自然语言处理（NLP）的核心任务包括语音识别、文本分词、词性标注与句法分析、机器翻译、情感分析、文本生成与问答系统（可查出地球直径约12742公里），核心是把自然语言拆成可计算单元再还原成通顺文本，解决机器无法直接处理人类语言的鸿沟问题，并不解决跨语言转换中文化内涵与语用差异。
- 语音识别（Speech Recognition）
把你说的话变成文字。比如，你说“打开灯”，机器先把语音转成“kāi dēng”，再理解意思。像Siri、Alexa都靠这个技术。 - 文本分词（Tokenization）
把句子拆成词或短语。中文尤其复杂，因为没有空格。比如，“我爱北京天安门”要分成“我/爱/北京/天安门”，机器才能分析。 - 词性标注与句法分析（Part-of-Speech Tagging & Parsing）
搞清每个词的角色（名词、动词等）和句子结构。比如，“小明吃苹果”里，“小明”是主语，“吃”是动词，“苹果”是宾语。 - 机器翻译（Machine Translation）
把一种语言转成另一种。比如，谷歌翻译把“I love you”变成“我爱你”，还能处理整段文章。 - 情感分析（Sentiment Analysis）
判断文本的情绪。比如，看一条评论“这个手机太棒了”，机器能分析出“正面情绪”，如果是“太差了”，就是“负面”。 - 文本生成（Text Generation）
让机器自己写文字。比如，ChatGPT能根据你的提问写出回答，甚至生成故事或代码。 - 问答系统（Question Answering）
根据问题从文本中找答案。比如，你问“地球有多大？”机器能在数据库里找到“直径约12742公里”。
这些任务就像NLP的“基本功”，结合起来就能实现复杂的应用，比如智能客服、自动摘要，甚至AI写作助手。
