显然，语言学对人工智能(人工智能)贡献较大的领域是教计算机识别人说的话(语音识别)、教计算机生成的词(语音合成)、教计算机理解人写的东西(自然语言处理)和教计算机生成的文本(自然语言生成),人工智能是一门交叉学科，其中数学和计算机编程是学习中最重要的两个方面人工智能。
近年来，人工智能技术(AI)一直是各行各业讨论的焦点，与物联网、分布式数据库、5G、自然语言处理等热词一起出现在时代的前沿。然而，当各行各业都在关注这些时代热词，探索新的AI场景时，却往往忽略了最成熟、最重要的AI技术——知识图谱。也许你说不清知识地图的具体定义，但其实在信息时代我们早已离不开它了。当你打开百度，搜索一个单词怎么发音，或者今年的高考分数，结果的联想来自于知识图谱的构建；当你打开淘宝或者今日头条，根据你的兴趣爱好定制的内容，知识图谱也在发挥作用...现在，互联网巨头们重新认识到了知识对数据的重要性，在知识图谱上暗中较劲。
人工智能是一门交叉学科，其中数学和计算机编程是学习中最重要的两个方面人工智能。“知云艾专栏”之前的这些文章“认知人工智能”也已经为大家介绍过了。没有看过的同学可以看看。对于已经毕业的工程师来说，在系统学习AI之前，一般需要补充一些数学或者编程方面的知识。
3、语言学在 人工智能的应用都有哪些?人类的语言主要是通过说和写来承载的。显然，语言学对人工智能(人工智能)贡献较大的领域是教计算机识别人说的话(语音识别)、教计算机生成的词(语音合成)、教计算机理解人写的东西(自然语言处理)和教计算机生成的文本(自然语言生成)，要实现以上四项任务，简单粗暴地说，就是要用统计模型来描述人类说的话和写的字。统计模型应该如何获得？它是由数据训练的，这些数据是什么？那是语言学标记的文字或声音。举个语音合成的小例子，比如你要合成一句话“Dr.SmithlivesinNYC”，输入是这段文字，输出是波形。大意是你要通过文本的语言学标注，找到符合音标的音素，然后把它们放在一起。
