自然语言处理中有没有语法？

关于这个问题，微软亚洲研究院副院长周明在 1.28-1.30 日由 DeepTech深科技举办的 EmTech China 全球新兴科技峰会上表示：

其实我个人是这么认为的，首先学术流派，大家是百花齐放、百家争鸣的，你也很难说，语言学知道就不顶用了，必须用数据驱动了深度学习。30年河东30年河西，有可能过一段时间，大家持之以恒发展基于人类知识的分析，也有可能他有很多的地方，反过来超越了你现在基于深度学习的方法。

所以，我是觉得，作为一个很好的研究人员，应该不待偏见，要包容合乎是鼓励不同……各自发展，甚至是竞争，最后走向合作的趋势。

举个例子，其实比如说机器翻译，原来都是基于规则的，后来有一派就基于统计和数据驱动，另一派的人就说我就不用，什么语言知识最好不用，越用越倒霉，越用越水平不高。但是，又发现过了一阵子加上树的结构，真的管事，所以又发现了一些基于数的模型。这个时候他就不说语言学知识没用了，他说语言学知识有用，只不过我们原来不知道怎么用。

现在神经网络这个也是一样，现在基于串对串、编码解码，还凑合，后来发现，编码的时候，它只考虑的相邻的二维码前后连接状态的制约，他们也考虑的跨越的。但是，对他产生影响的，是可以考虑到的。现在，也是说把数加到那个编码里面，也提升了翻译水平。

所以，我个人认为，就是说这两个流派的人应该都是包容的，还有的时候，在有一些数据很小的时候，比如说有一些语言就没有什么数据。用语言知识可以做一个冷启动的措施就到位了之后，因为你运行起来有用户用了，数据就来了。数据来了之后你仍然可以在重新用NMT或者是SMT，重新去一套你的系统，连原来的语言知识建立的系统，既帮你做冷启动，也可以把他的知识再柔和到你的数据驱动中。