自然語言處理是一項利用計算機和軟件獲取人類語言（書面或口語）含義的技術。

什么是自然語言處理？

自然語言處理（NLP）使用 AI 處理和分析文本或語音數據，以便理解和解釋內容、對內容進行分類和/或從內容中獲得見解。

NLP 中包含自然語言生成（NLG），它會使用計算機創建人類語言文本。此外，自然語言理解（NLU）會錄入文本，理解上下文和意圖，然后生成智能回復。

垃圾郵件過濾程序、拼寫檢查程序、語法檢查程序、自動更正、語言翻譯、情感分析、語義搜索等都屬于 NLP ?；?Transformer 架構的新深度學習（DL）方法的出現，為 NLP 技術的性能和功能帶來了革命性的變化?，F在，先進的 NLP 模型已成為現代搜索引擎、語音助手和聊天機器人的核心。這些應用程序在自動處理日常訂單、路由查詢和回答常見問題時也變得日益純熟。

為什么選擇 NLP？

NLP 的應用已相當廣泛，并有望以幾何級數增長。據一項研究調查估計，在全球市場中，與自然語言處理相關的產品和服務將在 2025 年增長到 430 億美元；而 2017 年時，這一數字為 30 億美元。這一驚人的 14 倍增長也證明了自然語言處理解決方案的廣泛應用。

進一步推動這一增長的是，一個組織內僅有 15% 的數據存儲在企業數據庫中這一事實。這些數據包括文本、電子郵件、會議筆記、電話轉錄等。自然語言處理有望釋放隱藏在所有這些數據中的業務價值，使其像存儲數據一樣對業務決策者發揮作用。

NLP 的工作原理是什么？

機器學習（ML）是推動當今大多數自然語言處理解決方案的引擎，并將推動它們進一步發展。這些系統使用 NLP 算法來理解詞語的使用方式。它們從書籍、短語和慣用語中提取所有信息后，通過 NLP 識別詞語和短語之間的模式和關系，來“學習”理解人類語言。

通常，在 NLP 應用中，會使用詞嵌入等技術將輸入文本轉換為詞向量（一個詞的數學表征）。借助此技術，在將句子中的每個詞輸入到深度學習模型（例如RNN、LSTM 或 Transformer）前將其翻譯成一組數字，以便理解上下文。神經網絡在進行自我訓練時，這些數字會隨著時間的推移而發生變化，為每個詞編碼語義和上下文信息等獨特屬性。這些 DL 模型為特定語言任務（例如下一詞語預測和文本摘要）提供適當的輸出，這些任務用于生成輸出序列。

但是，詞嵌入等文本編碼機制可能會為捕獲細微差別帶來挑戰。例如，bass fish 和 bass player 具有相同的表征。在對長段落進行編碼時，它們還可能在結尾丟失掉文章開頭獲取的上下文。BERT（Bidirectional Encoder Representations from Transformers）是深度雙向的，能夠比其他文本編碼機制更好地理解和保留上下文。訓練語言模型時，遭遇的一個關鍵挑戰是缺少標記數據。BERT 在無監督任務上接受訓練，通常使用書籍語料庫、英語維基百科等的非結構化數據集。

GPU：加速 NLP

讓計算機理解人類語言及所有細微差別，并做出適當的反應，這是 AI 研究人員長期以來的追求。但是，在采用加速計算的現代 AI 技術出現之前，構建具有真正自然語言處理（NLP）功能的系統是無法實現的。

一個由數百個核心組成的 GPU，可以并行處理數千個線程。GPU 已成為訓練深度學習模型和執行推理的首選平臺，因為它們的性能比純 CPU 平臺高 10 倍。

自然語言處理中近年來不斷取得的進步和突破是驅動 NLP 增長的一個因素，其中重要的是部署 GPU 來處理日漸龐大且高度復雜的語言模型。

像 BERT 這樣基于 NLP Transformer 的深度學習模型不需要按順序處理連續數據，與 RNN 相比，可以在 GPU 上實現更多的并行化，并減少訓練時間。BERT 使用無監督式學習方法的能力、使用預訓練模型進行遷移學習的能力，以及使用 GPU 進行加速的能力，均使其在行業中得到廣泛應用。

對支持 GPU 的模型經過快速訓練和優化后，語音輔助應用程序中的響應時間從數十秒縮短到幾毫秒。這使得此類計算機輔助交互盡可能地接近“自然”。

NLP 用例

| 初創公司

自然語言處理應用在過去十年呈爆炸式增長，因為由 GPU 驅動的遞歸神經網絡的改進提供了性能更好的人工智能。這使得初創公司得以提供語音服務、語言教師和聊天機器人等服務。

| 醫療健康

醫療健康面臨的困難之一是難以獲得。打醫生辦公室電話并一直等待的情況十分常見，與索賠代表聯系可能同樣困難。通過實施 NLP 來訓練聊天機器人是醫療健康行業的一項新興技術，可以解決醫療專業人員的短缺問題，并開創與患者的溝通渠道。

NLP 的另一個重要的醫療健康應用程序是生物醫學文本挖掘（通常稱為 BioNLP）。鑒于生物文獻數量眾多，以及生物醫學出版速度不斷提高，自然語言處理是一個關鍵的工具，可以在已發表的研究中提取信息，推動生物醫學領域的知識進步。這非常有助于藥物研發和疾病診斷。

| 金融服務

NLP 是為金融服務公司構建更好的聊天機器人和 AI 助理的關鍵組成部分。在眾多用于基于 NLP 的應用程序的語言模型中，BERT 已成為機器學習領域 NLP 的領軍者及語言模型。借助 AI ，NVIDIA 近期打破了 BERT 訓練速度的記錄，有助于釋放未來幾年內在線提供的數十億預期對話式 AI 服務的潛力，使其達到人類水平的理解能力。例如，銀行可以使用 NLP 來評估信用記錄很少或沒有信用記錄的客戶信譽。

| 零售

除了醫療健康外，聊天機器人技術還常用于零售應用程序，能夠準確分析客戶查詢，并生成回復或建議。這可簡化客戶流程，并提高商店運營效率。NLP 還用于文本挖掘客戶反饋和情感分析。

加速 AI 和 NLP 的 NVIDIA GPU

借助 NVIDIA GPU 和CUDA-X AI庫，可快速訓練和優化大量的先進語言模型，從而在幾毫秒或幾千分之一秒內運行推理。這是一項重大進步，可以結束快速 AI 模型與大型復雜 AI 模型之間的權衡。

NVIDIA 的 AI 平臺率先將BERT的訓練時間控制在一小時之內，并在 2 毫秒多一點的時間內完成 AI 推理。在與復雜語言模型協作時，NVIDIA GPU 的并行處理能力和Tensor Core架構可實現更高的吞吐量和可擴展性，從而為 BERT 的訓練和推理提供優異的性能。借助這種突破性的性能水平，開發者能夠為大型應用程序應用先進的語言理解技術，供全球數億消費者使用。

早期采用 NVIDIA 性能提升技術的公司包括 Microsoft 以及全球一些最具創新性的初創公司。這些組織借助 NVIDIA 平臺為客戶開發高度直觀、響應即時且基于語言的服務。

原文標題：NVIDIA 大講堂 | 什么是自然語言處理？

文章出處：【微信公眾號：NVIDIA英偉達】歡迎添加關注！文章轉載請注明出處。

審核編輯：湯梓紅