1. 背景：
- 編程語言的詞彙量一般很少，而且非常結構化，代碼只能在拼寫和語法完全正確時，編輯和運行
- 人類語言叫「自然語言」，有大量的詞彙，不同的詞義，不同的口音
- 讓計算機擁有語音對話的能力，這個想法從構思計算機就有了
- 「自然語言處理」因此誕生，簡稱 NLP，它是結合了計算機科學和語言學的一個跨學科領域
- NLP 早起的一個基本問題是怎麼把句子切成一塊塊，數據塊越小越容易處理
2. 詞性
- 名詞、代詞、冠詞、動詞、形容詞、副詞、介詞、連詞和感嘆詞
- 子類
- 單數名詞 VS 複數名詞
- 副詞最高級 VS 副詞比較級
3. 短語結構規則
- 電腦也需要知道語法，因此開發了「短語結構規則」來代表語法規則
4. 分析樹
- 給語言制定的一系列的規則，用這些規則可以做出「分析樹」
- 作用：給每個單詞標了可能是什麼詞性，也標明瞭句子的結構
5. 語音識別
- 計算機從聲音中提取詞彙，這個領域叫做「語音識別」
- 貝爾實驗室在 1952 年推出了第一個語音識別系統，綽號 Audrey，自動數字識別器
- 1962 年的世界博覽會上，IBM 展示了一個鞋盒大小的機器，能識別 16 個單詞
- 1971 年，DARPA 啓動了一項雄心勃勃的五年籌資計劃，之後誕生了卡內基梅隆大學的 Harpy
- Harpy 是第一個可以識別 1000 個單詞以上的系統
6. 譜圖
- 橫軸是時間，縱軸是不同頻率的振幅，顏色越亮，那個頻率的聲音越大
- 這種從波形到頻率的轉換，是用一種算法實現的，這個算法叫做「快速傅立葉變換 FFT」
- 舉例：和立體聲系統的 EQ 可視化器類似
- 譜圖是隨着時間變化的
7. 音素
- 構成單詞的聲音片段
- 英語大概有 44 種音素
- 語音識別軟件知道這些音素，所以本質上變成了音素識別
8. 語音合成
- 用途：讓計算機輸出語音，很像語音識別，不過反過來把一段文字，分解成多個聲音，然後播放這些聲音
- 早期語音合成技術，可以清楚聽到音素是拼在一起的
- 舉例：
- 1937 年，貝爾實驗室的手動操作機器
- 如今，Siri, Cortana, Alexa 好了很多，但還不夠像人