专家观点认为，自然语言处理（NLP）正处于历史上最好的发展时期，技术在不断进步并与各个行业不断融合、落地。有数据统计，2020 年中国的 NLP 技术预计市场直接规模将达到 150 亿美元，企业智能直接市场规模超 200 亿元，二者可带动 4000 亿元间接市场规模，NLP 技术具有大规模的市场需求和可扩展的巨大市场空间。
今年以来，RPA 的热度居高不下，似乎大有成为新风口的势头，资本的嗅觉总是最敏锐的，也早早瞄向了这个领域。今年 6 月，顶级基金软银集团总裁兼董事长孙正义曾谈到，“世界经济将在 RPA 和 AI 的帮助下，迎来第二次经济大飞跃”。随着 RPA 技术流行，自然语言处理技术在办公下场景下焕发新生，有观点认为，未来，RPA 机器人或将取代 50% 的基础性办公工作。
目前，自然语言处理技术的发展现状如何？如何更好地应用到产业中实现落地？未来 RPA 将有怎样的发展潜力？8 月 30 日上午，在 2019 年世界人工智能大会（WAIC）期间，在由达观数据、乐言科技联合主办的“理解语言，拥抱智能”主题论坛上，NLP 泰斗、国际计算语言学（ACL）终身成就奖得主、苏州大学特聘教授张民、达观数据 CEO 陈运文等多位 NLP 领域专家围绕 NLP 的学术与应用展开了讨论。
NLP 泰斗李生：人工智能未来将逼近人类智能，类脑研究是重点
自然语言处理领域的泰斗，已经 80 多岁高龄的李生教授是本次论坛备受期待的重磅嘉宾，演讲中他谈到了人工智能及 NLP 技术当下的现状、挑战，并展望了未来的发展趋势。
李生表示，人工智能的发展历经 " 三起两落 "，新一轮高潮的到来主要得益于深度学习算法，深度学习算法对今日的人工智能功不可没。
目前的人工智能正在从感知走向认知，各项技术发展迅速，深度学习、感知智能取得了重大突破，人脸识别已经广泛落地，识别与生成，进一步推动了计算机视觉的发展。
智能语音语言处理领域也成绩斐然，同声传译使用场景更加广泛，深度学习的自然语言处理已经走过了词、句子，代入编码、解码、模型阶段。2018 年 10 月，双向编码问世，中文的模型也不断引进。
但与此同时，挑战犹在。与人类相比较，人工智能与还存在着没有意识、不能思考、不能推理等一些根本性的差异；当前的人工智能所用的深度学习算法还有两大“软肋”：一是不具备小样学习功能，二是没有知识，更不必说用知识进行推理。此外，深度学习目前还存在着贪婪、脆弱、暗箱、肤浅等一系列的现象。因此，李生认为人工智能的研究任重道远。
人工智能的未来将向何处去？李生认为，人工智能应该会逐渐逼近人类智能，可能会有电脑思维的技术派和人脑思维的生物派两条途径 。
“我们要用脑科学牵头，带动计算机科学和数学等学科的深入研究。以类脑探索为重点，加速类脑芯片的研制。将软件算法与硬件芯片结合，数据统计与知识推理结合，进行新算法研究，包括基于人工神经网络的算法。计算电脑思维与认知人脑思维结合，搭建成能够融合这两种方法的融合框架 “。
近期国内外有一些类脑研究取得进展，今年 7 月，英特尔推出了可模拟 800 多万个神经元的 Pohoiki Beach 类脑芯片系统。一周前，浙大研发的新型类脑芯片“达尔文 2”在杭州发布。李生表示，这些成果都会加快人工智能由感知走向认知进程，让机器理解掌握运用好人类知识，实现推理机制，真正理解人类的意图，进一步做好人机融合。
NLP 处于历史上最好的发展时期
“对于创业公司而言，想要做人工智能，到最后却不知道人工智能到底是什么，最开始可以，但越往后，遇到的瓶颈越大 “。
那么，到底什么是智能？
苏州大学特聘教授张民认为，智能 = 知识 + 解决问题的能力。用语言的观点，把人工智能的内涵和外延做区分，内涵包括四方面，一个是脑认知基础，第二是知识工程，主张用知识 + 推理进行解决问题；能力有两种，一种是感知能力，一种是认知能力。外延包括两部分：机器人和智能系统。
“自然语言就是人工智能，如果你认为人工智能非常重要，自然语言就是人工智能领域最难、最重要的“。
自然语言处理（NLP）主要做三件事：分析 / 理解、生成、应用。分析 / 理解、生成是 NLP 的内涵，应用是其外延。
张民认为，目前，自然语言处理的的应用主要分为两类，一类是自然语言处理本身的应用，包括问答、对话、机器翻译、自动文摘、机器协作、阅读理解、信息抽取、情感分析、搜索、知识图谱、社交网络等。
二是自然语言处理技术深入运用到各个行业中。包括，教育、医疗、司法、金融、国防、公共安全、科技、广告、现代 / 传统文化、营销、客服、电商、游戏等各个领域。
“现在，自然语言处理处于历史上最好的发展时期，技术在不断进步并与各个行业不断融合，推动技术落地”，张民表示，AI 时代的自然语言处理具有六大特点：数据：语料库和知识库、新的表示方法、新的模型、新的架构、技术发展、产业应用。
不容忽视地是，自然语言在处理过程中还存在不少挑战，张民总结，挑战主要表现在六个方面：
1、低资源、小数据、跨领域、可解释、计算资源；
2、数据、知识表示和获取问题（常识、领域、语言学）知识推理和赋能；
3、符号、统计和连接主义方法在 NLP 的融合；
4、NLP 核心技术的突破；
5、行业赋能，行业融合，行业可定制、用户可定制；
6、多模态和工程问题。
演讲的最后，张民表示，自然语言处理学科本身要发展，一定要与产业界结合。此外，要正确看待“军备竞赛”，一方面它能不断激励技术创新以适应多变的时代；另一方面，它能让人意识到 NLP 学术发展未来的“天花板”和潜力在哪里。
RPA 或将代替 50% 的基础性办公工作
“随着自然语言处理技术的发展，机器人处理重复性、机械性文字的能力很快就将超过人类。十年以后将有超过 50% 的基础性办公工作，由文本流程自动化机器人完成 ”，达观数据 CEO 陈运文如是展望 NLP 技术在未来的发展潜力。
在演讲中，陈运文分享了自然语言处理技术目前在工业界的应用。“文字的自动化处理面临一个非常好的机遇。深度神经网络的技术从 2006 年由 Hinton 教授提出来以后，经过十多年的发展越来越来成熟，尤其是用在文本智能处理领域“。
陈运文介绍，通过将 NLP 技术与机器人流程自动化（RPA）结合，可以赋予机器人阅读思考的能力，在现有各类工作系统中协助完成阅读撰写等流程性的重复工作。他表示，RPA 技术与 AI 结合，可以带来智慧和办公自动化的进步，它能帮助企业将重复性劳动进行自动化处理，解放人的双手，代替人的工作。
与人类员工相比，达观智能 RPA 具有 7×24 小时全天候运作、高效、稳定、出错率低等优势，此外，它还更兼容、更开放，支持跨平台部署，适用 Linux、Windows、Mac、国产 OS 等操作系统。
据悉，目前达观数据已推出银行、财税、政务、保险、证券基金等数十种不同岗位的机器人员工。这些机器人员工已经在商业案例报告生成、智慧政务行政审批、金融文档验查和填写等场景中逐步开展各项工作。
可以预见，随着自然语言处理技术和行业经验的充分结合，未来会有越来越多办公场景将会被计算机代替。现在的比例不到 1%，十年之后能够到 50%，甚至更多。未来大型企业、政府机构等都会装备相应的智能 RPA 系统代替人工作。
“未来的办公形态，将会是半数人类员工，半数机器人员工，人做人擅长的事，机器人做机器人擅长的事。肯定有两个管理部门，一个管人的，一个管机器人的，呈现人与 AI 相互配合的状态 ”，陈运文预测。
评论