自然语言处理是人工智能的一个应用，它的难点在于人类语言的复杂性和语言描述的外部世界的复杂性。
自然语言处理涉及到的知识很多、很抽象、很复杂。复杂的东西也许是高深的，但不见得是必须的。
村长在这里讨论“自然语言处理”的时候，将从另外一个角度进行，也就是，首先解决“外部世界的复杂性”问题，这也是一切问题的根本。
在＂自然语言处理（NLP）＂的百度百科中有这样的一例子：
句子“我们把香蕉给猴子，因为它们饿了”和“我们把香蕉给猴子，因为它们熟透了”有同样的结构。但是代词“它们”在第一句中指的是“猴子”，在第二句中指的是“香蕉”。如果不了解猴子和香蕉的属性，就无法区分。
我们看到了很熟悉的“属性”一词，如果我们对这个世界所有事物都进行如下的处理，并保存在同一个数据库中：
确保所有事物唯一的存在。
用继承和包含的方法管理所有事物及它们的特性（包括属性），同时也保证这些特性的唯一性。
那么，对于上述这个例子，“熟”是“植物果实”的属性“生长程度”的枚举项，这个枚举项包括“生、半生、熟、过熟”，而猴子并没有这样的属性，所以很容易判断出这个“它们”指的是“香蕉”。
再来看看相关对象的功能特性：
香蕉：被食用、被传递。
猴子：吃、被喂食。
人类：传递、饲养。
又有这样的对应关系：
吃——被食用
传递——被传递
饲养——被喂食
那么以上的句子就很容易进行判断了。
基于此的自然语言的分析，不再需要进行大量的模糊判断和深度学习了。
另外一个简单的例子如下图所示：
语句分解举例依靠这种方式可以很容易实现不同语言的转换，因为不论什么语言都是基于内容（这个世界）的，不同语言的主要区别只是编码方式的不同，因此创建一种新语言也并非难事。
也就是说，利用统一的数据模型，可以更容易的解决目前看起来很复杂的问题。
网友评论