“中文十级”难题，AI怎样解读产业界

在人工智能领域，“懂语言者得天下”是普遍的共识。其中，可帮助人工智能识别人类语言的自然语言处理（NLP）被誉为人工智能语言“皇冠上的明珠”。

当人工智能自然语言处理技术遇到“要你管和不要你管”“掉地上和掉地下”“我一把把把把住了”等中文“绕口令”，“小意思”“意思意思”等多义词时，及“俺们那疙”“中不中”等方言时，该怎样“听懂”这些“中文十级”语句呢？日前在成都举办的科大讯飞未来科栈活动上，记者采访了相关专家。

能分词会断句 机器尚在努力

NLP就是机器让计算机来理解和处理人类自然语言的技术，它和计算机视觉、语音处理的区别在于信息处理的类型。

“计算机视觉主要处理图像，语音技术处理声音，而NLP主要是对文字的理解。”云浮科技的创始人兼CEO张文斌说，在人工智能中，语音识别是耳朵，语音合成是嘴巴，计算机视觉是眼睛，而NLP则负责将抽象的文字符号转化为计算机能理解的语言。

“‘中文十级’的某些语句，人类去理解都有很大难度，何况是计算机。”张文斌说，在口语和书写上，汉字往往没有词与词之间的边界，即便机器能够准确识别文字，但理解它的意思却很难；再比如各种五花八门的地方口音和方言，也是“绊脚石”。

“自然语言处理一般从最小的语意单位‘词’开始，即分词算法。这最简单，也最成熟。”张文斌说， NLP的算法分为语法级别、句子级别分析等，其中分词就是将字词切开，让机器明白哪几个字组成一个词，哪几个词组成一句话，从而理解整句、整段的意思。但在“分词”实际的应用过程中，仍有各种问题。

张文斌解释，首先是分词标准不确定、存在歧义，及新词和实体词困扰等问题。如“乒乓球，拍卖完了”和“乒乓球拍，卖完了”无论怎么切分都正确，这就要依赖上下文语境。其次，每年都会涌现出的网络词汇，“神马”“不明觉厉”“佛系”等原来不存在的词也需要计算机理解。

听语气判关系 AI有新招

如何让机器读懂上下文语境，从而进一步了解整段话的含义？

“我们会尝试利用听人类说话时的停顿信息，作为一种分词算法的辅助。”讯飞翻译业务负责人翟吉博说。

对于AI工程师们来说，更重要的是深层次的算法，如实体识别、属性抽取等。“就是把人名、地名、机构名等实体识别出来后，再抽取实体之间的关系，搞清楚不同实体在句子中的不同属性。”张文斌说，五花八门的算法还有很多，比如情感分析，分析文本里面蕴藏了什么样的情感，是正面、负面还是中性的；文档摘要，把长文生成一两百字简短的摘要等。而基于这些算法层，又可以做很多NLP的衍生应用，包括自动问答、机器翻译等。

那如何识别方言呢？在科大讯飞的新款翻译机设备中，首次推出方言翻译功能，实现河南话、东北话、粤语等方言互译，或将之翻译成外语。翟吉博说，针对不同类型方言，机器采用不同翻译流程——对同属北方方言区的河南话、东北话等，可先翻译成普通话再翻译成外语；对于粤语等南方语言，则建立独立的语料库，直接从粤语到外语进行翻译。“考虑到方言中带有许多地方特色的说法、语言、词汇，‘雄起’‘中不中’等也可以作为独立的语料，由机器单独学习。”他说，人工智能的优势是在自然语言处理方面能够不断从用户处积累语料，学习新的词汇和表达方式，不断完成自身数据库和语料库的更新。