想到一个简单的区分NLP文傻和理呆的试金石：听到P和NP，首先想到介词和名词短语的是前者；首先想到计算复杂性的是后者。二者同时想到的是超人。这个群估计一多半是理呆，文傻属于珍稀品种，应予保护。
很长一段时间，听到 IE 我就想的是信息抽取这个改变了我人生道路的研究领域。而不是微软的那款破劳什子。
曾几何时，微软帝国征服世界，指哪打哪，不可一世。WordStar 后是 Word Perfect 教育了市场，可是 Word 一来，溃不成军。1-2-3 曾何等 popular，可 Excel 席卷过来，片甲不存。到了 Netscape 开拓了互联网的广阔疆土，IE 上场，集中优势兵力，泰山压顶。据说当年的微软 campus，帝国霸气毕露，臣民情绪激昂，日夜兼程，IE 团队的 QA组不间断测试与 Netscape 的各项指标的此起彼伏，直到全面压倒，于是在帝国为自己的对手举行了一场隆重的葬礼，场面壮观而感性。
那是怎样的一个帝国时代，微软股票连续分裂，仍不断上扬，记得在视窗95（？）发布的当天，全美的电视台全天候报道这个软件巨无霸，播音员把微软的OS和Office比喻为信息时代为自己开的现金账户，财源滚滚而来，来自全世界消费者。
就在微软如日中天的时候，1996年吧，我有幸一瞥帝国风采，作为他们NLP组 short listed 的候选人，被招去面试。从温哥华到西雅图 Redmond 总部，一个小小的候选人，HR 居然给订了头等舱和五星酒店。
Bill Gates 当时对NLP组寄予很高期望。MindNet 那个 demo 蛮 impressive 的，一个基于词典定义自动parsing建立起来的一个知识图谱。各种关系线条（其实基本等价于把维基百科map到图谱的内部数据结构去），很炫酷。可没人知道怎么用这个图谱。来自定义的知识，基本构成是一个本体知识库（ontology），并没有多少情报知识。落地显示价值方面有很大挑战，总之是探索了近十年，也没落地下来。后来据说是利用它和parsing，试图落地到MT。结果 Brill 来了，带领的机器学习组叫 NLG（NL Group，not NL Generation），几个月就做出了一个 MT 与 这个老牌的 NLP 组，做企业内恶性竞争，NLP 一败涂地。这是统计NLP碾压规则NLP的一个历史性案例，发力点是有海量自然带标数据（人工对照译文）的MT，也不奇怪。最终导致 NLP 组的大裁员。好像除了英语和日语，其他语种的NLP小组全部遣散。
要说情报知识图谱由于其情报性，由于大数据的信息过载，还有落地到产品、显示价值的一些空间，一个本体知识库要落地，就艰难多了。本体知识库，by nature，相对固定有限，可以人工穷尽，不像情报知识那样具有流动性，需要大数据的持续更新处理。你做得再花哨，毕竟是自动从数据生成的，必然具有噪音，而且逻辑不完备。你怎么跟董老师这样潜心30年研发出来的深思熟虑 精心设计的本体知识体系 HowNet（知网）去 pk 呢？所以战略上，MindNet 就走错了路。也是当时的条件所限。他们的那个基于规则的 parser，鲁棒倒是还鲁棒（比起多数局限于实验室的规则系统），但太粗线条了，精准远远不够。他们当年没有办法拿那种质量的 parser 去应对各种自然语言的文体和数据源，于是聚焦在词典的定义这个子语言上去细磨。定义的句式不外是 "a is b's c” 这样的句式，容易拉出一个本体知识链条出来。能想出这么一个应用不成熟技术的切入点，也真是难得。
记得当年还利用这个parser做过 grammar checking，在 Word 内。根本就无法用，几乎全是 false alarms。后来好像是找了另一家的 grammar checker 纳入了 Word，经过这么多年，终于变得可用了。当然，目前最好用的 Grammar Checker 并不在 Word 内，而是可自由下载的 Grammarly，已经渗透市场，无孔不入了。
【相关】
