4、自然语言理解的应用难题与简易场景分析

自然语言理解的应用难题与简易场景分析

1. 自然语言理解（NLU）在天气预报等应用中的优势

NLU在天气预报等应用中具有显著优势，它能够处理用户以多种不同方式表达的相同意图问题。例如，用户询问天气预报时可能有多种表述方式，如“明天天气怎么样”“后天会不会下雨”等。以下是一些天气预报请求的示例表述：
| 表述示例 |
| ---- |
| 今天天气如何？ |
| 明天会不会下雪？ |
| 后天的气温是多少？ |

如果能列出所有可能的询问方式并将其映射到结构化查询，理论上NLU就不是必需的。但实际上，很难预见用户询问简单天气问题的所有可能方式。若用户的查询表述未被开发者列入列表，系统将无法响应，这会让用户感到困惑。而NLU系统则能应对更多的查询变化。

对于具有明确意图和实体，且能从网络资源获取明确答案的应用，使用当今的NLU技术很可能取得成功。

2. 难以应用NLU的场景

2.1 需要系统运用判断或常识的应用

这类应用不像天气预报那样有单一正确答案或少数合理选项。例如，用户询问“是否应该学习Python”“是否应该接种新冠疫苗”“是否应该购买电动汽车”“现在是否是买房的好时机”等问题，系统需要了解用户的具体情况才能给出合适的建议。基于大语言模型（LLM）的系统，如ChatGPT，只能给出一般性的回答，无法提供针对用户的具体建议，因为它们不了解用户的具体信息。

此外，系统被要求给出主观意见的应用也很难处理，如“有史以来最好的电影是什么”“20世纪最有才华的演员是谁”“不超过半小时烹饪鸡肉的好方法是什么”等问题。要全面回答这些问题，系统需要大量的常识，而随机给出的答案