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
没有顶会的CV/NLP方向的博士生毕业出路在哪里？在NLP上，CNN、RNN（认为LSTM等变体也是RNN）、最简单全连结MLP，三者相比，各有何优劣?
如何用一句话证明自然语言处理很难？
做中文 NLP 的时候，大家为啥不用拼音？
自然语言处理怎么最快入门？
现有的编程语言当中，哪些和自然语言更接近？
有哪些令你印象深刻的魔改transformer？
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？
如何理解Inductive bias？
2020-2021年NLP有什么核心技术的更迭吗？或者有什么推动领域发展的paper吗？
前一个讨论
智商能否压制勤奋？
相关的话题
word2vec 相比之前的 Word Embedding 方法好在什么地方？在NLP当中，不同的评价指标，BLEU, METEOR, ROUGE和CIDEr的逻辑意义？
在CV/NLP/DL领域中，有哪些修改一行代码或者几行代码提升性能的算法？
主题模型(topic model)到底还有没有用，该怎么用？
NLP 方向在国内清北读博还是国外？
如何理解深度学习源码里经常出现的logits？
NLP领域，你推荐哪些综述性的文章？
研究推荐系统要对NLP很了解吗？
深度学习领域，你心目中 idea 最惊艳的论文是哪篇？
word2vec 相比之前的 Word Embedding 方法好在什么地方？
多模态方面，有哪些牛组值得我们follow他们的工作？
AI 都学会看论文了，科研工作者会被淘汰么？
如何评价 BERT 模型？
为什么中文 NLP 数据集这么少？
BERT可以用于文本聚类吗?
为什么nlp没有像cv四小龙一样的创业公司？
如果用机器学习的理论来理解人的行为，会有什么发现？
2021 年了，机器/深度学习还有哪些坑比较好挖？
有哪些利用搜索引擎（Search Engine）辅助自然语言处理任务（NLP）的论文？
国内做NLP业务的香侬科技值得去吗？
谷歌翻译原理是什么，从语言A到B，中间是否要翻译成中介语言C（如英语）？
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？
为什么计算注意力机制的时候不加偏置项？
NLP现在就业是否没有前途?
为什么Transformer要用LayerNorm？
为什么不能有把中文想法直接转换成电脑程序的编程呢？
基于深度学习的自然语言处理在 2016 年有哪些值得期待的发展？
请问刘知远老师提供的网易新闻标注数据集开源吗？
从人工智能技术的角度如何评价 Google home、Amazon Echo、Rokid 这三款产品？
word2vec有什么应用？