为什么相比于计算机视觉(cv)，自然语言处理(nlp)领域的发展要缓慢？ 第1页

进化已经证明了，语言的门槛确实比视觉高得多。

世界上有多少种生物长眼睛，并且具备视觉识别能力？

无数种。

5亿年前的三叶虫都有眼睛。人类的眼睛结构比三叶虫精细得多，但光学上并没有什么本质区别。

5亿年间，各种不同形态的眼睛至少独立进化了50~100次。当然，长眼睛的生物必然有视觉识别能力，否则它要这两根铁棒有何用？

最简单的例子：苍蝇蚊子都有视觉识别能力，能自动避障，否则打个蚊子也不会这么难。

苍蝇蚊子的大脑只有20万神经元，人脑有800~1000亿个。细思极恐，20万神经元就可以完美实现自动追踪、自动避障，蚊子会坐电梯上20层，再从客厅追到卧室，一巴掌呼过去居然还会躲。

如果自动驾驶能达到苍蝇蚊子的智能，人会大呼卧槽，然后shut up and take my money。你见过哪只蚊子飞着飞着一头撞死在墙上，或者两只苍蝇为了抢屎在空中追尾吗？

CV最早的case好像是谷歌做的猫狗分类器，据说用了16000个处理器，内含10亿个节点。效果好得来，让当时的人大呼卧槽。

不过，这个级别的视觉识别能力，任何一只猫或一只狗都可以，连老鼠都可以。

可想而知，视觉的门槛有多低。

但是我们问：世界上有多少种生物会说话？

那基本上只有人类一种。

之所以说“基本”而非“绝对”，是因为有少数情况还不确定。比如黑猩猩可以用眼神+简单的手势交流，有人认为可以算“前语言”。还有人认为海豚可以用超声波对话，具体在说什么，到现在也没研究出来。

但是无论如何，所有人都公认：像人类这么复杂的语言，这个星球上没有第二个。

如果把500万年前作为人类进化的起点，那么人类学会直立行走大约用了200万年，学会使用工具用了250万年，学会用火用了400万年，学会说话用了480万年。

是的，仅仅20万年前，人类7号染色体上的“语法基因”FOXP2才刚刚突变出来。

即使有了500万年修炼而成的语言天赋加持，人类也不是一出生就会说话的。很多人学到20多岁，一门外语还学不明白，用母语写个800字的小作文都叫苦连天。

从商业角度，如果一辆车有了蚊子的视觉识别能力，肯定会有不怕死的想买来试试；如果摄像头有了一条狗的视觉识别能力，肯定会有人想买来看家护院。

但如果一个nlp AI有了10岁小孩的语言能力，除了拿100个诺奖，它好像也没有什么了不起的商业价值，连当个淘宝客服都会被买家差评。

因为nlp对标的是人，一个进化了500万年的人，一个成年人，一个有智商、有情商、有常识、最好还会多门外语的成年人，一个能区分“你这个睿智”和“你是一个睿智的人”的成年人。

大自然炼了500万年丹才勉强做到，每个人上了20年学才勉强做到，你一个搞nlp的发一篇文章就想取代人类？

nlp发展缓慢才是正常的，如果语言智能的门槛和视觉一样低，你现在不仅要学英语，可能还要学喵星语、汪星语、鸟语，上个厕所都得先跟苍蝇谈好价格。

但令人大呼卧槽的是，明明门槛这么高，nlp居然还是做出了有商业价值、让很多人能真正用得上的产品：

机器翻译。

很多人以为机器翻译肯定既懂中文、也懂英文，否则它怎么可能翻译出来？

但实际上，机器既不懂中文、也不懂英文，它只懂两种token之间的转换关系。在AI看来，它每天干的事情可能就像对对联：

上联：上海自来水来自海上
下联：Able was I ere I saw Elba

在无止境地堆算力、堆数据之后，AI竟然硬是走出了一条路，现在翻译诺贝尔文学奖的作品还不敢，但是翻译个论文资料已经完全可读了。

我最近就做了一个能直接翻译英文pdf的工具，不是划词翻译那种，而是一次性翻译整个文件，英文pdf进，中文pdf出。这样看论文就可以偷懒了~

链接如下，感兴趣的同学可以试试。目前只有PC版，APP的坑一直没填：

效果：

距离完美还很远，还有巨量的坑要填。但是至少不影响阅读，至少大多数用户觉得已经可以正经用了。

至于未来nlp的发展，我认为一种可能是达到“技术奇点”后，AI进入自我进化。也就是说，用AI训练出下一代AI，最终以人类无法理解的方式实现和人类语言能力匹敌的人工智能，甚至实现强人工智能。

另一种可能，就是继续堆料，继续缓慢发展，虽然这个“缓慢”相比其它行业简直就是闪电。