AI 연구의 중요한 목표는 한국어와 같은 또는 영어와 같은 언어, 즉 자연어로 컴퓨터와 의사소통할 수 있게 하는 것이었다.

2022년 전세계의 이슈인 인공지능기술에 다음과 같은 많은 학자들과 선행연구가 있었다는 것에 사람들은 놀람을 금치 못한다. 일찍이 다니엘 보로우(Daniel Bobrow)의 STUDENT라는 프로그램은 고등학교 수준의 대수학 단어 문제를 푸는 성공을 보였다.

'의미 망'은 개념을 다른 개념들 사이의 노드와 링크 관계로 나타낸다. 의미 망을 사용하는 첫번째 AI 프로그램은 로스 퀄리언(Ross Quillian)이 작성했고 가장 성공이며 동시에 논쟁이 많았던 버전은 로거 섕크(Roger Schank)의 "개념 종속 이론(Conceptual dependency theory)"이다.

조셉 웨이젠바움(Joseph Weizenbaum)의 ELIZA는 사람들이 그들이 대화를 나누는 때때로 상대가 컴퓨터가 아니라 사람이라고 생각할 정도의 질로 대화했다. 사실, ELIZA는 스스로 생각하여 말하지 않았다. 그 프로그램은 오직 판에 박힌 말을 하거나, 상대에게 방금 말한 말을 다시 해달라고 요청하거나, 상대가 한 말을 몇 개의 문법 법칙에 의해 파싱할 뿐이었다. ELIZA는 첫번째 채팅 프로그램이 되었다.

인공지능에 있어 자연어 처리(NLP)는 머신러닝을 사용하여 텍스트의 구조와 의미를 파악합니다. 자연어 처리 애플리케이션을 사용하면 조직에서 텍스트를 분석하고 사람, 장소, 사건에 대한 정보를 추출하여 소셜 미디어 감정과 고객 대화를 더욱 정확하게 이해할 수 있는 것이다.

자연어 처리의 정의

NLP(Natural Language Processing, 자연어 처리)는 인공지능의 한 분야로서 머신러닝을 사용하여 텍스트와 데이터를 처리하고 해석한다. 자연어 인식 및 자연어 생성이 NLP의 유형이다.
NLP의 하위 주제인 자연어 이해(NLU)는 텍스트 본문의 실제 의미를 이해하기 위해 사용된다. NLU는 텍스트를 분류, 아카이브, 분석할 수 있습니다. NLP는 한 단계 더 나아가 그러한 의미에 기반한 의사결정을 돕는다.
그러면 자연어 처리의 사용 용도는 어떤것들이 있는가? 자연어 처리 애플리케이션은 구조화되지 않은 텍스트 기반 데이터로부터 유용한 정보를 얻기 위해 사용되며, 사용자가 추출된 정보에 액세스하여 해당 데이터에 대해 새로운 이해를 생성할 수 있게 해준다. 자연어 처리 예시는 Python, TensorFlow, PyTorch를 사용하여개발되어질 수 있다.
이렇듯 끊임없이 생성되는 데이터를 수집, 저장, 처리 및 분석하기 위해 우리는자연어 처리(Natural Language Processing, NLP) 기술을 활용한다. NLP 기술은 컴퓨터와 인간 사이의 상호 작용하는 기술로, 인공지능의 핵심 기능 중 하나이다.
여기서 '자연어'는 우리가 사용하는 언어를 말한다. 인간들은 지역에 따라 다른 표현을 사용하기도 하고, 사용하는 언어 습관 또한 다양하며 문법에 맞지 않는 문장도 맥락을 통해 의사소통하기도 한다. 그러나 컴퓨터가 사실상 무질서한 인간의 언어를 올바르게 이해하는 것은 쉽지 않다. 이를 가능하기 위해 등장한 기술이 'NLP 기술'이다.
인공지능에서 자연어 처리가 함께 언급되는 이유는우선, NLP를 이해하기 위해선 인공지능을 먼저 이해할 필요가 있기 때문이다.
비정형 데이터 형식으로 들어오는 음성/텍스트 데이터의 입력값을 형태소 분석기와 구문 분석기를 활용하여 분석이 가능한 형태로 결과값으로 변환하는 과정이 필요하다.
맨 처음 음성 또는 텍스트 데이터를 입력받은 NLP 알고리즘이 해당 발화에 대한 분석을 하는 과정을"자연어 이해"라고 하며, 분석 과정을 거친 후 최적의 결과값을 도출하는 것을 "자연어 생성(NLG)"라고 부른다.
4차 산업혁명의 시대, 그 이후에 우리는 자연어 처리 기술은음성의 인식,기술에 다양하게 사용되고 있다. 또한 내용 요약이나 언어를 번역할 때, 그리고 인간의 감정 분석등에도 사용된다.