将自然语言处理（NLP）的先进成果，从前沿研究的小世界里拿出来，送到普通的数据科学家和软件工程师手中，这已经成为一场运动。7月20日，谷歌也加入进来，发布了测试版的云自然语言API。谷歌的NLP API让用户可以利用如下三个核心的NLP特性：
情感分析——分析语言的基调，比如积极或消极； 实体识别——识别语言中不同的实体，比如人或组织； 语法分析——识别语言中的各种词性，比如句子X包含3个名词。
这些工具使用了谷歌的深度机器学习算法，这也是其API与其他自建的数据科学工具的不同之处。
NLP软件是一种构建用来理解人类语言或文本的程序。像谷歌和IBM这样的科技巨头发布了大量便于开发人员使用的API，让这类软件进入了主流应用。在谷歌的一篇博文中，开发工程师Sara Robinson使用该API的实体识别特性识别《哈利·波特》中的人物和地点（因为她不会念咒语）。接下来，她比较了自己开发并维护所有软件和使用NLP API的差别：
我可以编写自己的算法，找出这个句子里的人物和地点，但是那会很困难。而且，考虑到相同的实体会使用不同的词语描述，如果我希望针对涉及到的每个实体收集更多的数据，或者在成千上万的句子里分析实体，则会更加困难。
按照Robinson的说法，从头构建NLP软件特别困难，因为即使是在开始真正的工具开发工作之前，数据收集、预处理和训练就有太多的事项需要注意。像谷歌提供的这种NLP API，让用户可以利用NLP算法的强大功能，而又不必应对复杂的高等数学计算、工程和数据建模所带来的巨大开销。
Watson的Conversation API也是最近出现的NLP API。借助该API，你可以使用NLP解释不同的用户指令，并将这些指令传达给不同的智能家居软件，比如控制灯光的应用。Watson API有交互式的Swagger文档，你可以在里面测试类似“开灯”和“天气怎么样”这样的请求。谷歌的NLP API面向更为广泛的NLP使用场景，而Watson的API主要是为人通过文本或语言同机器通信提供便利。它基于日益流行的IoT（物联网）技术构建。在IoT环境里，NLP是同智能汽车、家居、甚至卫生纸筒通信的理想介质。
Facebook采取了一种更为直接的路线，即向更大的技术社区公布内部使用的NLP代码。今年7月，他们把词汇表征学习和句子分类库fastText的所有源代码都发布在了GitHub上。虽然开发人员不会完全忠于一个干净的API，但能够从Facebook的代码创建分支，让开发人员可以在更高的层面上参与到现有的NLP数据科学社区。在社区环境里，这个库很容易衍生出更多的NLP API和库。无论形式如何，可以确定的是，NLP离普通大众越来越近。
