自然语言处理是计算机实现通用人工智能的最难挑战吗？ 第1页
1
zibuyu9 网友的相关建议:
自然语言理解/处理应该是实现通用人工智能的关键挑战，但似乎不应是最难挑战。语言能力是人类智能的集中体现，不过构建在语言等能力基础之上的思辨、决策和创造等能力，似乎都还没纳入人工智能主要探讨的范围，也许这些更困难些。例如，如何让机器像人一样思考哲学问题，像人一样指挥战争或运营商业公司，或像人一样发明创造？这些问题似乎都比自然语言理解/处理更困难。
即使限定在自然语言处理，当前关心的问题也更偏重自然语言传递信息的工具属性上，也就是如何让计算机更准确地理解一句话的字面意思。人类语言更富魅力的“言有尽而意无穷”的特点，还远未被探索。
例如“这房间就是个烤箱”、“这个房间就是个盒子”，虽然句式相同但都不是字面的意思，前者表示这个房间很热，后者则表示这个房间很小。要让计算机理解这些话的意思，不是仅仅做词表示甚至句法分析能解决的。也例如，语言理解实际是一个多模态过程，需要综合除语言之外的视觉、听觉甚至触觉等多模态的富语境信息才能实现真正的语言理解。我个人觉得，这些应该是自然语言理解/处理比较困难的地方。
以上均为胡思乱想，没有经过认真考证，仅供交流。:)
1
相关话题
现在的BERT等语言模型，最快训练要多久？2021 年，深度学习方面取得了哪些关键性进展？
在NLP当中，不同的评价指标，BLEU, METEOR, ROUGE和CIDEr的逻辑意义？
为什么相比于计算机视觉(cv)，自然语言处理(nlp)领域的发展要缓慢？
NLP文本分类的本质是不是其实是找相似，对于要分类的句子，在训练集里找最相似的句子？
如果推出一款有「滤镜」功能的写作软件，修饰平庸的文字，会有市场吗？
目前（2017年）机器阅读技术发展得如何？能达到什么水平？有哪些应用？
2022 年人工智能领域的发展趋势是什么？你都有哪些期待？
目前（2017年）机器阅读技术发展得如何？能达到什么水平？有哪些应用？
如何评价浪潮发布的2457亿参数源1.0智能大模型？与GPT-3相比如何？处于AI模型领域什么水平？
前一个讨论
智商能否压制勤奋？
相关的话题
2020年，多标签学习（multi-label）有了哪些新的进展？现有的编程语言当中，哪些和自然语言更接近？
NLP文本匹配问题的本质是不是 对于要预测的句子，遍历候选句子 从训练数据集里寻找最相似的pair？
为什么 Bert 的三个 Embedding 可以进行相加？
基于对比学习(Contrastive Learning)的文本表示模型【为什么】能学到语义【相似】度？
2021年深度学习哪些方向比较新颖，处于上升期或者朝阳阶段，没那么饱和，比较有研究潜力？
如何理解Inductive bias？
2022 年人工智能领域的发展趋势是什么？你都有哪些期待？
NLP文本匹配问题的本质是不是 对于要预测的句子，遍历候选句子 从训练数据集里寻找最相似的pair？
NLP 中 prompt learning 有哪些可能的天生缺陷？目前有什么样的方法来解决这样的缺陷？
NLP领域，你推荐哪些综述性的文章？
自然语言处理是计算机实现通用人工智能的最难挑战吗？
当前深度学习理论基础薄弱是否意味着我们应该放弃深度学习应用(计算机视觉、自然语言处理)？
如何评价最近火热的对比学习，会引领预训练模型新的范式嘛?
基于对比学习(Contrastive Learning)的文本表示模型【为什么】能学到语义【相似】度？
现在的BERT等语言模型，最快训练要多久？
如何评价openai的新工作DALL·E?
如何评价 2015 版的 Magi 搜索引擎？
Transformer是如何处理可变长度数据的？
数据挖掘、机器学习、自然语言处理这三者是什么关系？这几个怎么入门啊？
如何看待 ICLR2021 的拒稿被评为 ACL2021 的 Best Paper?
NLP现在就业是否没有前途?
如何评价openai的新工作DALL·E?
2021年深度学习哪些方向比较新颖，处于上升期或者朝阳阶段，没那么饱和，比较有研究潜力？
刷leetcode使用python还是c++？
如何看待NLP领域最近比较火的prompt，能否借鉴到CV领域？
2020年，多标签学习（multi-label）有了哪些新的进展？
2020年，多标签学习（multi-label）有了哪些新的进展？
为什么编程语言语法的设计不往缩小与自然语言的差别的方向发展，或者说在这个方向发展得这么慢呢？
2020年，多标签学习（multi-label）有了哪些新的进展？