NLP的成功落地需要场景化
NLP的成功落地需要场景化
NLP的需求，无处不在，只要有语言出现的地方，就有NLP的用武之地。但通常无法简单概括NLP的需求，必须结合场景才能明确。像语音识别、人脸识别等应用，需求相对单一明确，与场景关联度低。例如语音识别是把语音转换成文字，无论转录、同声传译、对话场景，或是金融、教育等应用领域，需求是明确不变的。NLP需求的场景化，使NLP应用必须深入业务，只能针对具体场景具体定制，无法实现快速复制。这也是在NLP领域尚没有出现类似科大讯飞、商汤科技这样的独角兽公司的原因。
在石正柏看来，NLP技术的实际应用需要常识知识，而常识知识来源于具体的场景。常识知识包括两种，一种是通用知识，这些是普通人都掌握的知识。另一种是具体场景下的业务知识，例如催收场景下具体的催收流程、催收术语和催收话术等，这些是专业人员所拥有的专业知识，必须来源于场景。
具体场景下的业务知识，一般是由两类人掌握。一是具体业务人员，如一线催收人员，但他们只懂业务，而对技术了解甚少；一是提供行业解决方案的应用开发人员，如中腾信智能语音机器人的开发工程师，既懂业务，又懂技术，做到了二者的结合。而对一般NLP开发人员来说，场景业务知识是短板。这是很多NLP技术人员，甚至是高校和大厂的顶级专家，落地到具体场景应用下倍感挫折的原因。NLP应用的落地，一定要将NLP技术与场景的常识知识结合起来。
