自然语言

概念定义

自然语言（Natural Language）是随人类社会与文化自然演化、用于交流和思维的语言，例如汉语、英语、法语、日语和韩语。它不同于为特定目的人为设计的形式语言或编程语言，具有表达方式灵活、词义依赖上下文和句法可能含糊等特点。

在汽车技术中，自然语言也是一种人机交互方式。用户可通过日常说话方式表达要求，由车载系统处理语言并据此操控整车。用户不必把要求改写成编程指令，但系统必须将人类语言转换为可处理的结构化符号和语义关系。

工作原理

自然语言交互通常从语音或文本输入开始。语音输入先经过语音识别转换为文字，随后进行断词或分词、词性标注、句法分析和语义分析。系统利用上下文，从多个可能解释中选择与当前表达较相符的语义，再按照交互目的处理信息。需要回应用户时，自然语言生成系统把计算机数据组织成语句，并可通过语音合成输出。

这一过程需要处理自然语言固有的歧义。同一个词可能具有多种意思，一个句子也可能对应多棵分析树；代词所指对象往往还依赖外部知识。例如，相同句法结构中的“它们”可能指动物，也可能指物品。系统若只匹配字面词语，便难以理解真实要求。语言行为同样不能只按字面解释：“你能把盐递过来吗”通常是在提出行动请求，而不是单纯询问能力。

技术构成

输入处理：包括语音识别、文本切分和中文自动分词，将连续语音或文字整理为后续处理单位。
语言分析：包括词性标注、句法分析、语义分析、词义消歧和命名实体识别，用于建立语言结构与语义关系。
上下文处理：结合前后文判断省略内容、代词指向和表达目的，减少同词多义及句法模糊造成的误解。
对话与问答：对话系统和问答系统根据输入决定后续处理，并组织连续交互。
输出生成：自然语言生成把系统数据转换为人类可读的语句，文本朗读与语音合成则负责语音输出。

应用场景

在车辆环境中，自然语言可作为整车操控入口，让用户以日常语言提出要求，并通过对话接收系统回应。相关技术也广泛用于聊天机器人、机器翻译、信息检索、信息抽取、自动摘要、文本分类和情感分析。

实际应用会受到口音、地方口音、拼写错误、语法错误及语音识别错误影响。中文书写通常没有词与词之间的空格，分词结果也可能随上下文改变。现实环境比早期受限词汇和受限场景复杂，因此自然语言系统需要同时处理不规范输入、语义歧义和世界知识。

技术演进

自然语言处理研究大体从1950年代展开。早期系统主要依靠人工制定的规则，并在词汇和场景受限的环境中运行。1980年代末以后，机器学习与统计模型逐渐成为重要方法，语料库被用于词性标注、消歧和机器翻译。2011年以后，深度学习开始广泛用于语言模型和语法分析；2017年出现Transformer架构，2018年BERT推动预训练方法应用。2022年底大型语言模型受到广泛关注，自然语言生成在自然语言处理中的重要性进一步提升。