我们的生活中处处是自然语言。我们说的每一句话，电台主持人的每一句播报，电视剧里的每一句台词，以及书本里的一行行文本，或是你正在读到的这句话，都是自然语言。和视觉图像一样，对于自然语言的处理也占据着我们日常生活中的一大部分。在机器学习（Machine Learning）打通了计算机视觉（Comoputer Vision）这一领域的任督二脉，即各大神经网络在视觉应用场景中落地的同时，人们也在期盼着针对于自然语言的智能算法的发展以及应用落地，自然语言处理（Natural Language Processing）这一学科也应运而生。
可为什么智能算法先在视觉图像领域中先得以应用，而不是自然语言领域？
其实原因很好理解。一张 1080p 清晰度的图片由 1920（宽）x 1080（高）个像素点构成。每一个像素点表示一种颜色，而一种颜色是由三原色红、绿、蓝三种颜色的组合所表示的。具体地说，一个像素点可以用 (R, G, B) 三个 0 - 255 之间的数字所表示。我们不难发现这张1080p的图片就是一个 3 x 1920 x 1080 的矩阵（matrix）或张量（tensor）。因此，对于以卷积操作为核心的主流机器学习模型，如卷积神经网络（Convolutional Neural Network, CNN），图像数据的矩阵表现形式能够完美适配卷积操作.