人類語言是人和人互動，傳遞資訊很重要的媒介，人類的知識也是透過語言文字記錄下來。電腦科學的研究，長久以來就把電腦是否具被人類語言處理能力，視為電腦是否具有人的智慧的重要指標之一。自然語言處理(Natural Language Processing，簡稱NLP)、或稱計算語言學(Computational Linguistics，簡稱CL)、或人類語言技術(Human Language Technology，簡稱HLT)，探討人類語言的分析與生成，終極目標是電腦與使用者直接以人的語言互動。

自然語言處理的發展歷史可以初步分成以下七個階段：
第一個階段 (1950-1965)：主要是以機器翻譯研究為主，嘗試使用統計式和符號式的方法。
第二個階段(1965-1975)：嘗試使用理論方式，在語法處理上引進Transformation Grammar，在處理上使用Finite State Automata。
第三個階段(1975-1985)：帶入Situation Semantics, DRT, Frames, Semantic Nets, Conceptual Dependency等概念，使用Augmented Transition Network。
第四個階段(1985- 1995)：採用理論導向和實驗導向兩個方法論，前者包括HPSG, GPSG 和其他PSGs的語法，使用Unification處理。後者包括資訊擷取，建構Penn Treebank和WordNet。
第五個階段(1995-2005)：統計式方法是這段時期的主流，機器學習被運用到各項任務。
第六個階段(2005-2015)：深度學習是這段時間的主流，自然語言處理研究幾乎從頭開始，不同的深度學習架構被提出來。
第七個階段(2015-現在)：Transformer被引進，預訓練模型如Bert、大語言模型如GPT-3、ChatGPT等被提出，預訓練-精煉和預訓練-提示-預測為主流模式。設計的概念由第五個階段的特徵工程、第六個階段的架構工程、轉向提示工程。

2022年11月30日OpenAI公布ChatGPT，吸引全球瘋狂使用，自然語言處理領域邁向新的世紀。這門課分成兩部分，第一部分將講授基本演算法，由傳統N-Gram以計數統計思維的語言模型、到以神經網路為基礎的語言模型，進階到大語言模型。第二部分是基本自然語言處理任務，由語法、語義、到語用。修習本課程的學生將可以學到第五個階段到第七個階段的知識，應用到不同場域。