事实上，我们今天所理解的“人工智能”就是 NLP 本身。我们从任何 AI 应用程序中提取的所有结果都是基于自然语言处理的。
一切，绝对一切，都围绕着这一处理过程。如果没有它，我们今天所知道的生成式人工智能也不会存在。
这对我们来说很重要。当我们理解 NLP 时，我们就是理解整个 AI。
而当我们不理解时，我们最终就会缺乏参考，不知道人工智能能实现什么以及它无法实现什么。
今天，我们将深入研究自然语言处理——我们将深入了解人工智能，了解它到底是什么。
我们可以？
什么是自然语言处理？
自然语言处理是人工智能的一个分支，主要涉及以自然的方式理解和产生语言。
到目前为止，人工智能系统都是由真正的工程师控制的。导入和导出数据一直是操作任务；不可能“与机器对话”。
如今，有了生成式人工智能，与机器对话甚至不再需要引号。得益于 NLP，我们一直在与机器互动。
除了生成型人工智能之外，还有其他类型的人工智能，但大多数生成型人工智能都使用 NLP 来理解用户的请求并呈现结果。
理解自然语言处理并不是什么神秘的事情。但理解它的具体工作原理则有点复杂。
首先，我们需要了解自然语言处理主要依靠机器学习。
这是与 NLP 功能相关的部分，是我们看不到的，但对于其运行而言却是基础和根本的部分。
而且，除了机器学习之外，我们还需要更多地了解人工智能响应生成过程中使用的随机方法。
下面我们进一步讨论一下这两点。
什么是机器学习？
在任何人工智能系统的背后，你总会发现机器学习。它是人工智能中的“I”。
机器学习由一系列系统和算法组成，使特定应用程序能够理解请求并将其存储在内存中。
这样，应用程序每次执行特定任务时不再需要输入该信息。
例如：在 NLP 中，应用程序已经了解它们所操作语言的语言结构，并且不需要在每次提出要求时都进行教导。
除此之外，机器学习还一直在寻找新的知识来源并自动增强其数据库。
一个句子、一段文字以及任何与语言相关的事物都有数百万种组合。
即使在这些组合中，还隐藏着一些其他信息，例如用户的意图、感受、是讽刺还是严肃、是在讲笑话等等。
机器学习作为 NLP 的基本组成部分，它确保系统持续学习和理解这些差异，尤其是当数百万用户同时使用 AI 时。
确定性模型
在自然语言处理之前，人工智能提供结果的方式是确定性模型。
这个模型是所有应用中最简单的。比如“如果用户说出某个关键词，这就是你要提供的结果。”
当然：如果用户不提供任何预先配置的关键字，就不会显示任何结果。
这些更基础、确定性的人工智能已经存在了20多年，但它们的局限性也相当明显。
最主要的是人工智能不能直接生成语言，所有结果都需要人类预先写下来。
但那是旧模式。其中根本没有机器学习。
我们今天看到的模型有所不同。现在了解更多信息：
随机模型
如今赋予人工智能力量的自然语言处理则有所不同。它使用随机模型来生成响应。
随机模型是一种概率模型。这就是我们消除确定性模型僵化的方法，确定性模型过于精确，无法处理像对话这样意想不到的事情。
这个模型的工作原理非常简单。例如，如果我让人工智能创建一条早安信息，它会以“Good”这个词开头，因为这个词最有可能成为此类信息的开头。
接下来，人工智能将考虑前一个单词和提示的上下文，尝试了解接下来出现哪个单词的概率最高。
你肯定在想，这里最有可能出现的单词是“早上好”。如果提示要求输入晚安消息，那么下一个单词将是“晚上好”。
例如，随机模型与我们在手机的自动完成功能中使用的模型相同。但是，它不具备即时分析和机器学习的额外维度。
正是这个额外的维度构成了生成式人工智能的主要功能。如果没有随机模型，ChatGPT 就不存在了。
问题是这个模型并不完美。类似的提示会导致类似但又不同的结果。
随着时间的推移，这种相似性最终会产生易于识别为人工智能的通用反应。
我们有一篇文章讨论了这个问题，以及有关生成式 AI 优缺点的其他话题。请继续阅读以下内容：
人工智能的积极方面。以及其他方面。NLP 应用于何处？+ 产品示例
好了，现在我们已经很好地了解了 AI 和 NLP，我们主要需要了解它的用途。
这里值得注意的是，自然语言处理不仅用于文本生成工具，例如 ChatGPT 和 Perplexity。
其实NLP还有另外一个同样重要的功能：提示生成。
人工智能最有趣的方面之一是你可以与它交谈，并且它能够对你做出回应。
在生成式人工智能出现之前，这一直是不 马来西亚电话号码库 可能的。人类历史上从未有一个系统能够如此准确地理解你想要什么并满足你的要求。
正是因为有这个特性，我们今天才能够使用AI。
例如，如果人工智能能够生成图像但却不理解你想要什么，这是毫无意义的。
以语言为重点的结果——记住图像和视频也是语言——源于语言提出的要求：这是当代人工智能最大的座右铭。
我需要提到这一点，因为我在这个列表中整理了一些使用 NLP 的示例，您会注意到在某些情况下，结果不会附带任何类型的文本。
好了，让我们一起来探索一下 NLP 在实际应用中的一些用例吧？
文本创建
这是迄今为止最经典的例子：生成式人工智能与 NLP 一起能够在短短几秒钟内生成非常易懂的文本。
这正是随机方法的闪光点，而且非常出色。通过这种方法，人工智能不仅可以提供良好的结果，而且可以提供看起来像是人类写出的结果。
除了图像和视频之外，使用自然语言处理创建文本就是我们今天所理解的人工智能。
目前市场上主要的文本创作工具是ChatGPT和Perplexity。
图像创建
这就是我们在主题开始时讨论的案例：通过自然语言处理使用 AI 创建图像。
其功能与文本创建基本相同。AI理解用户的意图并根据用户的要求生成图像。
在一些更高级的情况下，您甚至可以要求更具体的图像，例如绿色田野上的红色汽车。
如今的图像生成成果比几年前先进得多。如今，人工智能可以提供高分辨率图像，并且非常逼真。
目前市场上主要的图像生成工具是DALL-E和ImageGPT。
