[[384737]]

【51CTO.com快譯】如今自然語言技術越來越多地在企業(yè)中得到應用。很多公司推出了大量文本分析解決方案、語音識別系統(tǒng)、聊天機器人以及所有可以令人想象的語言處理用例。

在過去的三年中，自然語言處理(NLP)已經(jīng)成為數(shù)據(jù)科學中最主要的領域之一。而自然語言處理(NLP)是自然語言理解(NLU)、自然語言生成(NLG)和自然語言交互(NLI)等子領域的總稱。

隨著谷歌和微軟等科技公司的不斷發(fā)展和創(chuàng)新，自然語言處理(NLP)在準確性、速度和方法方面取得了飛躍性發(fā)展，可以幫助計算機科學家解決更復雜的問題。自然語言處理(NLP)如今成為人工智能領域進行研究最多的領域之一。

人工智能開發(fā)商Paperspace公司聯(lián)合創(chuàng)始人兼首席執(zhí)行官Dillon Erb對五個重要的自然語言處理發(fā)展趨勢進行了分析和闡述，這些趨勢將在2021年影響企業(yè)的發(fā)展，并有助于區(qū)分合理發(fā)展和過度夸大的宣傳。

趨勢1：真正的自然語言處理(NLP)還有很長的路要走

人類的語言很復雜，因為語言代表著人類的思想。這使自然語言理解(NLU)成為所謂的“難以解決的人工智能”問題之一，這是因為自然語言理解(NLU)面臨的問題就是廣義人工智能的問題。

但是作為人工智能的子主題，自然語言理解(NLU)得到了更多關注，因為其應用前景令人興奮，并且很多自然語言理解(NLU)解決方案在其應用中顯示出了真正的價值。

因此，盡管自然語言理解(NLU)技術尚不成熟，但自然語言理解(NLU)的普及程度已經(jīng)在企業(yè)的應用中得到證明。

自然語言理解(NLU)用于對客戶實施情感分析，并理解對Siri和Alexa等數(shù)字助理提出的問題。它還可以通過神經(jīng)機器翻譯服務(例如谷歌翻譯)進行多語種的文本翻譯。

人們需要知道的是，在全面的廣義人工智能出現(xiàn)之前，自然語言處理(NLP)需要不斷發(fā)展，因此還有很長的路要走。

趨勢2：模型正在迅速改進，企業(yè)需要為此做好準備

可以說，當今最著名的人工智能模型是OpenAI的GPT。其最新版本的GPT-3已于今年早些時候發(fā)布。

就GPT的進展而言，GPT-2在2019年2月推出并帶來了重大影響，這是由于它接受了15億個參數(shù)的訓練。GPT-3在18個月之后推出，并接受了1750億個參數(shù)的預訓練，其訓練量得到兩個數(shù)量級的時長。GPT的推出立即引起了全球媒體的關注，因為這意味著將會產(chǎn)生虛假新聞、生成藝術、編寫代碼庫等等。

諸如GPT之類的語言模型的發(fā)展正在激勵企業(yè)開發(fā)機器智能的許多方法和應用程序，這些應用程序從能夠用語言描述網(wǎng)絡應用程序到模仿公眾人物的語言模式，再到通過醫(yī)學文獻進行訓練以提供診斷。

趨勢3：狹義用例獲得成功

根據(jù)調(diào)查，全球有數(shù)十萬人從事GPU計算、機器學習和深度學習的工作，尤其是在企業(yè)層面。而重要的一件事是，為了取得成功并推動業(yè)務價值，人工智能項目的范圍可能很窄。

像OpenAI的GPT-3這樣的人工智能項目之所以引起廣泛關注，是因為這些技術為人們的未來發(fā)展提供了令人鼓舞的愿景。但是，當今推動真正價值的企業(yè)項目和部署范圍很狹窄，并且可以帶來具體的業(yè)務價值。

例如，當Adobe Photoshop提供了從背景中自動選擇圖像主題的功能時，這是計算機視覺的一種狹義用途，可以為最終用戶提供真正的價值。Photoshop用戶無需花費數(shù)小時就可以每個像素的精度剔除背景。這是狹義應用獲得成功的一個示例。

趨勢4：機器學習模型需要維護

與傳統(tǒng)軟件不同，應用在生產(chǎn)中的機器學習模型需要維護，因為它們會隨著時間的推移而降低性能。這一事實與生產(chǎn)機器學習模型(模型由代碼、數(shù)據(jù)、計算和性能指標組成)的復雜組合相結(jié)合，導致了持續(xù)集成(CI)/持續(xù)交付(CD)和MLOps工具以及基礎設施虛擬化產(chǎn)品的快速發(fā)展。

有關自然語言理解(NLU)或自然語言處理(NLP)最令人興奮的事情之一就是可以隨著時間的推移改進模型。在許多應用中，模型的精確度只要提高幾個百分點，就可以為企業(yè)基礎業(yè)務帶來數(shù)百萬美元的價值。其具體示例包括推薦引擎、金融建模應用程序等應用程序。

因此，重要的是要有一個可預測的部署系統(tǒng)，以隨著時間的推移繼續(xù)交付價值。

趨勢5：將機器學習視為一種軟件學科

企業(yè)準備從機器學習提升業(yè)務價值的最有價值的方法之一就是將機器學習確立為一種軟件學科。由于絕大多數(shù)機器學習項目在開發(fā)人員或數(shù)據(jù)科學家的筆記本電腦上運行的研究實驗過程中陷入困境，因此確定幫助企業(yè)將模型部署到生產(chǎn)和交付價值的系統(tǒng)的優(yōu)先級是很重要的。

將機器學習視為一種軟件學科意味著擁有已經(jīng)建立的管道，可以將項目從研究轉(zhuǎn)到生產(chǎn)。這意味著機器學習與其余軟件堆?？梢缘玫礁嗟年P注和資源，還意味著代碼、數(shù)據(jù)和機器學習模型本身將會進行版本控制。簡化基礎設施配置也很重要，這樣企業(yè)可以大規(guī)模部署機器學習模型。

最終目標是使人工智能成為企業(yè)的業(yè)務驅(qū)動力。在機器學習領域，適當?shù)牧鞒毯苤匾?，這樣就可以盡快創(chuàng)造價值。隨著時間的推移，更加有利可圖的模型將獲得更多利潤，因此現(xiàn)在是開始采用的時候了。

原文標題：Natural Language Processing Trends That Impact Enterprises in 2021，作者：EWEEK EDITORS

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】