想让机器人“听懂人话”，需要必备哪些技能？【AI大咖说】第八期，走进优必选自然语言处理技术！

“我们把香蕉给猴子，因为它们饿了。”

“我们把香蕉给猴子，因为它们熟透了。”

这两句话，你读得懂是什么意思吗？然而对机器人来说，就没那么简单了。如果AI不能清晰了解猴子和香蕉的属性，就会导致无法区分。正如语音识别帮助机器人“听”，视觉技术帮助机器人“看”，想要做到机器人“听懂人话”，就需要自然语言处理（Natural Language Processing，NLP）来解决。一起来看看机器人是如何“善解人意”的：

AI因斯坦·琨带你走进机器人的NLP运用▲

机器人语音交互技术概述

语音交互是机器人最重要的交互入口之一，机器人对于人类语义的理解尤为关键。如下图所示，人类语音通过ASR（语音识别）把音频变成文本，文本经过NLU（语义理解）、DM（对话管理）以及NLG（语言生成），语言生成后再通过TTS（语音合成），完成人机对话。

NLP概述与发展

自然语言是人类智慧的结晶，机器人对语义的理解和分析能力、对自然语言的生成能力、对知识的学习能力，是AI最核心且最具挑战的技术之一。我们先来看一下NLP发展的几个阶段：

· 第一阶段：2000年之前，主要基于规则和概率统计的方法，50年代提出图灵测试概念来判断机器是否会思考，然而到目前为止，还没有出现被一致认可的通过图灵测试的对话系统。

· 第二阶段：2013年，神经网络兴起，极大提升NLP的各项能力。

· 第三阶段：基于seq2seq模型的NLP和注意力机制，文本生成和机器翻译方面获得较大进展。

· 第四阶段：2018年以来，大型预训练模型发展，NLP领域突破捷报频频，也就是现在所处的阶段。

NLP技术则分为核心应用和基础技术。它的应用非常广泛，包括情感、信息、问答、机器翻译、自动文摘、阅读理解以及文本分类等。

自然语言处理技术的核心应用

基础技术包括自动分词、词性标注、命名实体识别以及句法分析。

· 自动分词

中文分词是自然语言处理领域基础的模块，由此前的基于规则和基于概率统计，发展到今天的基于深度学习。比如“武汉市长|江大桥”还是“武汉市|长江大桥”的划分，就是通过统计模型把词分配好。

悟空机器人分词断句后，理解并执行任务

· 词性标注

在中文分词之后，预测每个词的汉语词性也是中文自然语言处理的基础模块。通常词性标注的粒度很细，如动词、副动词、趋向动词、不及物动词等。

词性分析决定句子用哪一个“de”

· 命名实体识别

识别文本中具有特定意义的实体，包括人名、地名、机构名、专有名词等，以及时间、数量、货币、比例数值等文字。

命名实体识别是一个从句中挑出实体类型的过程

· 句法分析

用于确定句子的语法结构或词汇之间的依存关系（主谓宾、定状补等句法关系），包括句法结构分析、依存关系分析。