（文章來源：百家號）

對于智能機(jī)器人的定義在不同的研發(fā)環(huán)境下有不同的理解，雖然自然語言處理是人工智能領(lǐng)域重要的研究內(nèi)容之一，但是并不意味著智能機(jī)器人都需要與人進(jìn)行語言溝通，實(shí)際上目前在生產(chǎn)環(huán)境下，很多智能機(jī)器人之間的溝通更有意義。

目前智能機(jī)器人與人的對話在內(nèi)容上對于場景的要求相對比較高，智能機(jī)器人往往會關(guān)注于自身的角色任務(wù)，對于超出角色任務(wù)的交流往往會存在一定的障礙。智能機(jī)器人要想與人實(shí)現(xiàn)更大范圍的交流，在當(dāng)前的生產(chǎn)環(huán)境下也沒有太大的意義，簡單的說，交流的場景往往會決定交流的內(nèi)容。

從技術(shù)體系結(jié)構(gòu)來看，當(dāng)前的自然語言處理技術(shù)體系要想充分理解人的交流目的（或者訴求），還需要一個“標(biāo)的物”，這個標(biāo)的物往往可以通過預(yù)設(shè)來完成，也可以通過機(jī)器學(xué)習(xí)的方式來生成（動態(tài)模型），但是由于技術(shù)處理能力的限制（主要是算力、數(shù)據(jù)和算法），目前自然語言處理通常會采取多種技術(shù)相結(jié)合的方式，這樣的效果也更好一些。

通俗地講，機(jī)器學(xué)習(xí)與人交流時存在三方面的障礙，其一是語義分析，語義分析還涉及到識別問題；其二是場景匹配，場景匹配往往是基于機(jī)器學(xué)習(xí)來完成的，目的是完成最終的回應(yīng)決策，這個過程需要大量的訓(xùn)練數(shù)據(jù)；其三是上下文關(guān)聯(lián)，上下文關(guān)聯(lián)的難度是比較大的，但是這也是交流的重要基礎(chǔ)。

自然語言處理本身雖然是一個相對獨(dú)立的研發(fā)方向，但是自然語言處理又離不開機(jī)器學(xué)習(xí)、知識表示和自動推理等技術(shù)，同時自然語言處理與計算機(jī)視覺的結(jié)合也會獲取更多的交流信息，這一點(diǎn)目前也是一個研究方向。從當(dāng)前人工智能行業(yè)領(lǐng)域的發(fā)展來看，自然語言處理和計算機(jī)視覺的研究熱度相對比較高，同時這兩個方向也是人工智能技術(shù)落地應(yīng)用的重要突破口，相信未來智能機(jī)器人與人的溝通體驗(yàn)會不斷得到提高。

從近幾年研究生的就業(yè)情況來看，自然語言處理方向的崗位需求有所調(diào)整，其中算法崗位在需求量上有一定程度的下滑，這一點(diǎn)應(yīng)該引起相關(guān)方向研究生的注意。