不到一周前，百度提出知识增强的语义表示模型 ERNIE（Enhanced Representation from kNowledge IntEgration），并声称，其在语言推断、语义相似度、命名实体识别、情感分析、问答匹配等自然语言处理（NLP）各类中文任务上的验证显示，该模型效果全面超越谷歌的语义表示模型BERT。 此前，计算机视觉领域起家的云从科技也宣布在NLP上取得新进展。云从科技表示，与上海交通大学基于DCMN算法，提出了一种新模型，使机器阅读理解正确率提高了4.2个百分点，并在高中测试题部分超越人类。 其实在2018年，NLP业界也有不少突破，如在2018年10月，谷歌AI团队新发布的BERT模型，在11种不同NLP测试中创出最佳成绩。 不过，从底层技术的进步到工程化上的进步，其实还有一定距离。 相比于视觉识别和语音识别，自然语言处理难度更大，甚至被成为AI皇冠上的明珠，尽管技术上有一些突破，但目前自然语言处理的发展成就不及视觉识别和语音识别，识别的成功率远低于视觉和语音。 人工智能被戏称为“人工智障”，基本也是因为机器还不能有效识别人类的语言。在应用场景和商业价值方面，目前自然语言处理也不及二者。 虽然目前其盈利性堪忧，但NLP依然是人工智能领域里一个极为重要的分支，那么，我们今天就来分析一下NLP的突破难点，并盘点一下NLP的技术与应用领域。