AI逼近语义理解：NLP下一个前沿
AI常被视为误称。第一词“人工”尚可，第二词“智能”却名不副实。以语义为例，人工技术理解句子、段落、书籍含义一向极差，毫无智能可言。
但这会改变吗？近期我们采访了法律科技公司InCloudCounsel机器学习总监Hadayat Seddiqi。他判断AI接近达到语义理解，作为进化下一步。我们问：“何时可能达成此里程碑？”
SEO痛点
若你以写作为傲，善用词汇表达观点避免重复，你大概恨SEO。若你擅长构建复杂论证，需跨句、章、文、书表达，SEO因将论证压缩为两三四词（如“AI理解语义”）成敌人。（看，我们就这么做了！）
若搜索利用AI理解语义（又来了），基于更复杂——智能的——理解生成结果，省去繁琐重复，那该多好！
自然语言处理市场预计2025年达223亿美元，彰显技术进步，尤其是沟通和商业领域。目前技术用于品牌声誉监测情感分析、关键词匹配或词义消歧指导广告投放、监管合规确保产品不成负债等。AI真正革命行业和决定关键业务洞察的力量，在于其读文本理解语义（词间关系）能力，助组织进一步规避风险、发掘责任，从而在NLP创造巨大价值。
那么，AI实现语义理解故事中，进化下一步是什么？何时达成？
Seddiqi称：“达成AI语义理解需几个关键里程碑。用迭代进展框架思考有助理解每个里程碑含义。”
“前一里程碑，”Seddiqi说是词向量：“用常见用例框架：电脑搜索功能。大家用Ctrl+F/Command+F精确匹配关键词搜索。Google等搜索引擎含拼写纠错组件处理潜在拼写错误。但外观差异大但含义相近的词呢？2013年前后，AI界找到高效建模方法叫‘词向量’。能做有趣词代数：King + Woman = Queen。实际中，可扩展搜索包含语义相关词。”
AI理解语义的即将到来的里程碑
“词向量改变游戏规则，但仍需用一或几关键词表达观点。若观点需整句表达？这是下一里程碑，得益于去年研究大推进。思想是：将句子编码为句子（或思想）向量，再寻找相似句子向量。编码良好时，搜索功能能找到外观迥异但表达相同观点的句子。基于当前研究进展，说这技术将在未来几年成熟不为过。”
未来里程碑：超越句子的AI理解
“清晰层级模式浮现于技术进程。我们接近用词级相似技术扩展至句级理解AI。这开启AI理解需段落、整文档、甚至整书观点的激动人心应用。AI从词到句理解的飞跃非微不足道，长期受数据集规模和算力制约。处理更大问题的建模能力迄今取决于这两个资源约束。随AI硬件进步成本下降，我们将更接近理解更大文本集合的模型。OpenAI的GPT-2模型已部分验证：用相同句子编码模型设计配海量数据，产生的模型已跨多句理解高层概念。例如GPT-2能以惊人连贯性撰写完整新闻文章。”
自动化控制系统