fù)雜性，合適的語言處理方法和模型難以設(shè)計(jì)。

例如上下文知識(shí)的獲取問題。在試圖理解一句話的時(shí)候，即使不存在歧義問題，我們也往往需要考慮上下文的影響。所謂的“上下文”指的是當(dāng)前所說這句話所處的語言環(huán)境，例如說話人所處的環(huán)境，或者是這句話的前幾句話或者后幾句話，等等。假如當(dāng)前這句話中存在指代詞的時(shí)候，我們需要通過這句話前面的句子來推斷這個(gè)指代詞是指的什么。我們以“小明欺負(fù)小亮，因此我批評(píng)了他”為例。在其中的第二句話中的“他”是指代“小明”還是“小亮”呢?要正確理解這句話，我們就要理解上句話“小明欺負(fù)小亮”意味著“小明”做得不對(duì)，因此第二句中的“他”應(yīng)當(dāng)指代的是“小明”。由于上下文對(duì)于當(dāng)前句子的暗示形式是多種多樣的，因此如何考慮上下文影響問題是自然語言處理中的主要困難之一。

再如背景知識(shí)問題。 正確理解人類語言還要有足夠的背景知識(shí)。舉一個(gè)簡(jiǎn)單的例子，在機(jī)器翻譯研究的初期，人們經(jīng)常舉一個(gè)例子來說明機(jī)器翻譯任務(wù)的艱巨性。在英語中“The spirit is willing but the flesh is weak.”，意思是“心有余而力不足”。但是當(dāng)時(shí)的某個(gè)機(jī)器翻譯系統(tǒng)將這句英文翻譯到俄語，然后再翻譯回英語的時(shí)候，卻變成了“The Voltka is strong but the meat is rotten.”，意思是“伏特加酒是濃的，但肉卻腐爛了”。從字面意義上看，“spirit”(烈性酒)與“Voltka”(伏特加)對(duì)譯似無問題，而“flesh”和“meat”也都有肉的意思。那么這兩句話在意義上為什么會(huì)南轅北轍呢?關(guān)鍵的問題就在于在翻譯的過程中，機(jī)器翻譯系統(tǒng)對(duì)于英語成語并無了解，僅僅是從字面上進(jìn)行翻譯，結(jié)果自然失之毫厘，差之千里。

從上面的兩個(gè)方面的主要困難，我們看到自然語言處理這個(gè)難題的根源就是人類語言的復(fù)雜性和語言描述的外部世界的復(fù)雜性。人類語言承擔(dān)著人類表達(dá)情感、交流思想、傳播知識(shí)等重要功能，因此需要具備強(qiáng)大的靈活性和表達(dá)能力，而理解語言所需要的知識(shí)又是無止境的。那么目前人們是如何嘗試進(jìn)行自然語言處理的呢?

三、自然語言處理的發(fā)展趨勢(shì)

目前，人們主要通過兩種思路來進(jìn)行自然語言處理，一種是基于規(guī)則的理性主義，另外一種是基于統(tǒng)計(jì)的經(jīng)驗(yàn)主義。理性主義方法認(rèn)為，人類語言主要是由語言規(guī)則來產(chǎn)生和描述的，因此只要能夠用適當(dāng)?shù)男问綄⑷祟愓Z言規(guī)則表示出來，就能夠理解人類語言，并實(shí)現(xiàn)語言之間的翻譯等各種自然語言處理任務(wù)。而經(jīng)驗(yàn)主義方法則認(rèn)為，從語言數(shù)據(jù)中獲取語言統(tǒng)計(jì)知識(shí)，有效建立語言的統(tǒng)計(jì)模型。因此只要能夠有足夠多的用于統(tǒng)計(jì)的語言數(shù)據(jù)，就能夠理解人類語言。然而，當(dāng)面對(duì)現(xiàn)實(shí)世界充滿模糊與不確定性時(shí)，這兩種方法都面臨著各自無法解決的問題。例如，人類語言雖然有一定的規(guī)則，但是在真實(shí)使用中往往伴隨大量的噪音和不規(guī)范性。理性主義方法的一大弱點(diǎn)就是魯棒性差，只要與規(guī)則稍有偏離便無法處理。而對(duì)于經(jīng)驗(yàn)主義方法而言，又不能無限地獲取語言數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)習(xí)，因此也不能夠完美地理解人類語言。二十世紀(jì)八十年代以來的趨勢(shì)就是，基于語言規(guī)則的理性主義方法不斷受到質(zhì)疑，大規(guī)模語言數(shù)據(jù)處理成為目前和未來一段時(shí)期內(nèi)自然語言處理的主要研究目標(biāo)。統(tǒng)計(jì)學(xué)習(xí)方法越來越受到重視，自然語言處理中越來越多地使用機(jī)器自動(dòng)學(xué)習(xí)的方法來獲取語言知識(shí)。

邁進(jìn)二十一世紀(jì)，我們已經(jīng)進(jìn)入了以互聯(lián)網(wǎng)為主要標(biāo)志的海量信息時(shí)代，這些海量信息大部分是以自然語言表示的。一方面，海量信息也為計(jì)算機(jī)學(xué)習(xí)人類語言提供了更多的“素材”，另一方面，這也為自然語言處理提供了更加寬廣的應(yīng)用舞臺(tái)。例如，作為自然語言處理的重要應(yīng)用，搜索引擎逐漸成為人們獲取信息的重要工具，涌現(xiàn)出以百度、谷歌等為代表的搜索引擎巨頭;機(jī)器翻譯也從實(shí)驗(yàn)室走入尋常百姓家，谷歌、百度等公司都提供了基于海量網(wǎng)絡(luò)數(shù)據(jù)的機(jī)器翻譯和輔助翻譯工具;基于自然語言處理的中文(輸入法如搜狗、微軟、谷歌等輸入法)成為計(jì)算機(jī)用戶的必備工具;帶有語音識(shí)別的計(jì)算機(jī)和手機(jī)也正大行其道，協(xié)助用戶更有效地工作學(xué)習(xí)。總之，隨著互聯(lián)網(wǎng)的普及和海量信息的涌現(xiàn)，自然語言處理正在人們的日常生活中扮演著越來越重要的作用。

然而，我們同時(shí)面臨著一個(gè)嚴(yán)峻事實(shí)，那就是如何有效利用海量信息已成為制約信息技術(shù)發(fā)展的一個(gè)全局性瓶頸問題。自然語言處理無可避免地成為信息科學(xué)技術(shù)中長期發(fā)展的一個(gè)新的戰(zhàn)略制高點(diǎn)。同時(shí)，人們逐漸意識(shí)到，單純依靠統(tǒng)計(jì)方法已經(jīng)無法快速有效地從海量數(shù)據(jù)中學(xué)習(xí)語言知識(shí)，只有同時(shí)充分發(fā)揮基于規(guī)則的理性主義方法和基于統(tǒng)計(jì)的經(jīng)驗(yàn)主義方法的各自優(yōu)勢(shì)，兩者互相補(bǔ)充，才能夠更好、更快地進(jìn)行自然語言處理。

自然語言處理作為一個(gè)年齡尚不足一個(gè)世紀(jì)的新興學(xué)科，正在進(jìn)行著突飛猛進(jìn)的發(fā)展?；仡欁匀徽Z言處理的發(fā)展歷程，并不是一帆風(fēng)順，有過低谷，也有過高潮。而現(xiàn)在我們正面臨著新的挑戰(zhàn)和機(jī)遇。例如，目前網(wǎng)絡(luò)搜索引擎基本上還停留在關(guān)鍵詞匹配，缺乏深層次的自然語言處理和理解。語音識(shí)別、文字識(shí)別、問答系統(tǒng)、機(jī)器翻譯等目前也只能達(dá)到很基本的水平。路漫漫其修遠(yuǎn)兮，自然語言處理作為一個(gè)高度交叉的新興學(xué)科，不論是探究自然本質(zhì)還是付諸實(shí)際應(yīng)用，在將來必定會(huì)有令人期待的驚喜和異?？焖俚陌l(fā)展。