自然语言处理就是利用电子计算机为工具对人类特有的书面和口头形式的自然语言的信息进行各种类型处理和加工的技术。这种技术因为运用环境和发展潜力巨大，已经成为一门专门的边缘叉学科，涉及到语言学、计算机科学以及数学等。

对于计算机来说，它只能根据二进制的指令来做出不同的行为反应，而程序设计者则往往在这个过程中起到了翻译的功能，即将在自然语言表述下的功能需求，用程序设计语言表述，再由特定的编译转化为机器可以理解的二进制指令。计算机能够做我们想要完成的事情，但是它并不真正理解我们的语言。从这个意义上来说，如果想要让计算机足够智能，让计算机能够直接理解我们的命令显然是非常重要的，而在这其中，自然语言的处理即是人与计算机沟通的桥梁。

现在人工智能的飞速发展，主要得益于统计学方法及从此诞生的机器学习的思想，而之前的研究方法都或多或少遇到了瓶颈而停止了发展。现在，人们通过获取并输入海量的数据，让计算机能够在这些数据集中自己找到其中的规律。不同于以往的使用逻辑严密的语言告诉计算机应当怎样做，现在我们所做的只是把基础的数据和正确的答案给计算机，在中间的过程中为什么计算机做出这样的判断其实并不重要。

Alpha Go 项目的研究人员中并没有特别高水平的围棋选手，如果按照以往的人工智能的思路，研究人员必须要把如何更好地获胜采用逻辑较为严密的语言编写为程序，使得

Al pha Go 在对局的时候能够利用自己超高的运算能力在“获胜技巧”中不断穷举运算，从而做出最优解。然而围棋之所以有挑战性，正是因为围棋的可能性有太多种，根本无法依靠穷举来计算下几步可能的结果，无法进行比较，也就无从谈起所谓的“最优解”了。更何况，研究人员并非什么围棋大师，也无从编写能够战胜人类围棋第一人的“获胜规则”。而之所以 Alpha Go 能够在之后的棋局中战胜世界围棋第一人，正是人工智能采取新的机器学习思路的胜利。在构建系统的初期，研究人员先给Alpha Go 足够多的棋局数据，Alpha Go 利用自己的运算能力不断学习。无可否认的是，胜利的天平总会因为某些操作而发生微小的倾斜，人类不具备从大量数据中归纳出细微规则的能力，更加无法把他表述给计算机。之前的研究方式像是犯了一个本末倒置的错误，把计算机擅长的事情交给了人类来做，而让计算机只是作为一个检索的傀儡。Al pha Go 能够从海量的棋局中分析出哪些因素和操作对于自己的胜利更加有利可能这些复杂而又微小的规律都难以用自然语言来表述，但是显然这些对于计算机来说都比去理解人类表述的拙劣的规则要更简单。

学术交流（Academic exchanges ），是指针对规定的课题，由相关专业的研究者、学习者参加，为了交流知识、经验、成果，共同分析讨论解决问题的办法，而进行的探讨、论证、研究活动。随着信息时代的到来，有效信息的提取是未来成功的关键，面对大量的文献、知识、如何获得快速自己想要的信息至关重要，借助于人工智能技术在自然语言中的应用，完全可以将所获得的各种学术信息组成语料库，通过训练学习获得满足自己需求的神经网络模型，进行有效信息提取。

不过学术交流的最终落脚点在于学术思想和学术创新上，激励（激活、激发）、启迪才是学术交流最本质的意义。