深度学习自然语言处理的边界
1.自然语言处理的范式迁移经历了规则、统计到深度学习三个阶段，深度学习可以解决以下自然语言处理问题：词语形态问题、句法结构问题、多语言问题、联合训练问题、领域迁移问题以及在线学习问题。
2.基于深度学习的自然语言处理的边界包括：数据边界、语义边界、符号边界和因果边界。基于深度学习的自然语言处理依旧面临的诸如资源稀缺、可解释性、可信任性、可控制性等问题，这些问题最终是四个边界造共同干扰所造成的。  
3.要想在这些尚未解决的问题上寻找突破，需要从深度学习的这些边界出发，去探索新的解决方案。
4.在神经网络机器翻译时代，谷歌就直接利用中间语言的方法做出了一个完整且庞大的系统，将所有语言都放在一起互相翻译以及将所有文字都放在一起编码。虽然这个系统目前还不是很完美，但是距离理想的 Interlingua 已经很接近了。
5.日本机器翻译专家 Makoto Nagao 教授：当我们使用中间语言的时候，分析阶段的输出结果必须采用这样一种形式：这种形式能够被所有不同语言的机器翻译所使用。然而这种细微程度实际上是不可能做到的。