自然语言处理是计算机科学和人工智能领域中的一个关键研究方向，致力于研究能实现人与计算机之间用自然语言（如英语、中文等）进行有效通信的各种理论和方法。其目标可以归纳为语言理解、语言生成和人机交互：语言理解使计算机准确把握词汇的精确含义、句子结构以及整个文本的上下文和意图；语言生成让计算机产出自然流畅的人类语言，用于回应、解释或传达信息；人机交互则实现人与计算机之间自然、流畅的交互，提升用户体验和服务效率。该领域研究涉及计算机科学、语言学、心理学和统计学等多个学科。
理解这一概念，需要抓住三个要点。其一，通信媒介是自然语言，而不是机器指令。其二，三大目标相互衔接：先理解含义与意图，再生成自然流畅的语言，最终实现自然的人机交互。其三，它是计算机科学、语言学、心理学和统计学交叉支撑的研究方向。因此，其核心不是“让计算机显示文字”，而是让人与计算机能够用日常语言有效通信。
按照课程划分，发展历程依次为四个阶段。早期探索期（1950—60年代）以符号学派和随机学派为代表，主要集中在基础理论和模式识别等方面。理性主义时代（1970—80年代），基于逻辑的范式、基于规则的范式和随机范式得到广泛研究和应用。经验主义时代（1990年代至2000年代），基于机器学习和大量数据的方法开始占据主导地位。深度学习时代和大模型时代（2010年代至今），深度神经网络，特别是循环神经网络（RNN）和Transformer架构，带来了前所未有的模型性能。
智能聊天机器人可随时回答咨询并提供个性化服务，智能搜索引擎能理解查询意图，自动摘要与文本生成正在改变新闻、出版行业；教育领域可用于作业批改与个性化学习建议，医疗健康领域则通过分析病历文书辅助诊断。把握概念、三大目标与四阶段发展脉络，是后续学习语言学基础、基础任务与常见应用的前提。