（文章來源：百家號）

對于智能機器人的定義在不同的研發環境下有不同的理解，雖然自然語言處理是人工智能領域重要的研究內容之一，但是并不意味著智能機器人都需要與人進行語言溝通，實際上目前在生產環境下，很多智能機器人之間的溝通更有意義。

目前智能機器人與人的對話在內容上對于場景的要求相對比較高，智能機器人往往會關注于自身的角色任務，對于超出角色任務的交流往往會存在一定的障礙。智能機器人要想與人實現更大范圍的交流，在當前的生產環境下也沒有太大的意義，簡單的說，交流的場景往往會決定交流的內容。

從技術體系結構來看，當前的自然語言處理技術體系要想充分理解人的交流目的（或者訴求），還需要一個“標的物”，這個標的物往往可以通過預設來完成，也可以通過機器學習的方式來生成（動態模型），但是由于技術處理能力的限制（主要是算力、數據和算法），目前自然語言處理通常會采取多種技術相結合的方式，這樣的效果也更好一些。

通俗地講，機器學習與人交流時存在三方面的障礙，其一是語義分析，語義分析還涉及到識別問題；其二是場景匹配，場景匹配往往是基于機器學習來完成的，目的是完成最終的回應決策，這個過程需要大量的訓練數據；其三是上下文關聯，上下文關聯的難度是比較大的，但是這也是交流的重要基礎。

自然語言處理本身雖然是一個相對獨立的研發方向，但是自然語言處理又離不開機器學習、知識表示和自動推理等技術，同時自然語言處理與計算機視覺的結合也會獲取更多的交流信息，這一點目前也是一個研究方向。從當前人工智能行業領域的發展來看，自然語言處理和計算機視覺的研究熱度相對比較高，同時這兩個方向也是人工智能技術落地應用的重要突破口，相信未來智能機器人與人的溝通體驗會不斷得到提高。

從近幾年研究生的就業情況來看，自然語言處理方向的崗位需求有所調整，其中算法崗位在需求量上有一定程度的下滑，這一點應該引起相關方向研究生的注意。