機(jī)器存在的目的無(wú)非是協(xié)助人類進(jìn)行各式工作，將人類從無(wú)聊繁瑣的事物中解放。 由于沒(méi)有一個(gè)行業(yè)不需要語(yǔ)言，每一個(gè)行業(yè)也都有特殊的文字與行話，因此，語(yǔ)意理解絕對(duì)是人工智能的重要應(yīng)用之一，未來(lái)將在無(wú)數(shù)領(lǐng)域給予人類各種協(xié)助。

舉例而言，如繁瑣的數(shù)據(jù)庫(kù)整理、閱讀查詢等等工作，都與語(yǔ)意分析有關(guān)系。 另外，電子商務(wù)中的輿情分析，也是語(yǔ)意理解技術(shù)一項(xiàng)相當(dāng)重要應(yīng)用實(shí)例。 盡管語(yǔ)言相關(guān)的應(yīng)用依然是人工智能中比較困難的一部分，然而目前在輿情分析應(yīng)用中，準(zhǔn)確率已可達(dá)到八成以上。 雖距離完全正確尚有距離，但已經(jīng)可以做到相當(dāng)程度的應(yīng)用。

與輿情分析概念相同的意圖偵測(cè)功能，同樣可以應(yīng)用在在線客服機(jī)器人的開(kāi)發(fā)，或是自動(dòng)翻譯機(jī)制，都是人工智能中的語(yǔ)意理解技術(shù)能夠發(fā)揮的應(yīng)用領(lǐng)域。

中文編碼無(wú)法窮舉 須轉(zhuǎn)向機(jī)器學(xué)習(xí)技術(shù)編碼

語(yǔ)意理解的第一個(gè)步驟是為文字編碼。 例如，英文屬于拼音文字，26個(gè)字母加上標(biāo)點(diǎn)符號(hào)頂多70個(gè)編碼就能涵蓋英語(yǔ)的所有編碼可能。 但中文的變化不如英語(yǔ)穩(wěn)定，同樣一件事情有無(wú)限多種表述方式，因此在中文的語(yǔ)意理解操作上，就會(huì)相較英語(yǔ)困難許多。

若是將每個(gè)中文字看作單獨(dú)的存在并個(gè)別編碼，大約會(huì)有兩萬(wàn)個(gè)以上的編碼數(shù)據(jù)。 由于相較于英文而言，中文若是將幾個(gè)單字抽換、交換位置，人類依然可以理解，要是再加上網(wǎng)絡(luò)流行語(yǔ)、同音字、中英文夾雜等等使用情境，編碼數(shù)可能將會(huì)超過(guò)四萬(wàn)。

先前曾針對(duì)電子商務(wù)的評(píng)論進(jìn)行分析，發(fā)現(xiàn)同樣是在表示「快遞速度優(yōu)良」此一訊息，就有超過(guò)三千種中文表述方式。 而且表述方式還能夠無(wú)限擴(kuò)充，該數(shù)據(jù)量將隨著數(shù)據(jù)的增加而出現(xiàn)無(wú)限多種中文句型（圖1）。

圖1 針對(duì)電子商務(wù)的評(píng)論進(jìn)行分析，發(fā)現(xiàn)同樣是在表示「快遞速度優(yōu)良」此一訊息，就有超過(guò)三千種中文表述方式。

以往，傳統(tǒng)語(yǔ)意分析方法是必須先建立一個(gè)巨型的數(shù)據(jù)庫(kù)，接著用抓關(guān)鍵詞的方式比對(duì)出需要的數(shù)據(jù)，并沒(méi)有使用到深度學(xué)習(xí)技術(shù)。 然而，由于語(yǔ)言很復(fù)雜且具彈性，因此使用窮舉法建立數(shù)據(jù)庫(kù)將會(huì)發(fā)現(xiàn)永遠(yuǎn)無(wú)法列出所有可能。 唯有轉(zhuǎn)向讓機(jī)器理解，以新的角度理解中文的語(yǔ)意理解，才能做到最具效率且準(zhǔn)確的語(yǔ)意理解。

配合詞向量技術(shù) 以機(jī)器視覺(jué)技術(shù)理解語(yǔ)意

以往人們皆是以序列的方式去思考文字，進(jìn)而理解語(yǔ)意。 近來(lái)人們開(kāi)始將技術(shù)開(kāi)發(fā)方式轉(zhuǎn)移至詞向量技術(shù)。 由于其能自主學(xué)習(xí)，進(jìn)而找到中文字詞之間關(guān)聯(lián)的特性，故成為近來(lái)中文語(yǔ)言分析的最大突破。

利用詞向量的特性，把百萬(wàn)個(gè)詞匯壓縮成兩百個(gè)維度，會(huì)發(fā)現(xiàn)語(yǔ)言突然變得很簡(jiǎn)單，只要使用基本的加法、減法數(shù)學(xué)概念，便能夠解決語(yǔ)意之間的關(guān)聯(lián)性。 舉例而言，「國(guó)王」、「皇后」、「男人」、「女人」四個(gè)字詞都能夠指向一個(gè)向量，因此，假如我們輸入「國(guó)王-男人+女人」，計(jì)算機(jī)便能計(jì)算向量之間的相似度，而得出「皇后」此一解答。 詞向量的計(jì)算方式大致如圖2。

圖2 利用詞向量的特性，基本的加法、減法數(shù)學(xué)概念便能夠解決語(yǔ)意之間的關(guān)聯(lián)性。

也由于每個(gè)字詞都有一個(gè)向量，該向量也能被視為是一個(gè)二維的圖像。 因此又進(jìn)一步衍伸出一個(gè)新的技術(shù)趨勢(shì)，便是將機(jī)器視覺(jué)技術(shù)運(yùn)用于語(yǔ)意理解之中。 也就是說(shuō)，以前會(huì)去偵測(cè)序列的意義，現(xiàn)在是去偵測(cè)該二維圖像的意義。

利用機(jī)器視覺(jué)技術(shù)處理語(yǔ)意理解將會(huì)有效提高指令周期。 以往利用序列的方式，一次只能運(yùn)算一個(gè)字詞的維度，無(wú)法平行運(yùn)算。 然而機(jī)器視覺(jué)能利用GPU平行運(yùn)算，將比傳統(tǒng)運(yùn)算方式更為精準(zhǔn)且效率更好。