对自然语言处理领域贡献最大的两个人，除了之前提到的贾里尼克之外，还有一个就是将这种研究方法发扬光大的米奇.马库斯。和贾里尼克不同，马库斯对这个领域的贡献不是通过直接的发明，而是通过他建立的宾夕法尼亚大学LDC语料库以及他教出了众多的杰出弟子。
语料库LDC是为所有自然语言开发者提供了统一标准的素材，通俗的说，就是自然语言研究的大数据，至今仍在不断丰富。随着语料库的越来越精细全面，建立在之上的语音识别和语言处理也越来越成熟，相当于为整个领域提供了最基础的发展土壤。
另一个重要的贡献，就是作为老师，教出了一帮牛人弟子。（有点类似日本围棋界的木谷实，他带出了石田芳夫、加藤正夫、小林光一、武宫正树等，师徒们统治日本棋坛多年）他作为宾夕法尼亚大学计算机系的主任，在教学育人的成就远远超过了他的专业技术上贡献。同时，宾大计算机系成了全美大学的最顶尖学科，门下弟子遍布科研和企业，成了各自所在“帮派“”的掌门。
马库斯的弟子性格各异，学术风格也迥然。其中有代表性的两位是柯林斯和布莱尔。
柯林斯是追求完美的典型，在他研究的领域，他习惯将研究做到极致。精耕细作花费大量时间将每个细节打磨到极致，最终的论文成果无一是业界经典，获奖无数。
布莱尔则是另一种风格，追求简单有效的方法。他往往善于将复杂的问题用最简洁的方法快速实现，而且不断的寻找更简单的方法，更快捷实用。
两个人的研究风格也与他们后来的事业路线吻合：马库斯成了哥伦比亚大学的特聘教授，而布莱尔则转战企业，在最顶尖的Google、微软等公司任要职。可见，大学更适合从学术上将问题琢磨到极致，而企业则更追求简单效率。
当然，现在国家提倡的“工匠精神”，本质上也是在追求完美和极致，在传统领域上尤其如此。而在新兴的互联网和人工智能领域，速度就成决定企业能否脱颖而出的关键，跑得快才能活下来。
对于企业而言，如果同时拥有这两类人才，就成了幸福的烦恼，如何发挥两类人才各自特点，往往能看出管理者的水平。
