智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
現(xiàn)貨供應(yīng)德國(guó)imes壓力指示器
德國(guó)imes,imes壓力指示器,imes進(jìn)口壓力指示器,imes氣缸壓力傳感器,imes壓縮壓力傳感器品牌
其他品牌
自然語言處理的歷史是一個(gè)充滿曲折的故事。它從徒勞的研究開始，經(jīng)過多年卓有成效的工作，最后結(jié)束于一個(gè)我們?nèi)栽谠噲D找出該領(lǐng)域極限的時(shí)代。今天，讓我們來一起探索這一AI科學(xué)分支的發(fā)展。
自然語言處理(NLP)的起源——這個(gè)想法是如何誕生的？
自然語言處理起源于1940年代后期，當(dāng)時(shí)構(gòu)建了第一個(gè)AI系統(tǒng)。他們必須處理自然語言并識(shí)別單詞才能理解人類命令。1950年，艾倫·圖靈發(fā)表了一篇論文，描述了第一個(gè)機(jī)器翻譯算法。算法過程側(cè)重于編程語言的形態(tài)學(xué)、句法和語義。論文的題目是“計(jì)算機(jī)與智能”。圖靈寫了更多關(guān)于自然語言的研究論文，但他在這方面的工作并沒有繼續(xù)。
1959年，他寫了一篇論文《論可計(jì)算數(shù)》。引入了人工智能的思想來解決人類無法自己解決的問題。該算法處理信息并執(zhí)行超出人類能力或時(shí)間限制的任務(wù)，例如以閃電般的速度下棋。
自然語言處理(NLP)的誕生——誰讓它成為可能？
1956年，John McCarthy發(fā)表了一份報(bào)告，描述了如何使用自然語言與AI系統(tǒng)進(jìn)行通信。 1957年，他創(chuàng)造了“人工智能”一詞。1958年，他發(fā)表了一篇論文，描述了SOLO自然語言句子處理程序。
1959年，F(xiàn)rank Rosenblatt創(chuàng)建了第一個(gè)感知器(神經(jīng)網(wǎng)絡(luò))。這些網(wǎng)絡(luò)旨在處理信息并解決模式識(shí)別或分類任務(wù)中的問題。1962年，在Marvin Minsky和Seymour Papert寫了他們成功的書“感知器”之后，這些人工神經(jīng)元被廣泛使用。
1966年，一家名為General Automation Incorporated的人工智能公司成立，專注于自然語言處理和模式識(shí)別。
自然語言處理(NLP)的演變-發(fā)生了哪些變化？
隨著時(shí)間的推移，不同的分析方法逐漸發(fā)展起來。愛丁堡大學(xué)和康奈爾大學(xué)的科學(xué)家于1964年創(chuàng)建了一個(gè)計(jì)算模型。第一個(gè)可以與人交談的計(jì)算機(jī)程序是ELIZA，它由麻省理工學(xué)院的Joseph Weizenbaum于1966年創(chuàng)建。
1966年，召開了第一屆計(jì)算機(jī)語音和語言處理專業(yè)會(huì)議。1967年，一個(gè)俄語機(jī)器翻譯程序可供使用英語的科學(xué)家閱讀蘇聯(lián)科學(xué)發(fā)現(xiàn)。
自然語言處理(NLP)的發(fā)展-它是如何演變的？
直到1979年才又邁出了一大步，正是在這一年，第一個(gè)簡(jiǎn)單的英語“聊天機(jī)器人”誕生了。
1984年，IBM的新產(chǎn)品“chatterbox”可以用自然語言與人交談，它使用早期版本的對(duì)話管理系統(tǒng)為用戶過濾掉無趣的對(duì)話。
之后，在1987年，羅伯特·尚克(Robert Schank)創(chuàng)建的一個(gè)名為PARRY的程序能夠與精神科醫(yī)生進(jìn)行對(duì)話，但無法回答有關(guān)自己生活的問題。
1990年，ELIZA和Parry被認(rèn)為是人工智能的“微不足道”例子，因?yàn)樗麄兪褂昧藷o法像人類那樣真正思考或理解自然語言的簡(jiǎn)單模式匹配技術(shù)。我們?nèi)匀粺o法創(chuàng)建一個(gè)能夠令人信服地通過圖靈測(cè)試的聊天機(jī)器人。
1994年，統(tǒng)計(jì)機(jī)器翻譯在自然語言處理方面取得了重大突破，它使機(jī)器的閱讀速度比人類快 400倍，但仍然不如人類翻譯。
幾年后，1997年自然語言處理取得重大突破，引入了一種解析和理解語音的算法，該算法被稱為人工智能領(lǐng)域的顯著成就之一。
2006年，谷歌推出了無需人工干預(yù)的翻譯功能，該功能使用統(tǒng)計(jì)機(jī)器學(xué)習(xí)，通過閱讀數(shù)百萬文本，將60多種語言的單詞翻譯成其他語言。接下來的幾年，算法得到改進(jìn)，現(xiàn)在谷歌翻譯可以翻譯 100多種語言。
2010年，IBM宣布開發(fā)了一個(gè)名為Watson的系統(tǒng)，該系統(tǒng)能夠理解自然語言中的問題，然后使用人工智能根據(jù)維基百科提供的信息給出答案。
之后在2013年，微軟推出了一款名為Tay的聊天機(jī)器人。它的創(chuàng)建是為了從Twitter和其他平臺(tái)上與人類的互動(dòng)中學(xué)習(xí)，以便讓人們?cè)诰€參與，但沒過多久，該機(jī)器人就開始發(fā)布令人反感的內(nèi)容，導(dǎo)致其在存在16小時(shí)后關(guān)閉。
現(xiàn)在，在2021年，機(jī)器學(xué)習(xí)的炒作達(dá)到了高峰。
自然語言處理(NLP)的局限性是什么？
其中之一是改進(jìn)交互式對(duì)話系統(tǒng)中的自然語言處理，其中包括基于知識(shí)的對(duì)話和對(duì)話代理，例如 Siri或Alexa——我們每天使用的這些助手。然而，在它們能夠像人類一樣做出反應(yīng)之前，還有很長(zhǎng)的路要走。
另一個(gè)限制是，大多數(shù)機(jī)器學(xué)習(xí)算法并不打算用于聊天機(jī)器人等實(shí)時(shí)情況，而是用于離線處理具有大量輸入變量和訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)集——這意味著仍然沒有辦法預(yù)測(cè)未來事件或每種可能的情況。
我們想通過自然語言處理(NLP)實(shí)現(xiàn)什么？
科學(xué)家們希望創(chuàng)建能夠理解句子的含義和意圖的算法，并且盡可能少地使用單詞。他們打算創(chuàng)建一套算法，能夠掌握句子的含義和意圖，以便從中提取信息。這就是為什么我們想要通過自然語言處理實(shí)現(xiàn)的目標(biāo)仍然沒有限制，只要它支持人類日常生活中的活動(dòng)。他們說，開發(fā)NLP(自然語言處理)對(duì)日常生活中的人類有很大幫助。NLP的發(fā)展背后有一些威脅，但也有很多機(jī)會(huì)。
自然語言處理幫助人們?cè)谌粘Ｉ钪懈骼卣f話和閱讀，并讓他們打字的速度比在鍵盤上寫句子的速度更快。但主要威脅之一是，一些專家表示，開發(fā)自然語言處理將使人類失業(yè)，因?yàn)樗麄儗⒈粰C(jī)器取代。
然而，也有人說自然語言處理會(huì)給人類帶來新的工作和機(jī)會(huì)，因?yàn)樗珡?fù)雜了。這意味著只要 NLP 的發(fā)展支持人類日常生活中的活動(dòng)，那么我們可能就可以通過這項(xiàng)技術(shù)找到限制與自由之間的邊界。
(原標(biāo)題：自然語言處理(NLP)的歷史及其發(fā)展方向)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
