1.1 自然语言处理简史

自然语言（Natural Language）指的是人类日常使用的语言，例如英语、汉语等；与此相对的是人为设计的、规则明确的形式语言（Formal Language），例如C语言、数学公式等。自然语言处理就是使用计算机算法对自然语言进行处理的过程。狭义的自然语言处理仅限于处理文本形式的输入，而广义的自然语言处理还包括对语音信息的处理。在不做说明的情况下，自然语言处理通常按照狭义的方式来理解。

此外，还有一个相关的术语叫计算语言学（Computational Linguistics）。从字面上看，计算语言学是语言学的一个分支，着重于用计算的方法来回答语言学的问题，例如转换生成语法（Transformational Generative Grammar）。而自然语言处理更侧重于计算机系统对语言的处理，例如搜索引擎的搭建。不过现在这两者之间的界限变得越来越模糊，自然语言处理领域的顶级学术会议就叫Annual Meeting of the Association for Computational Linguistics。

类似于人工智能的三种路线，自然语言处理的研究方法也有路线之争：经验主义（Empiricism）和理性主义（Rationalism）。前者主要依赖于数理统计和语料库，手段粗放但往往有效；后者设计精妙，可以帮助我们更好地认识语言，却在海量数据的时代有些力不从心。接下来，我们将更加详尽地了解自然语言处理能做什么，以及回顾过去几十年来自然语言处理的发展史。