语文，在人工智能时代，显得格外重要

每逢假期

似乎都要做点总结

只有这样

才能有所进步

而进步

似乎与年龄无关

小时候

就听说董必武老先生

80岁了

还在学习英语

这成为我一生努力学习的

楷模

前几天高考那天，我写了这篇小文，其实79年的高考，我的语文没有及格，只考了47分，尽管那年的高考被认为卷子难度远远超过了77和78两年，但依然可以证明，我的语文真的没有学好。

记得上小学开始，我就特别害怕总结语文课文的中心思想，现在回想起来，那年头的每一次总结都是稀里糊涂的，甚至基本都是瞎蒙的，尽管有些蒙也经常得到语文老师的表扬。

那时候，好像语文老师也不给我们讲为什么要总结课文的中心思想？这件事对长大以后意味着什么？也许讲过，但没有印象。这种后果在上班之后，尤其是走向市场之后，才慢慢的体现出来。晚了差不多30年。

最直接的表现，是听不懂、搞不明白客户的话语背后是什么意思？意味着什么？一般而言，客户的表扬是直接了当的，但是客户的批评，一开始都是很含蓄的、很暗示的，但我过去经常弄不明白或者没有引起足够的重视，其结果经常是很悲惨。

后来，不断的汲取教训，慢慢的学会了能听懂客户语言背后意味着什么了，也逐渐体会到把语文学好的重要性了。

最近12年，坚持写博客和公号文章，逐步感觉语文算是慢慢的上道了，12年大约写了超过4500篇文章，几乎平均一天一篇，坚持不断的学习和写作，终于可以发挥更加重要的作用了。

例如，前年，在某省公司从事电网资产全寿命周期管理项目劳动时，各地市公司和省检修公司的月报汇总到我们这里，由我们会汇编成月度总结。我是那年10月份接手这项工作的，翻阅了前期的月度总结，我觉得，仅仅是按照主题进行简单的汇总，还不能准确的反应LCM运动中出现的各种问题。

经过一周的思考，我把各二级单位月报中的【上月度工作成果】、【存在问题】、【措施和建议】三大块内容，扔进execl表格，然后，对内容不断的进行人工分类和概念提炼，最终，把非结构化的文档，逐渐的转化成结构化的表达，进而再做出各种图表，这样呈现在设备部领导面前的是直观、客观、基本准确的问题描述，更便于领导做出管理部署和调正。

这是结构化之后的问题清单

这是汇总的结果

实践中，还发现一个很有趣、很现实的问题，这就是不少地市级公司，在【措施和建议】的总结中，没有搞清楚【措施】和【建议】的逻辑差别是什么，经常把措施和建议弄混淆了，我还要帮他们逐一的去修正，这让我想到，上学时语文没有学好的，原来可不仅仅我一人，大有人在啊。

去年，非常荣幸的参加了电促会2020年电力大数据论文的评测工作，捎带手对一等奖论文做了一个统计分析，每篇论文至少要看两遍，对搞不懂的问题，还要翻阅资料，甚至直接与第一撰稿人通电话做进一步的沟通。

得出了一些很有意思的结论

侧面印证了我们做LCM项目时

在基层获得的体会

还给电促会提交了

一份书面的分析报告

去年9月22日，还参加了电促会举办的《电力发展规划》品牌论坛，电力发展规划，据说是电促会起家的基因，20多年来协会始终坚持这一目标。

去年的论坛，正值十四五规划启动之时，显得格外重要，会场内外、线上线下，热闹非凡，我认真聆听和学习了每一位专家的发言，亲手拍了将近500张照片，会后，花了一周多的时间，不断的学习和总结照片上的内容，期间还专门请教了国网发策部的专家和相关领导，大繁至简，尽我所能，做成了上面的统计表格。

这是非结构化数据做了结构化解析之后，导出的一些简单结论，只可惜，统计学没学好，还不会做聚类分析，无法得到这些热词之间，哪些热词的关联度最高，这是一件非常重要的事情，这不仅涉及到政府政策的制定，还涉及到市场和生意的布局。

作为参加电力规划论坛的成果之一，还为电促会提交了《2020年电力规划论坛总结和十四五能源电力规划建议》。

总结，我在本文中，反复提到了非结构化数据和结构化的表达/解析这件事，就我的孤陋寡闻而言，非结构化数据的分析，大多数是要靠结构化解析之后，变成结构化的东西才能做的更好。如果人工做件事，必须具备至少四个基本条件，一是语文要过关，二是知识面要尽可能的广泛，三是要有比较靠谱的分析问题的能力和方法论，四是对问题尤其是陌生问题快速的理解能力；如果用人工智能的手段做这些事儿，那么，NLP和知识图谱这两个技术，估计着就必不可少了。

更多阅读.....