未來(lái)智能交互核心，人工智能的主戰(zhàn)場(chǎng)——語(yǔ)義識(shí)別如今發(fā)展如何？
什么是語(yǔ)義識(shí)別
語(yǔ)義識(shí)別可以分為三層：
1.應(yīng)用層：
包括行業(yè)應(yīng)用和智能語(yǔ)音交互系統(tǒng)/技術(shù)應(yīng)用。
2.NLP技術(shù)層：
包括以語(yǔ)言學(xué)、計(jì)算機(jī)語(yǔ)言等學(xué)科為背景的，對(duì)自然語(yǔ)言進(jìn)行詞語(yǔ)解析、信息抽取、時(shí)間因果、情緒判斷等等技術(shù)處理，最終達(dá)到讓計(jì)算機(jī)懂人類(lèi)的語(yǔ)言的自然語(yǔ)言認(rèn)知，以及把計(jì)算機(jī)數(shù)據(jù)轉(zhuǎn)化為自然語(yǔ)言的自然語(yǔ)言生成。
a）詞語(yǔ)解析與信息抽取：包括分詞、詞性標(biāo)注、命名實(shí)體識(shí)別和詞義消歧，從給定文本中抽取重要的信息。
b）句法解析與語(yǔ)篇理解：對(duì)篇章結(jié)構(gòu)的一系列連續(xù)的子句、句子和語(yǔ)段間一定層次結(jié)構(gòu)和語(yǔ)義關(guān)系的分析，包括時(shí)間、事件、因果關(guān)系等，甚至于文本所攜帶的情緒識(shí)別。
c）自然語(yǔ)言生成：從結(jié)構(gòu)化數(shù)據(jù)中以可讀地方式自動(dòng)生成文本的過(guò)程。包括三個(gè)階段：文本規(guī)劃（完成結(jié)構(gòu)化數(shù)據(jù)中基礎(chǔ)內(nèi)容的規(guī)劃）、語(yǔ)句規(guī)劃（從結(jié)構(gòu)化數(shù)據(jù)中組合語(yǔ)句，來(lái)表達(dá)信息流）、實(shí)現(xiàn)（產(chǎn)生語(yǔ)法通順的語(yǔ)句來(lái)表達(dá)文）。
3.底層數(shù)據(jù)層：詞典、數(shù)據(jù)集、語(yǔ)料庫(kù)、知識(shí)圖譜，以及外部世界常識(shí)性知識(shí)等都是語(yǔ)義識(shí)別算法模型的基礎(chǔ)。
語(yǔ)言本身詞性、詞性、詞義、表意、組成邏輯復(fù)雜等性質(zhì)，決定了語(yǔ)義識(shí)別的難度。因而語(yǔ)義識(shí)別技術(shù)也涉及語(yǔ)言學(xué)、計(jì)算機(jī)語(yǔ)言、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、哲學(xué)、生物學(xué)等諸多廣泛的學(xué)科支撐：
a）音韻學(xué)：指代語(yǔ)言中發(fā)音的系統(tǒng)化組織。
b）詞態(tài)學(xué)：研究單詞構(gòu)成以及相互之間的關(guān)系。
c）句法學(xué)：給定文本的哪部分是語(yǔ)法正確的
d）語(yǔ)義學(xué)：給定文本的含義是什么？
e）語(yǔ)用學(xué)：文本的目的是什么？
語(yǔ)義識(shí)別應(yīng)用場(chǎng)景
語(yǔ)義識(shí)別技術(shù)可以分析網(wǎng)頁(yè)、文件、郵件、音頻、論壇、社交媒體中的大量數(shù)據(jù)，應(yīng)用領(lǐng)域廣泛，既可以直接應(yīng)用于醫(yī)療、教育、金融等行業(yè)。也可以通過(guò)技術(shù)接口應(yīng)用于所有智能語(yǔ)音交互場(chǎng)景，如智能家居、車(chē)載語(yǔ)音、可穿戴設(shè)備、VR、機(jī)器人等，從交互的方式上，也可以分為：事實(shí)問(wèn)答、知識(shí)檢索、分類(lèi)問(wèn)題等。智能語(yǔ)音交互被看做未來(lái)人工智能技術(shù)中最值得期待的應(yīng)用場(chǎng)景。
1）醫(yī)療+：
電子病例系統(tǒng)：為醫(yī)療專(zhuān)業(yè)人士提供實(shí)時(shí)語(yǔ)音聽(tīng)寫(xiě)、電子病歷錄入等。
智能問(wèn)診/輔助診斷：直接服務(wù)于C端用戶(hù)或者醫(yī)療專(zhuān)業(yè)人士，通過(guò)對(duì)癥狀的描述，關(guān)鍵詞查詢(xún)，進(jìn)行病癥的初步判斷，分類(lèi)科室、輔助診斷等。
數(shù)據(jù)庫(kù)查詢(xún)：為臨床專(zhuān)業(yè)人士提供語(yǔ)音導(dǎo)航、相關(guān)論文、文獻(xiàn)資料庫(kù)檢索查詢(xún)等。
2）教育+：
口語(yǔ)測(cè)評(píng)：基于自然語(yǔ)言處理技術(shù)進(jìn)行口語(yǔ)能力的測(cè)評(píng)。
自適應(yīng)學(xué)習(xí)：通過(guò)人工智能技術(shù)，題庫(kù)系統(tǒng)，以及算法模型，根據(jù)學(xué)生在測(cè)試中對(duì)上一道問(wèn)題的回答情況，自動(dòng)調(diào)整學(xué)生接下來(lái)所需回答問(wèn)題的難度和順序，以達(dá)到讓每一個(gè)學(xué)生擁有最合適的學(xué)習(xí)方案。
教育機(jī)器人：以激發(fā)學(xué)生學(xué)習(xí)興趣、培養(yǎng)學(xué)生綜合能力為目標(biāo)的機(jī)器人硬件產(chǎn)品，以及智能教育系統(tǒng)。
3）金融+：
自動(dòng)報(bào)告生成：將公司年報(bào)、招股書(shū)、行業(yè)新聞、法律公告等結(jié)構(gòu)化和非結(jié)構(gòu)化的信息、數(shù)據(jù)進(jìn)行處理，并且結(jié)構(gòu)化生成報(bào)告，服務(wù)于投資銀行，證券研究機(jī)構(gòu)。
風(fēng)控/征信：通過(guò)爬去個(gè)人及企業(yè)在其主頁(yè)、社交媒體、新聞中的文本，分析、預(yù)測(cè)、判斷其投資風(fēng)險(xiǎn)點(diǎn)。
量化交易：運(yùn)用自然語(yǔ)言處理，深度學(xué)習(xí)（DeepLearning）等多種AI技術(shù)，進(jìn)行量化交易模型的建立。
智能投顧：以更強(qiáng)大的計(jì)算機(jī)模型運(yùn)用人工智能的技術(shù)對(duì)大量客戶(hù)進(jìn)行財(cái)富畫(huà)像，為客戶(hù)量身定制的資產(chǎn)管理投資方案。
潛在客戶(hù)挖掘/定制化保險(xiǎn)。
4）法律+：
智能法律檢索：對(duì)數(shù)字化法律文本、裁判文書(shū)等法律資料的檢索。
自動(dòng)審閱：對(duì)法律文件、合同等文件進(jìn)行審查、分析和研究，進(jìn)行調(diào)查取證、盡職調(diào)查、合規(guī)審查、電子取證等。
智能文書(shū)起草：人工智能系統(tǒng)將可能起草大部分的交易文件和法律文件甚至起訴書(shū)、備忘錄和判決書(shū)，律師的角色將從起草者變成審校者。
在線(xiàn)法律服務(wù)/法律機(jī)器人：直接向終端用戶(hù)提供一般法律咨詢(xún)服務(wù)，比如遺囑、婚姻咨詢(xún)、交通事故咨詢(xún)等。
5）新聞/文獻(xiàn)+：
從新聞素材采集、智能編輯、自動(dòng)寫(xiě)作、自動(dòng)化文摘生成，到新聞的智能分發(fā)，語(yǔ)音/語(yǔ)義識(shí)別、AI翻譯等技術(shù)正在全面的進(jìn)行新聞傳播行業(yè)。根據(jù)騰訊研究院計(jì)算，過(guò)去8年，新聞業(yè)收入減少了1/3，就業(yè)崗位減少了1.7萬(wàn)個(gè)。
6）智能商業(yè)+：
智能/虛擬客服：基于系統(tǒng)數(shù)據(jù)庫(kù)、知識(shí)圖譜，在與客戶(hù)的對(duì)話(huà)中，獲取客戶(hù)需求，并提供相應(yīng)的答案來(lái)解決客戶(hù)的問(wèn)題。
輿情監(jiān)控：通過(guò)對(duì)互聯(lián)網(wǎng)的海量信息自動(dòng)抓取、分類(lèi)聚類(lèi)、主題檢測(cè)、專(zhuān)題聚焦、實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情監(jiān)測(cè)和新聞專(zhuān)題追蹤等，并能形成分析報(bào)告，提出應(yīng)對(duì)策略。
數(shù)據(jù)挖掘/智能營(yíng)銷(xiāo)：人工智能技術(shù)處理技術(shù)對(duì)于用戶(hù)在互聯(lián)網(wǎng)上留下的大量個(gè)人信息、登錄信息、路徑關(guān)系、社交關(guān)系、消費(fèi)記錄等數(shù)據(jù)有極高的處理效率，通過(guò)各種算法模型，達(dá)到數(shù)據(jù)挖掘，用戶(hù)精準(zhǔn)需求分析，m.twshmhelmet.com，自動(dòng)化營(yíng)銷(xiāo)等目的。
7）翻譯+：
基于深度學(xué)習(xí)技術(shù)的神經(jīng)翻譯技術(shù)（NMT），相比較于規(guī)則法（RBMT）、統(tǒng)計(jì)法（SMT）兩種機(jī)器翻譯方法，KUKA機(jī)器人示教器維修，最大的優(yōu)點(diǎn)在于1.不在需要人為的去抽取特征；2.不需要進(jìn)行詞語(yǔ)切分、詞語(yǔ)對(duì)齊、句法樹(shù)設(shè)計(jì)等復(fù)雜的設(shè)計(jì)工作，而隨著樣本庫(kù)的擴(kuò)充和訓(xùn)練量的增加，其翻譯能力得到正向提升。
未來(lái)，基于深度學(xué)習(xí)的翻譯技術(shù)將更多的應(yīng)用在會(huì)話(huà)、同聲翻譯、文本翻譯等多種場(chǎng)景。
語(yǔ)義識(shí)別環(huán)境背景分析
語(yǔ)音識(shí)別、語(yǔ)義識(shí)別是自然語(yǔ)言處理最重要的兩項(xiàng)技術(shù)，且聯(lián)系緊密，在上述語(yǔ)義識(shí)別的廣泛應(yīng)用場(chǎng)景中，常常是語(yǔ)音、語(yǔ)義相互嵌套，共同作用的結(jié)果，大多數(shù)研究語(yǔ)義識(shí)別的公司也涉及到語(yǔ)音識(shí)別技術(shù)的研究，因而下述的分析中，涉及數(shù)據(jù)方面，我們更多的是放在自然語(yǔ)言處理層面來(lái)討論的。
自然語(yǔ)言處理作為一項(xiàng)重要的人工智能技術(shù)之一，成為2017年最炙手可熱的領(lǐng)域，在整體上離不開(kāi)政策上的支持，技術(shù)上的進(jìn)展，市場(chǎng)應(yīng)用的極高價(jià)值，資本投資等多方面的共同作用。
政策層面：政策引導(dǎo)是語(yǔ)義識(shí)別增長(zhǎng)的外在驅(qū)動(dòng)
人工智能作為國(guó)家戰(zhàn)略發(fā)展規(guī)劃之一，足見(jiàn)其重要性，在這個(gè)政策的綱領(lǐng)下，國(guó)家型自然科學(xué)基金、產(chǎn)業(yè)基金、地方政府財(cái)稅優(yōu)惠政策、人工智能相關(guān)實(shí)驗(yàn)室、科技產(chǎn)業(yè)園區(qū)等切實(shí)促進(jìn)人工智能的發(fā)展落地，為自動(dòng)駕駛、計(jì)算機(jī)視覺(jué)、語(yǔ)音/語(yǔ)義識(shí)別創(chuàng)業(yè)提供了更好的條件和基礎(chǔ)設(shè)施。
經(jīng)濟(jì)層面：經(jīng)濟(jì)價(jià)值是語(yǔ)義識(shí)別發(fā)展的燃料
一方面，自然語(yǔ)言處理應(yīng)用場(chǎng)景廣泛，市場(chǎng)潛力和經(jīng)濟(jì)價(jià)值巨大，GlobalMarketInsights的數(shù)據(jù)顯示，2017-2024這七年，智能語(yǔ)音交互的全球市場(chǎng)，每年增長(zhǎng)率將達(dá)到34.9%。據(jù)估算，2024年的全球市場(chǎng)規(guī)模，將達(dá)到720億元。
另一方面，國(guó)內(nèi)資本對(duì)于自然語(yǔ)言處理的投入也相當(dāng)巨大，根據(jù)鯨準(zhǔn)App數(shù)據(jù)統(tǒng)計(jì)，截止目前，KUKA機(jī)器人維修，自然語(yǔ)言處理已披露融資總額累計(jì)超54億元。