今天介紹NLP常見任務的第三項：自然語言生成(Natural Language Generation)

自然語言處理的一大目標是要讓電腦讀懂人類在說什麼，就如同我們前兩天的內容：讓電腦辨識聲音以及知道句型架構。今天介紹的第一個任務稱為自然語言生成，這任務的目標和昨天恰恰相反，要讓電腦寫出人類讀得懂的語言。

人類之間之所以能明白彼此所說出來的語言，有個重要因素，就是我們的語言就類似於一個模型。在模型之內的，即使其中一些字轉換了，我們依然能理解；然而若這句話不曾出現在我們的認知中，我們可能就難以理解這話的涵義了，這或許是為什麼我們需要讀那麼多文言文、唐詩、宋詞那些不會出現在現代的語法結構和用詞了。

舉個語言模型的例子：「今天我要去跑步。」我們可以把跑步替換成任何動詞，「今天我要去爬山」或「今天我要去喝咖啡」，這些替換都不成問題，但若是切換成形容詞：「今天我要去溫暖的」，身為人類的我們就會知道，這句話很怪，好像缺了什麼。

另一種常出現的問題就是語法結構分析(parsing)，雖然這不在我三十天的內容之中，但還是舉個例子：「今天我要去跑步」若被改成「跑步我今天要去」，這句話還是能理解，只是作為中文母語人士會覺得這句話超怪。而若是直接變成「跑步我要去今天」，這任何一個聽得懂中文的人應該都會很崩潰。因此，說出讓人能夠聽懂同時不覺得怪的一句話就是語言模型在做的事情。關於語言模型的應用，我會在之後的內容中更詳細地說。

寫出讓人理解的句子固然重要，還需要言之有理，那就是自然語言生成的奧妙之處了！首先，電腦需要決定這句話的內容，像是前面例子的關鍵內容是「時間」（今天）和「運動」（跑步）；接著電腦會根據語法結構架構這句話，同時也會在字詞當中做選擇，像是「今天」的同義字就有「今朝」、「今日」，「跑步」也有些同義字如「小跑」、「飛跑」、「飛奔」。但如果今天電腦真的生成：「今朝我要去飛奔。」那這台電腦還是砍掉重練吧。