目前，自然语言处理正在获得并保持着广泛的关注，这通常与自然语言处理对发展中的高级人工智能的重要性有关。

这是有充分理由的。从历史上看，虽然自然语言很容易被人类理解，但它一直是计算机面临的前所未有的导航挑战。然而，虽然程度还有待商榷，但毫无疑问，自然语言处理的进步正在改变这一事实，计算机越来越接近有效理解和管理自然语言的能力。

这将最终导致计算机不仅能够理解编程语言形式的结构化数据，而且能够理解自然语言形式的数据(结构化和非结构化)。最具革命性的是对AI的冲击。

根据我过去讨论过的DIKW模型(文献中经常用金字塔来表示)，NLP目前进展的意义(尤其是与非结构化数据相关的意义)变得明显，我对其进行了讨论(包括与知识相关的具体考虑——模型的智慧高峰)。该模型强调数据和信息如何带来知识，以及知识(管理得当)如何带来组织智慧。

我喜欢这个模型的地方是，它也生动地代表了关键的关系和现象。一个具体的例子就是我所说的“知识失败”。这些都是无法有效管理知识创造组织智能(作为知识的一部分——智能的巅峰)的过程。

“知识生产过剩”就是这样的失败之一，被定义为“知识的发展超过了组织智慧最大化所需的知识的发展”。至少在历史上是这样。一个不可避免的结果是，任何组织面临的挑战并不总是了解更多，而是了解足够多。

这是因为知识生产的弊端超出了必要的范围。我已经指出了知识过度生产的弊端：最明显的是浪费努力让事情变得有意义(我是David Shenk对“数据烟雾”的直观引用的倡导者)。但与此同时，在知识的开发、共享、加工和管理上浪费了精力(因为基础知识的创造是为了努力获取数据和信息，进一步将信息发展为知识。)

然而，随着自然语言处理的最新发展，作为“知识失败”的知识过度生产的本质正在发生变化。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：