NLP 可以用来做什么？在社会中的价值？
1. 文本分类，机器翻译
这项工作是比较繁重、重复性的工作，用机器来代替人做这项工作，对提升生产力是非常有帮助的。
比较困难的是 样本的准备（来源、准备、洗涤等）。
在未来五到十年，会有更多更好的NLP的落地项目会产生，前端的一些技术也会继续向前发展，在很多的领域都会有应用。
入坑建议：不仅是把论文读完就可以了，还可以对它进行复现，以及在各种各样的系统上，比如说单片机、linux系统把它实现。然后进行完整的工程化应用，把它变成产品。
2. 中文文本纠错方向
手写输入或者是键盘输入有一些文本的错误，中文文本纠错可以提升文本和材料的准确度，以及它的可信度。
比较困难的是 模型的通用性及其可转移性这方面。比如应用落地的时候，还是有一些不够成熟，比如说训练出来的算法或者模型，它在某一个比较狭窄的领域或者行业，它会有比较好的效果，但是只要文本有一个非常小的变化时，对它的纠错效果有一个比较大的影响。
针对算法，针对基础、模型、理论，这方面的研究的发展，这些方面的提升可能会整体的提升NLP领域的表现效果。它是带有很多行业属性、场景属性的，如果你的具体项目应用中的行业和场景，整个范围变狭窄了以后，NLP它能够发挥的效用是越来越大的。
入坑建议：要去找一些巨人的肩膀，然后在巨人的肩膀上再进一步，这样的方式会比较省力。
3. 商品卖点挖掘、找到一个商品最能打动用户的卖点是什么
吸引用户消费，促进国民经济发展，为国家GDP做贡献。
比较困难的是 机器学习的可解释性差和相关工作比较少。商品卖点的挖掘，实际上对应的是机器学习的可解释性问题，并且它通常也不是单个模型能够解决的，可供借鉴的经验比较少，又增加了它的难度。
奔着最终的人工智能迈进，最近的暴力美学，GPT3这样的模型，虽然没有媒体吹捧的这么厉害，但是似乎已经能够让我们感受到一丝丝希望。
入坑建议：不是对单个模型的理解，也不是多么会用github，一定要有业务导向，要更多的主动去思考，我的模型和方法能够为当前这个业务带来什么样的实际价值。多去关注业内的动态，尤其是从整体宏观上去把握变化中不变的东西。
4. 任务型对话系统
提高人们工作的效率，比如中国移动和联通的克服机器人和商场中的导购机器人。
比较困难的是由于隐私等原因，真实场景下的人人对话记录非常难获取，如何在数据比较少的情况下，训练一个比较好的学习模型，这个比较困难。
它会朝着强人工智能方向发展，做到真正的理解文本语义，而不是简单地字符串匹配。
入坑建议：打好基础，学好数学，多编程，及早的加入到项目中来。
5. 对弹幕文本进行语义分析，在此基础上，完成一些比较有意思的工作
希望通过这项工作让视频网站的用户有更好的交流体验，在剪视频、制作表情包等创作活动时能够快速从海量的视频素材中，找到自己想要的片段。
比较困难的是弹幕文本中出现了大量的网络俚语，在这种情况下，普通的语言模型对它的识别和理解都出现了比较大的偏差。
在市场上能看到的NLP应用比较少，但是在一些前沿的研究领域，它的潜力还是非常巨大的，比如说文章续写，多轮对话等等。这些研究可能在未来会让机器成为一个非常优秀的作家，贴心的伙伴。
入坑建议：瞄准一个比较具体的小问题，动手做起来，在这个过程中，我们可以把成熟的模型像搭积木一样，一点一点的组装成自己想要的方案，在实践中学习。