神经网络、深度学习来了，热了，学界、工业界都火得一塌糊涂。模型改进层出不穷，几乎每个月都有重要进展，自然语言处理（NLP）界几乎天天都在跑模型，刷实验。于是乎，买GPU服务器，跑实验也成为计算语言学的主要工作。可我们不要慌，新模型效果的提升，基本上还在端到端的学习上，句法语义、篇章分析、人机对话还差的远。模型的提升自然是好事，比之前的学习模型又快又好谁不喜欢？工业界发现其实用性之后，其实需要更多的语料库、知识库。工业界涉足文本处理的领域越多，就会发现模型其实没啥好改的，关键是基础资源匮乏。领域词典、知识本体、高质量标注语料库都是必不可少的。从今年全国CCKS（知识本体大会）的火爆，就可以看出知识本体于工业界的价值与开发热情。而相比知识本体，高质量标注语料库的构建难度与成本更高。
    在计算语言学方面的会议上（ACL、CoLing等），参会的语言学家越来越少，几乎全是计算机系的学者。会议上也几乎变成了深度学习大杀四方的战场，很多计算机系和企业纷纷开发自己的语言资源，因为他们实在等不及语言学家慢悠悠地标注语料。不过，深度学习的重大改进，往往还是源自机器学习领域，NLP领域主要是应用和小改。在NLP大会上的新知也变成了各种深度学习算法刷实验分数，略显无趣。
    写这篇帖子，是出于一种感慨，NLP学界和工业界是那么地需要语料库，而语言学家却贡献很少，没有参与到这场语言计算的盛宴中。语言学界往往有不少论文是“面向计算语言学”的，却很少能真正应用到NLP里面。当然，也有一种声音，是语言学家“不要做语料库，不要给计算机系免费打工”。是的，文科做语料库特别辛苦，而做出来往往不会计算应用，送给NLP的学者去刷paper出产品，可以挣大钱。不过，倘若做出来的语料真的有用，白送也值得。因为语言学真的可以创造价值，也是一件好事。不给钱的人总是少数。
    现在，不只是语言教学，法律、医疗、金融、教育、农业、军事……，几乎所有重要的生产生活领域都有语言计算的需求，语言资源的缺口十分巨大。在互联网高速发展了20年之后，电子文本极大丰富、语音数据与识别合成基本突破，深入的语义分析依然是语言智能与信息产业的瓶颈。众多领域深标注语料库、特别是深度语义标注的语料库至今仍十分有限。在语言理论、语料库构建方法上仍在不断探索。这需要更多的拥有良好语言学背景与计算、心理学知识的学者参与其中，攻克语义难题。
    当然这口号已经喊了很多年，咱们要务实地说，具体需要 虚拟现实与语音文本的联合机器学习技术，需要神经科学与语言学的双重验证分析，需要语义（意义）的新的表示机制。而这些，放眼世界，貌似只有Berkeley与MIT在这条道路上向前冲。如何能参与到这场语言的认知计算革命中，而不做一个看客或山寨er，确是一个难题。目前唯有先做好自己还算见长的文本语料库构建与建模计算吧。

    希望更多的语言学青年一代能够亲身参与到这场大潮中！