Reddit热门话题：你是否也对NLP的发展状态感到失望？

adammathias：实例 The Pope’s Baby Steps 来自 Chris Manning：The Future of AI – June 23, 2016 – https://vimeo.com/173057086。

adammathias：

神经图片标注

其实那个器械不是 NLP。

机械翻译

我们如今只看到谷歌、IBM 微软等公司展示的对话到对话 demo，而个中最惹人存眷的点是语音辨认技巧，这意味着它并不满是 NLP。如今湾区的公司有若干真正须要机械翻译的?NMT 真正的用户群是那些不会说英语，但却在工作和生活上须要用到英语的人群。

mljoe：我认为除了计算机视觉中存在的典范客栈和池化办法以外，我们还须要其他一些器械。上述办法可以抓取物理世界构造的本质(引自 Henry W. Lin 等人的论文《Why does deep and cheap learning work so well?》)。但我认为在天然说话中它们不起感化。我认为 Geoffrey Hinton 的 Capsule 理念或许可认为 NLP 带来新的欲望。

Syphon8：让我进一步来说说天然说话处理的本质吧，它和你若何对待一小我有关，这其实和通用人工智能是同一个问题。

任何可以像仁攀类一样处理天然说话的机械都可以拥有响应的不雅点，同时可以完成其说话中所描述的义务。

同样，任何真正的人工智能都须要有某种程度的处理说话的才能，如许才能与其他智能体进行交互。

-论文《Unsupervised Neural Machine Translation》(拜见：无监督神经机械翻译：仅需应用荡竽暌癸语料库)：https://arxiv.org/abs/1710.11041-

eMPiko：我不认为这令人掉望，更愿意算作一种警醒。总会有一些人一旦有什么竽暌剐趣的新发明，就大年夜肆宣传在什么 20 年内获得通用人工智能。深度 NLP 已经取得很大年夜进步，它应用的是相当通用的和可复竽暌姑的架构，可以在每一种虚拟的 NLP 义务中达到当缁ゎ佳结不雅。我们在短短几年内就(在某些案例中)超出了以前几十年的研究结不雅。例如，所有在 2015 年之前应用统计机械翻译的研究进展如今实际上都变得可有可无了，因为我们已经开端应用数据驱动的编码器—解码器(encoder-decoder)。

Phylliida：我很爱好那篇论文。可惜的是据我所知，和惯例的机械翻译不一样，它不克不及转移到聊天机械人上。

evc123：NLP 将持续保持颓势，直到情境说话进修(Situated Language Learning)获得应用：https://arxiv.org/abs/1610.03585。

torvoraptor：看看比来的论文吧，已经出现无监督神经机械翻译了，我根本不认为 NLP 范畴停止了(《Word Translation Without Parallel Data》：https://arxiv.org/abs/1710.04087)

disappointedwithnlp：我并不认为这是当前困境的解决办法。

因为弗成能学到比智能体知道的更多的器械，任何大年夜其它智能体进修的智能体都有所局限。任何进修仁攀类的智能体在进修其它器械的时刻都必须异常高效地使悠揭捉?本(sample efficient)。是以，我们起首须要更好的无监督进修获得高效使悠揭捉?本的能力。

你对 NLP 今朝的成长有何看法?迎接留言进行评论辩论。

或许这只是 Sapir–Whorf 假说的一次复现，但我认为它的可能性很大年夜(Sapir–Whorf 假说：一个关于仁攀类说话的假说，由说话学家兼仁攀类学家 Edward Sapir 及其学生 Benjamin Whorf 所提出，是一个心理学及说话学假说。它认为，仁攀类的思虑模式受到其应用说话的影响，因而面对同一事物时可能会有不合的看法)。

2/2 首页上一页 1 2

　　推荐阅读

　　IaaS：云安全的下一个篇章

大年夜制造业、金融办事到公共部分的行业中的公司信赖云办事供给商及其关键的数据，软件即办事(SaaS)应用法度榜样(如Office 365和Salesforce)的快速增长取决于信赖。然则，SaaS在IT安然专业人员肯定云>>>详细阅读

本文标题：Reddit热门话题：你是否也对NLP的发展状态感到失望？

地址：http://www.17bianji.com/lsqh/38995.html

1/2 1