读《中美两位AI大师的“巅峰对话”：为何NLP领域难以出现“独角兽”？》

　　学习之余开设“自然语言处理杂谈”模块，一方面为了增加自然语言处理学习的兴趣；另一方面也为了了解一些业界的权威观点和实时的热点，并做以记录，以供日后回味。
　　
　　众所周知，在人工智能领域中，处于“感知智能”层面的计算机视觉和语音识别已经达到了新的高度，也在性能方面趋于饱和，而处于“认知智能”层面的语言理解却似乎没有达到这种高度，即使不考虑基础研究的困难，就算是现有的自然语言处理的基础研究结果，似乎也没有很好的转化。
　　
　　文章中微软亚洲研究院副院长周明博士提到一个观点，结合个人短暂的实习经历，深以为然。
　　“目前自然语言处理产品出现的问题，很多时候无关技术，而是在产品设计和UI方面做得不够好…无论是78%的技术，还是88%或者98%的技术，要怎么运用到产品里，才能让用户体验最好。用户体验要考虑什么呢？最重要的是用户界面。因为系统很难做到100%的正确，所以要考虑用户怎么操作，怎么容错，让他们接受有缺陷的结果。比如说搜索引擎返回多个搜索结果的设计，其实非常巧妙。因为谁都知道搜索达不到那么好的水准，但当返回多个结果后，用户不抱怨搜索引擎，反而认为搜索引擎的结果扩大了他的思路，把坏事变成好事。”
　　
　　笔者曾在实习中，参与了智能客服的研发过程。智能客服是一个自然语言处理成功商用的例子，虽然它确实减少了不少的人力，但是在解决长尾问题，多轮对话和个性化问题方面仍然还有很长的路要走。甚至当时花费了很多心思去使用的句法分析结果在金融垂直领域的适配性都要做定制化处理，且结果也并不一定让人满意。
　　同时也正是这次实习，让我见识到一个自然语言处理系统在实际应用中需要考虑的细节如此之多，在用户体验方面需要下如此大的功夫。
　　虽然用户体验是任何一个产品老生常谈的观点，但在如今的自然语言处理系统中尤其显得难能可贵，不管是智能客服中的主动服务、交互式卡片、反问、追问，还是简单的多轮对话管理，都在一定程度上化解了部分用户的问题，也提高了用户的满意度。
　　当然在产品设计方面考虑的因素还有很多，由于不是笔者的研究方向，且考虑的方面也不全面，就不再说。
　　
　　文章最后也提到了解决现阶段问题的三个值得尝试的方向：第一是上下文建模的大规模数据集；第二是强化学习；第三是引入常识和专业知识，并把这些知识构建好，让我们一起拭目以待。