想想几年前，可行的谷歌搜索是如何通过精确地使用由布尔查询术语组织的正确关键词来实现的。这样，如果您需要从 Google 查找解决方案，您应该知道它的语言。那时谷歌提出了语义追求。它计算单词之间的学术关系，使您能够像询问朋友一样向它提问。在内部，它把这个问题解释为它所理解的布尔有组织的追求——但这个循环是难以察觉的。这项创新让你可以询问 Siri 今天的气候如何，或者明天去婆罗洲最便宜的旅行是什么，而无需将你的英语变成计算逻辑入口。所以我们可以说 NLP 是机器语言和人类语言的延伸。
通用语言处理（NLP）是软件工程的一个领域，关注电脑和人类（特定）语言之间的协作。它指的是使用特定语言（例如英语）与精明的框架进行对话的人工智能策略。当您需要像机器人这样的智能系统来按照您的指示进行操作时，或者当您需要从基于话语的临床主系统中听到选择时，就需要处理通用语言。因此，从本质上讲，我们可以说 NLP 领域包括让 PC 用我们正在使用的普通语言执行有用的任务。 NLP框架的信息和产出可以是话语和组合测试。
可以说，如果没有NLP，人造意识只能理解语言的重要性并回答简单的询问，但无法理解语言在环境中的意义。因此，自然语言处理应用程序允许客户用自己的语言（例如普通语言）与 PC 交谈。NLP 通过再现人类理解个人用来表达的普通语言的能力来帮助 PC 进行阅读和反应。如今，在人造推理中存在许多通用语言处理框架的实例，这些框架目前正在发挥作用。
人工智能中 NLP 的实例
1. 通信：许多通信应用程序（例如 Facebook Messenger）目前都在利用人造意识。总而言之，Facebook 看起来深受人工智能的启发。几个月前，Facebook 宣布推出 M 帮助，誓言要成为你自己的助手（公开发布日期待定）：“M 可以做人类能做的任何事情。”
2. 更快的结论：人造意识中的典型语言准备框架的例子还存在于医疗诊所中，它们利用通用语言处理来从医生的非结构化笔记中展示特定的决定。用于乳房 X 光成像和乳房 X 光检查报告的 NLP 编程支持临床选择信息的提取和调查。 NLP 编程可以更有效地确定乳腺癌风险，并减少对多余活检的需求，并通过事先结论鼓励更快的治疗。
3. 客户评论：计算机推理应用程序中的自然语言处理可以轻松地从站点收集商品审核并理解购物者的真实意思以及他们对特定商品的假设。进行大量审核的组织确实可以获取这些信息，并利用收集到的信息根据客户的喜好来建议新产品或服务。该应用程序可帮助组织找到其业务的重要数据，提高消费者忠诚度，推荐更重要的项目或好处，并更好地理解客户的需求。
4、虚拟高级助手：远程助手，又称AI右手或电脑助手，是一种能够理解常用语言语音指令，为客户完成作业的应用程序。 DA 可以帮助买家进行交流活动或简化通话活动，以提供卓越的客户体验并减少运营费用。我们将逐渐在不同的设备中看到这些应用程序，例如个人电脑、智能家居系统、汽车和风险投资市场。
特色语言处理应用：
机器翻译
我们意识到，在线访问数据的能力正在发展，因此获取数据的需求变得越来越重要，并且对正常语言处理应用程序的评估也变得清晰。机器解释鼓励我们克服我们经常遇到的语言界限，通过破译专业手册、以实质上减少的成本维护实质内容或列表。机器解释进步的考验不是破译单词，而是理解句子的含义以给出真正的解释。
规划大纲
如果我们需要从庞大的信息库中获取特定的、重要的数据片段，那么信息负担过重就是一个真正的问题。有计划的总结不仅对于总结报告和数据的重要性很重要，而且对于理解数据内部的积极含义（例如从在线媒体收集信息）也很重要。
假设检验
结论检查的目的是识别几个帖子中的假设，甚至是在类似的帖子中，在这些帖子中，感情并非在所有情况下都明确传达。组织利用通用语言处理应用程序（例如评估调查）来在线识别意见和假设，以帮助他们了解客户对其产品和服务的看法以及其地位的总体标志。过去决定直接的极端，结论检验是在特定情况下理解意见。
文本表征
文本顺序使您可以为档案指定预定义的类别并对其进行分类以找到您需要的数据或简化一些练习。例如，文本分类的用途是在电子邮件中分离垃圾邮件。
问题回答
由于 Siri、OK Google、对话盒和小帮手等用途，问答 (QA) 正变得越来越主流。 QA 应用程序是一个能够清楚地记录人类请求的框架。它可以用作内容界面或表达的话语框架。这剩下的部分是特别针对网络索引的相关测试，并且是特征语言准备研究的主要用途之一。
NLP的最终命运
共同语言的最终命运是什么？
机器人
聊天机器人随时回答客户的问题并指导他们找到适用的资产和项目。它经常用于客户协助，特别是在银行、零售和邻里关系领域。特别是在客户服务环境中，聊天机器人应该快速、智能且易于使用，因为客户有独特的标准（在某些情况下持久性较低）。为了实现这一目标，聊天机器人利用 NLP 来获取语言，主要是通过内容或语音识别合作，客户用自己的话进行交流，就像他们向专家讲话一样。从长远来看，这种扩展的用途也将有利于不同类型的机器人，使它们更加成功和自然，从 Siri 和亚马逊 Alexa 等远程助手到更加计算机化或任务定位的机器人阶段。这些机器人将逐步利用 NLP 来获取消息并执行活动，例如共享地理信息、恢复连接和图片或为我们执行其他更令人难以置信的活动。
支持难以察觉的UI
我们与机器的每一次联系都是人类的交流（包括讨论和文本）。亚马逊的 Echo 只是一种让人们更直接地接触创新的模型。不可检测或零用户界面的想法将取决于客户端和机器之间的直接关联，无论是通过语音、文本还是两者的混合。 NLP 会影响对人类语言的更显着的逻辑理解，最终，因为它改善了对我们的轻视——我们所说的内容，无论我们如何陈述，以及我们正在做什么——将是任何不可检测或零 UI 的基础应用。
更智能的狩猎
更智能的搜索意味着用户可以通过语音命令进行搜索，而不是编写或使用关键字。 NLP 的最终命运还取决于更敏锐的探究——我们在专家系统上已经讨论了很长一段时间。最近，谷歌宣布已在 Google Drive 中添加 NLP 功能，允许用户使用对话语言查找文件和内容。
来自非结构化数据的知识
NLP 系统将逐步从非结构化信息（例如长结构信息、录音、声音等）中收集有用的见解。他们可以分析语气、声音、词语选择和信息假设来进行分析例如，衡量消费者忠诚度或区分痛点。