【.com快译】自然语言技术越来越多地应用于当今企业。许多公司推出了一系列文本分析解决方案、语音识别系统、聊天机器人和每一种可以想象到的语言处理用例。在过去三年中，自然语言处理(NLP)已成为数据科学中最主要的领域之一。自然语言处理（NLP）是自然语言理解（NLU）、自然语言生成（NLG）和自然语言交互（NLI）子领域的总称。随着谷歌和微软等科技公司的不断发展和创新，自然语言处理(NLP)在准确性、速度和方法上取得了飞跃，帮助计算机科学家解决更复杂的问题。自然语言处理(NLP)是当今人工智能领域研究最多的领域之一。人工智能开发商Paperspace联合创始人兼CEODillonErb分析阐述了影响2021年企业发展的五个重要自然语言处理发展趋势，有助于区分合理发展和过度夸大宣传。趋势一：真正的自然语言处理（NLP）还有很长的路要走人类语言很复杂，因为语言代表了人类的思维。这使得自然语言理解（NLU）成为所谓的“硬人工智能”问题之一，因为自然语言理解（NLU）面临的问题就是一般人工智能的问题。但作为人工智能的一个子课题，自然语言理解（NLU）因其应用前景令人振奋而受到越来越多的关注，许多NLU解决方案在其应用中显示出真正的价值。因此，尽管NLU技术还不成熟，但自然语言理解(NLU)的流行已经在企业应用中得到了证明。自然语言理解(NLU)用于对客户进行情绪分析，并理解向Siri和Alexa等数字助理提出的问题。它还可以通过谷歌翻译等神经机器翻译服务翻译多种语言的文本。人们需要知道的是，在完全通用的人工智能出现之前，自然语言处理（NLP）需要进化，所以还有很长的路要走。趋势2：模型正在迅速改进，企业需要为此做好准备可以说，当今最著名的AI模型是OpenAI的GPT。其最新版本GPT-3于今年早些时候发布。就GPT的进展而言，GPT-2于2019年2月推出，由于其15亿参数的训练带来了重大影响。GPT-3在18个月后推出，接受了1750亿参数的预训练，其训练量增加了两个数量级。GPT的推出立即引起了全球媒体的关注，因为它意味着假新闻、生成艺术、代码库等等。GPT等语言模型的开发正在激励企业开发机器智能的许多方法和应用，从能够用语言描述Web应用程序，到模仿公众人物的语言模式，再到接受医学文献的培训以提供诊断。趋势三：窄用例获得成功据调查，全球有数十万人从事GPU计算、机器学习和深度学习，尤其是在企业层面。一件重要的事情是，为了取得成功并推动商业价值，可以缩小AI项目的范围。像OpenAI的GPT-3这样的人工智能项目受到了很多关注，因为这些技术为我们提供了一个鼓舞人心的未来愿景。但是，当今推动真正价值的企业项目和部署范围狭窄，并提供具体的业务价值。例如，当Adob??ePhotoshop提供从背景中自动选择图像主题的功能时，这是对计算机视觉的一种狭义使用，可为最终用户提供真正的价值。Photoshop用户无需花费数小时即可逐像素精确地剔除背景。这是缩小应用程序成功的一个例子。趋势4：机器学习模型需要维护与传统软件不同，应用于生产的机器学习模型需要维护，因为它们会随着时间的推移降低性能。这一事实，再加上生产机器学习模型（由代码、数据、计算和性能指标组成的模型）的复杂组合，导致了持续集成(CI)/持续交付(CD)和MLOps工具以及基础设施虚拟化产品。快速发展。自然语言理解(NLU)或自然语言处理(NLP)最令人兴奋的事情之一是能够随着时间的推移改进模型。在许多应用程序中，模型准确性仅提高几个百分点就可以为基础业务增加数百万美元。这方面的具体示例包括推荐引擎、财务建模应用程序等应用程序。因此，拥有一个可预测的部署系统并随着时间的推移持续交付价值非常重要。趋势5：将机器学习视为一门软件学科企业准备从机器学习中推动商业价值的最有价值的方法之一是将机器学习确立为一门软件学科。由于绝大多数机器学习项目在开发人员或数据科学家的笔记本电脑上运行的研究实验中陷入困境，因此优先考虑可帮助企业将模型部署到生产环境并交付价值的系统非常重要。将机器学习视为一门软件学科意味着拥有一个已建立的管道将项目从研究转移到生产。这意味着机器学习和软件堆栈的其余部分需要更多的关注和资源，也意味着代码、数据和机器学习模型本身将受到版本控制。简化基础架构配置也很重要，这样企业才能大规模部署机器学习模型。最终目标是让人工智能成为企业的业务驱动力。在机器学习领域，正确的流程很重要，这样才能尽快创造价值。随着时间的推移，利润率更高的模型将更有利可图，所以现在是开始采用它们的时候了。原标题：2021年影响企业的自然语言处理趋势，作者：EWEEKEDITORS
