在此次年会上，记者就看到了很多中国年轻学人的成果：来自百度的研究员，将深度学习技术应用于机器翻译，使得译文质量得到了明显改善；清华大学的团队，通过统计词语出现的上下文环境，利用联合矩阵分解，实现跨语言的词向量学习；“中央研究院”和台湾大学的学生们，利用对新闻语料语言模式的自动学习，可预测读者情绪，辅助写作。
“近年来，随着深度学习技术的发展，研究者们基于深度学习模型来进行语义表示，同时也将深度学习模型用于提升信息检索、机器翻译等应用方向的效果，这些都取得了明显的收益。”李生介绍，“像自动问答、知识挖掘、情感分析等方向研究的人也很多，尤其是随着互联网大数据时代的到来，人们意识到这些技术对于提升用户获取信息的效率将发挥重要作用。”
深度学习成主流 人工智能大可为
20世纪60年代，美国语言学家乔姆斯基提出转换生成语法，此后基于规则的理性主义和基于统计的经验主义就成为自然语言处理方法论上的两大“阵营”。
“我在60、70年代做机器翻译是基于规则的，然后是基于实例的翻译方法。后来基于统计的机器翻译取代前两者，成为目前的主流。”李生表示，自然语言处理是与时俱进的，互联网大数据时代，人们的新需求、新理想都被从中挖掘出来，成为新的研究问题。
无论是搜索引擎中的意图分析、精准问答，还是电子商务中的自动客服，以及社交网络，自然语言处理技术几乎存在于大家熟悉的所有互联网服务中。近些年来，随着自然语言对话、多模态交互等新式人机交互的方式的兴起，对话交互、多模态自然语言处理等新的研究方向也开始为人们广泛关注。
对于未来研究走向何方？李生有自己的见解。“基于深度学习的、基于多层神经网络的机器翻译有可能会成为主流。但是各种方法都有利弊，我希望年轻学人博采众长，将基于深度学习的方法和基于规则、基于实例、基于统计的方法结合起来，发挥各自的长处。
美国发明家、作家、未来学家雷·科兹威尔曾预测，到2029年，机器翻译的译文质量将达到人工翻译的水准。“技术发展没有极限，如果说有，那也许就是人类想象力的上限。”李生相信，未来自然语言处理将是人工智能中非常重要的研究领域。
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！