在自然语言处理（NLP）的世界里，spaCy是一个不可忽视的名字。这个库不仅推动了NLP应用的繁荣，还培养了众多NLP科学家。为了深入了解spaCy，邀请了其开发者Ines Montani和Matt Honnibal参加广受欢迎的DataHack Radio播客节目，让他们亲自讲述spaCy的故事。
这个播客节目长达40分钟以上，是NLP爱好者和实践者的盛宴。Ines和Matt讨论了所有关于spaCy和NLP的话题，包括：
开发spaCy背后的理念；
spaCy从最初的alpha版本到现在的2.1版本的惊人演变；
spaCy的用例，包括一些令人惊讶的应用；
Ines和Matt对NLP爱好者的建议；
以及更多！
spaCy库背后的大脑
spaCy的故事始于Matt毕业时编写的一段特定NLP任务的代码。他一直在NLP领域工作，并且有几家公司想要使用他的研究代码。然而，这段代码并不适合用于通用目的（它更倾向于执行特定任务）。Matt想要构建一个可以用于更广泛NLP功能的库。从这个想法中，spaCy的概念诞生了。
Matt在spaCy的第一个alpha版本发布后不久遇到了Ines。从那时起，他们就开始合作开发spaCy，并创立了他们的公司——explosion.ai。Explosion AI是一个专门从事人工智能和自然语言处理的数字工作室。他们的三个主要产品是：
个人非常喜欢Ines和Matt最初在spaCy上工作的幕后故事。Ines被spaCy的计算语言学方面所吸引，并且认为公司可以使用它来构建真正重要的系统。
关于Ines最初理解NLP任务背后的算法时的反应，有一个有趣的轶事。不会在这里透露——所以请确保听这部分！
开发spaCy的动机和理念
在spaCy开发之前，NLTK库已经存在。那么为什么要创建spaCy呢？创建一个不同的NLP库的动机是什么？相信当spaCy刚出现时，大多数人都问过这个问题。
正如Matt所说，在回答这些问题之前，理解NLTK库是很重要的。NLTK是用不同的代码库开发的，更多地是从教授NLP主题的角度出发。
"商业NLP的需求来自不同的优先事项集。其中最重要的优先事项之一是效率。获得高效Python可用事物的最佳方式是使用Cython编写C扩展——这是spaCy最终实现的语言。" ——Matt Honnibal
当Matt开始开发spaCy时，线性模型非常流行，因为：
这些模型使用了大量的机器内存；
它们可以使用C或Cython快速实现；
没有可能为NLTK编写这些C扩展。此外，Matt想要开发一个采用不同方法的不同NLP库。因此，spaCy被设计来填补这些空白，并为在NLP领域工作的人们提供不同的视角。
spaCy和Prodigy的商业方面
从一开始，就总是有从spaCy中创造商业方面的可能性。问题是它是否必须来自咨询方面或其他东西。
Ines和Matt在他们的旅程开始时选择了注释工具。根据Ines的说法，这一直是一个反复出现的问题。所以问题是——人们在使用什么，什么对他们真正有效？两个特点脱颖而出：
命名实体识别；
创建标记数据和运行实验。
相信这些在NLP领域工作的人都能与这些特点产生共鸣！Ines和Matt实际上是因为这些特点而想出了Prodigy的概念。Prodigy是一个注释工具，数据科学家可以使用它自己进行注释，从而实现新的快速迭代水平。无论是在处理实体识别、意图检测还是图像分类，Prodigy都可以帮助更快地训练和评估模型。谁不想要这个呢？
spaCy的演变（从v1到v2.1）
“这在很大程度上受到NLP研究和发展的影响。”
spaCy的第一个版本是使用上述线性模型技术构建的。那时，神经网络还处于起步阶段，还没有准备好席卷机器学习世界。
一旦革命来临，当神经网络变得越来越主流时，spaCy从版本1升级到2。spaCy 2.0中的许多关键特性都是围绕各种机器学习管道组件（如即插即用架构），受到不断发展的机器学习社区的启发和影响。
spaCy2.1，当前版本，更注重稳定性和性能。它的一个突出特点是处理迁移学习和语言模型——这两个概念加速了NLP领域的研究和进展。
那么spaCy接下来会怎么样呢？可以期待从未来的更新中获得什么新功能呢？这是Matt的话：
"spaCy的一个核心用途是信息提取。基本上是从非结构化文本到结构化知识。
正在开发一个新的组件用于实体链接
——解析名称到基于知识的条目。目前正在开发这个，应该在7月spaCy大会到来时准备好。"
他们还在进一步将各种区域性语言整合到spaCy环境中。令人兴奋的时代即将到来！
spaCy的一些令人惊讶的用例
机器学习之美在于其广阔的范围和复杂性。即使是库或包的创建者，有时也会对其用例感到惊讶。以下是一些Ines和Matt没有预料到的spaCy用例：
从简历中提取信息（PDF解析）；
处理网络日志。
很想听到社区的声音——否遇到过任何独特的spaCy用例？或者自己尝试过？在下面的评论部分告诉！
在过去的12-18个月里，NLP取得了巨大的进步，发布了像OpenAI的GPT-2、谷歌的BERT、fast.ai的ULMFiT等突破性框架。那么接下来的2-5年，NLP和spaCy将如何发展呢？
Ines和Matt对这个问题给出了非常深入和有见地的答案。以下是关键收获：
NLP模型变得更小、更高效的变化。换句话说，哪些算法能够随着越来越大的数据量和不断增长的数据集进行扩展？
Ines和Matt已经在考虑这些未来趋势，改进spaCy和Prodigy
可以期待在spaCy中很快看到很多迁移学习方面的内容（预训练模型，好！）。花费更少的时间训练NLP模型，不必等待它收敛，听起来很完美。
在未来的3-4年里，最想解决的NLP问题是什么？
"一个更好的信息提取过程，可以针对自定义问题进行训练，并且支持实体链接。并且有一个集成的注释过程。
人们目前最终会制作临时系统。spaCy有一些有用的组件，但可以做的更好。"
这里是Ines对她的想法的看法：
"建立一套最佳实践，把学到和看到的一切整合在一起。目前很多都是试错。很难推荐一些东西，因为每个用例都不同。
在未来的203年里，希望能有更好的最佳实践感，工作流程，如何构建能够很好地泛化到不同用例的端到端系统。"
以下是Ines和Matt为NLP爱好者和有抱负的数据科学家提供的黄金建议：
磨练现有的技能，打造所学的东西，以便能为已经在这一领域成功交付项目的团队做出贡献。
不要一开始就说“想成为一名NLP专家”。这可能会导致运行一些可能注定要失败的项目，因为不太可能有足够的影响力与领导和其他决策者。