老友说，你必须承认，工业界的 NLP 绝大多数成规模的应用都是 shallow NLP 在支撑的，背后的基础技术是学习（ML），如今是深度学习（DL）（规则派NLP一直也在不同的产品中有见，但规模和影响力无法与学习比）。

我说，我又不是瞎子，怎能不知道。

没用 deep，是因为学习那边20多年来一直都是局限在浅层，把NLP应用的浅层做到了极致，只是最近才开始试图规模化的深入的尝试（如 SyntaxNet），离具体运用还远。不是不想 deep，而是ML一直没能做到而已（斯坦福parser这类不是一直存在吗，但那基本是局限在教授实验室的东西，从来没有落地为应用）。而规则这边的传承，从一开始就是 deep 起家，不过是很多规则派不太懂得鲁棒和scale，所以也大多不能做 real life 大系统。

规则一派一度红火的 unification grammars 最后证明是理论上漂亮，实践中不给力，因为这些个 Gs 都基于 CFG 的机制（白老师所谓“毛毛虫"），决定了不仅速度不行，而且也难以应对错综复杂的层次纠缠。如今不同了，多层的深度NLP的路子蹚出来了，规则派解放了。结果并不是要取代工业界的学习或深度学习，也取代不了，这是全世界的潮流，但是作为补充，现在的工业界已经有足够的空间让规则派发挥了。说到底，最后总有人会明白两条腿走路比一条腿走要快很多，且不说还有合流的可能性，只要双方有诚意，采一种相互欣赏的心态，而不是宗教派别一样的对立心态。这种开放心态的可贵尤其在其中一个教派奉为“国教”的时候。

我们大多数人无论多天才，都难免偏见或狭窄，高明的人懂得这是人性所限，会有意识地注意到自己的局限，自大的人就假设对方不存在或不屑为伍。