「自然語言處理」又稱為 NLP（Natural Language Processing），為近年來十分熱門且挑戰性十足的研究領域，針對不同的任務類型，我們會選擇不一樣的解法以達到最佳表現成效。舉例來說，目前的 DL 模型擅長解決類似選擇題的分類問題 （Grouping Problem），提供兩篇新聞，讓模型判斷這兩篇文章是否相似、同一類型與否。但如果要讓它判斷兩個句子是否有前後文的邏輯因果關係，或是不同語句的語意是否相同，對 DL 模型而言是困難的。
因此，如果嘗試從語言學的觀點切入，將語言學知識與 AI 結合混合模型，也許能替我們找到更多的答案！
卓騰語言科技負責人王文傑具有語言學背景，目前是卓騰語言科技的負責人及核心開發工程師，同時跨足傳統眼光中的「文」與「理」的職涯發展，致力於打造中文資訊處理的文字和語音基礎建設，促成「具人類思維方式」的機器心智。
王文傑認為，語言知識的邏輯應用與人工制定的規則，跟機器學習並非對抗而是混合（Hybrid），是將語言知識加上了資料訓練的長處，做出來混合模式的應用。
借用語言專家的知識
什麼是混合模型？主要是結合了該領域專家的知識，例如「我去買了一台蘋果」跟「我早上吃了一顆蘋果」，這兩個句子中所提到的蘋果究竟電腦還是水果？如果是透過人工智慧的話，就會利用sequence-to-sequence或是BERT去往旁邊找，找到失誤層後再訂出一個很高維的模型；但語言專家的判斷更簡單，以中文來講，要知道是吃的蘋果，還是用的電腦，只要往前看一個字就可以了，一「顆」蘋果那是水果，一「台」蘋果那是電腦，再往前不管是買還是吃都不重要了。如果有了語言專家的知識，就可以緩解我們對資料的飢渴，只要小小資料就可以開啟專案。
但不表示我們完全不需要資料，還是需要提供少量的資料，而Hybrid的特點是「具有可解釋性」和「快速疊代修正」的特性，例如在中文描述使用的量詞，水果就是用顆、粒、串等字，；描寫電腦的話，就是台、部等字，讓使用者可以知道模型下判斷的依據。從這個例子來看，只要使用兩個句子，也就是只要擁有小資料就可以啟動專案，減少企業受限於資料輛貨品質而無法開啟專案的困難度。
啟動專案後，隨著資料量慢慢累積，可以慢慢加入數據量，並且加入深度學習、機器學習的模型，就組成一個Hybrid的系統了。
什麼是專家系統？
什麼叫專家？王文傑說：「能看得出眉角的叫專家！」素人眼裡一切隨機且混亂的情況，在專家的眼裡是有規則可循且具結構性。例如我們看蜂窩上的蜜蜂，會覺得牠們在亂動；但是一個專業的昆蟲專家，可以從中看出蜜蜂的各種行為模式。
其實，每個人內心都有一部份是專家，例如人類天生具有辨識空間以及語言的能力，可以辨識什麼是語言，什麼不是語言。在語言學家眼裡，語言不是「非結構化」的資料，任何一句話都符合Xbar的句法樹，並從句法樹中掌握到句子的重點。假設有人講了一句完全違反句法樹的句子時，你會發現這個句子怪怪的，聽不下去。假設我說：「椅子一把我坐天看。」原句是：「我坐一把椅子看天。」當語句順序顛倒沒有符合句法樹時，你就無法了解句子的意思，必須要把句裡的每個位置放對，句子才有意義。
這個句法樹是人類腦子裡內建的，所以我們知道語言是有結構的。因此，原本的Machine learning、deep learning需要很多的資料才能訓練模型，但是，當我們知道語言是有結構的後，做的事就不一樣了。
所有的數學應用問題都有一樣的結構？
下圖是三個數學應用問題：
前面的兩題分別是國小二年級和國小三年級的題目，第三題則是國中二年級的題目，看出端倪了嗎？
所有的數學應用問題都有固定的三個結構，首先會有個「限定語境」說明事情發生在哪裡，第二個「說明操作的語句」則是要說明發生了什麼事？第三個部分則是「你要問什麼問題？」當我們知道一個句子是這些結構的話，就可以掌握什麼地方是句子的重點。
所以我們就根據這個原理做了一個「以語言學理論為基礎，用非機率模型建立的數學應用問題作答系統」，我們的良率非常高，只需要138個題目進行訓練就可以得到98.57的正確率。之後我們就發展出了「Loki算數學」這個應用。
除了數學應用題有結構，自傳也有其結構，甚至其中的語句也都有自己的結構。正因為自傳有結構，所以我們才可以提供書寫的建議。通常我們不會建議散文怎麼寫，因為散文較沒有結構。所以，我們也做了一個「自傳仙貝」的應用，告訴你自傳中哪些語句要調整，哪些資訊需要補充。
前面Loki的系統就是以語言學做為基礎，限縮了語句中發散的可能性，本來需要很多的資料才能夠確定某句話的意思，語言學就只要透過前面的幾個字就知道了。
為什麼我們可以做混合模型，因為我們具有語言學背景，了解所有的文章都有結構，知道人類的每一句對話都有結構，只要給我句子，就有辦法掌握關鍵資訊。
兩大關鍵幫助NLP 應用落地
NLP 應用該怎麼落地？王文傑說，首先要用對的NLP的工具，找對領域專家；第二個是使用領域資料而不是通用型的大數據集。如果使用通用型的大數據集會發生什麼事呢？他舉例，就像我們要求大家把手中的企鵝照片交出來訓練後，當我們問「企鵝生活在哪裡？」得到的答案可能是動物園，而不是南極，因為大家都去動物園拍企鵝，所以企鵝都在動物園裡。
如果不用通用型大數據集，只用領域資料的話，量雖少但是質量是高的，再配合領域專家的解釋，就可以做出來可應用的東西。王文傑說，我們真正業務的應用目標在，打造一個Hybrid的系統，可以達成每一個步驟都有解釋性，可以讓你在被客戶詢問為何被模型拒絕時，告訴他發生什麼事。
