初识NLP

什么是自然语言处理

人类用自然语言与计算机之间进行通信的技术，属于语言学与计算机科学的交叉学科，会涉及到数学，统计学，线性代数，概率论，认知心理学等多门学科的知识。

数学是整个机器学习的核心与理论指导，涉及到概率论，矩阵计算，数据分析，最优化，数理统计，随机过程，信息论，要学的东西太多，建议先学习概率论与线性代数，然后感觉自然语言处理的字问题，逐渐学习一些相关的知识，比如语言模型，这就需要了解一些概率论的知识，再比如说我们要学习序列标注，这就需要了解一些序列图的模型，比如HMN，CRF，这样就是结合具体的人物学习，就能让我们更加高效的学习

编程实践是最关键的，这就是为什么编程相关的人员转行到AI领域是最多的，我们需要懂数据结构与算法基础，面试前还需要刷leecode面试题。

除了以上这些之外，我们还需要掌握自然语言处理的工具包，机器学习包，还有应用深度学习框架来搭建模型。

在我们学友余力的情况下，也可以多了解神经科学以及语言学这两方面的知识。再掌握一门学科会有非常大的优势。

自然语言处理与神经科学

卷积神经网络CNN是起源于一个关于猫的视觉实验，循环神经网络RNN是与人脑中的记忆机制是息息相关的，再比如transformer是一种注意力机制，这也是认知科学里面的一个领域。

未来的改进也是一定会与认知科学，神经科学息息相关，但是整体而言，人脑是非常复杂的，我们知识模拟了一小部分，有的流派说尽量模拟人脑的模型可能是迈向强人工智能的关键思路。

语言学

在一些具体的任务实践中，懂一些语言学方面的知识是非常有帮助的，比如对于一个特定的任务我们是使用词向量还是字向量（意思是我们把文本拆成以此为单位还是以字为单位），这与文本的特征，任务的特征还有语言本身的特征都是相关的，再比如说我们去听用词的时候，哪些词性的词可能是没用的，这里就涉及到对词性比较深层的理解；再比如说句法分析对当前的任务有没有用，能不能体现出词汇之间的这个关系，比如我们在建立一些知识图谱的时候，可能这些词之间的关系可以用来辅助我们做知识抽取的功能。这些都是需要一些语言学的常识的。

总的来说

首先掌握数学与计算机

有余力了解脑神经科学与语言学

从人工智能角度来看什么是自然语言处理？

NLP是人工智能非常核心的方面，是属于比较高级的一种智能，比图像处理的难度是更大一些的，人工智能最简单的理解就是像人类一样拥有某些智能。

AI应该具备的能力 ------------------->应用技术

1 计算能力：快速计算和记忆存储，应用：运算速度，存储能力。

2 感知能力：视觉，触觉，听觉       应用：语音识别，合成，计算机视觉，生物，图像，空间识别。

这一块讯飞的产品，图像处理的任务机器都是能够媲美的

3 认知能力：语言能力，知识管理，推理学习

与感知能力的差别就在于他多了一个中间层，我们所看我听都是直接信息来源，但是理解他中间多了一层符号，我们需要赋予这些符号意义，这就是非常难的一个地方，

应用：自然语言处理，是认知智能，语言交互，语义理解，知识学习

根据不同的情景，赋予感知事物恰当的符号，这是自然语言处理所面临的一大挑战。