站在新的一個(gè)十年，智能人機交互、多模態(tài)融合、結合L域需求的 NLP 解決方案建設、知識圖譜結合落地場(chǎng)景等將會(huì )有突破性變化。

1  智能人機交互

語(yǔ)言模型將在智能人機交互中扮演更重要的角色，形成更豐富的形式，混合 100 種語(yǔ)言的多語(yǔ)言語(yǔ)言模型，以及融合圖像-文本和語(yǔ)音-文本多模態(tài)語(yǔ)言模型將嶄露頭角，在不同語(yǔ)言、不同模態(tài)、不同L域的小樣本場(chǎng)景下帶來(lái)多面的能力提升。

多語(yǔ)言交互從不同語(yǔ)言理解上升到不同文化的理解，通過(guò)跨文化理解技術(shù)深入當地文化實(shí)現地道的對話(huà)交互。

以在線(xiàn)文本為核心的交互方式將多面轉變?yōu)榻Y合視頻、圖像、語(yǔ)音、文本的多模態(tài)人機交互。

基于數據驅動(dòng)的對話(huà)狀態(tài)跟蹤和對話(huà)策略將逐漸替代規則式策略，使得多輪對話(huà)技術(shù)進(jìn)一步演進(jìn)，帶來(lái)更自然的對話(huà)體驗。

知識圖譜將廣泛融入問(wèn)答和對話(huà)的各類(lèi)深度學(xué)習模型，通過(guò)先驗知識及推理能力的融入，使得模型更為白盒化，在對話(huà)的理解和生成過(guò)程中帶來(lái)更好的可控性和可解釋性。

對話(huà)系統在小樣本情況下的冷啟動(dòng)能力提升帶來(lái)應用構建成本的大幅下降，對話(huà)系統從主要為大體量的客戶(hù)服務(wù)，拓展為更普惠的、廣泛的支持海量規模、各行業(yè)的小企業(yè)及小商家，并進(jìn)一步走向海外，使得更多不同、不同語(yǔ)言和不同文化的用戶(hù)進(jìn)入智能服務(wù)時(shí)代。

2  多模態(tài)融合

隨著(zhù) 5G 和邊緣計算的逐步成熟和普及，將帶來(lái)視頻、圖像、文本、語(yǔ)音等模態(tài)的多面融合，語(yǔ)言模型朝著(zhù)多模態(tài)融合的方向發(fā)展，在在線(xiàn)場(chǎng)景下實(shí)現混合模態(tài)的理解，將能融合理解用戶(hù)經(jīng)過(guò)多輪對話(huà)發(fā)送的圖片、語(yǔ)音和文字內容，并以多模態(tài)的形式進(jìn)行回復；

對話(huà)系統產(chǎn)品中將多面實(shí)現多模態(tài)交互能力，直播和 IOT 大屏交互將多面應用視頻+圖像+文本多模態(tài)技術(shù)帶來(lái)豐富的交互體驗，流暢的全雙工語(yǔ)音對話(huà)機器人將被普遍應用，實(shí)現邊聽(tīng)邊想、邊聽(tīng)邊猜、主動(dòng)搶話(huà)等類(lèi)人交互能力。

在語(yǔ)音交互場(chǎng)景下通過(guò)聲學(xué)信號+文字信號，識別用戶(hù)交流中的情緒變化， 在 IOT 互動(dòng)場(chǎng)景下實(shí)現基于攝像頭、麥克風(fēng)的擬態(tài)生命；

3  結合L域需求的NLP解決方案建設

過(guò)去 NLP 算法多以平臺/API 的方式輸出通用模型，相應地也在各種云上建立了通用 NLP 算法平臺（Amazon Comprehend，微軟 Azure Text Analytics，谷歌云 Natural Language，阿里 NLP，百度 NLP 等）。

但是在業(yè)務(wù)場(chǎng)景中，每種場(chǎng)景L域都有自己的特定的需求，產(chǎn)生了相應的場(chǎng)景數據。通用模型結合場(chǎng)景數據進(jìn)行L域自適應訓練，從而輸出的L域定制模型會(huì )更好地滿(mǎn)足業(yè)務(wù)需求。

4  知識圖譜結合落地場(chǎng)景

面向新的一個(gè)十年，通過(guò) NLP 和知識圖譜兩大核心技術(shù)來(lái)構建行業(yè)知識圖譜，機器能夠通過(guò)知識圖譜挖掘隱性關(guān)系，洞察“肉眼”無(wú)法發(fā)現的關(guān)系和邏輯，用于終的業(yè)務(wù)決策，實(shí)現更深層次的業(yè)務(wù)場(chǎng)景落地。從發(fā)展方向來(lái)說(shuō)，可以分為下面幾個(gè)方面：

優(yōu)化知識抽取能力：結合已有的知識和 NLP 技術(shù)能力進(jìn)一步提G非結構化數據理解能力，應用預訓練語(yǔ)言模型、信息抽取、實(shí)體鏈接等相關(guān)的技術(shù)，對非結構化及半結構化數據進(jìn)行抽取和轉換，形成知識圖譜形式的知識，以及和知識圖譜里面的結構化的知識進(jìn)行鏈接。

與行業(yè)知識沉淀：在行業(yè)知識圖譜解決方案實(shí)際的落地過(guò)程中，面臨重重挑戰，行業(yè)知識圖譜的構建，本身就需要數據積累和基于業(yè)務(wù)場(chǎng)景的數據理解，而構建和積累行業(yè)知識圖譜，將是認知智能時(shí)代的核心競爭力。在行業(yè)數據構建時(shí)，對知識的準確性要求非常G，實(shí)體通常需要較多且具有行業(yè)意義。需要針對多源異構數據融合，基于可動(dòng)態(tài)變化的“概念—實(shí)體—屬性—關(guān)系”數據模型，對各種類(lèi)型的數據進(jìn)行抽象建模。

智能可信的知識推理：基于過(guò)去已知知識進(jìn)行知識推理，理解行業(yè)事件知識驅動(dòng)知識推理傳導，利用行業(yè)規則邏輯結合深度模型進(jìn)行推理，使其能夠在業(yè)務(wù)的推理和輔助決策上帶來(lái)更加智能化的體驗。

以上是我們對于 NLP 技術(shù)過(guò)去一年發(fā)展的回顧和今年趨勢的思考。一家之言難免疏漏或者以偏概全。拋磚引玉，希望能夠得到更多同學(xué)們的思考和指正。比爾·蓋茨曾說(shuō)過(guò)，“語(yǔ)言理解是 人工智能 皇G上的明珠”。要達到這樣的G度，還需要技術(shù)和應用上的突破發(fā)展期待在下一個(gè)十年的開(kāi)始，我們一起讓 NLP 技術(shù)發(fā)展更加迅速，應用場(chǎng)景更加豐富，推動(dòng)認知智能的發(fā)展更進(jìn)一步。