Նկատի առեք, թե ինչպես մինչև մի քանի տարի առաջ Google-ի կենսունակ տեսքն իրականացվել էր՝ օգտագործելով բուլյան հարցումների պայմաններով կազմակերպված ճիշտ բառերը: Այս կերպ, եթե դուք պետք է լուծումներ գտնեք Google-ից, դուք պետք է իմանաք դրա լեզուն: Այդ պահին Google-ը ներկայացրեց իմաստային հետապնդումը: Դա բառերի միջև գիտական ​​հարաբերությունների հաշվարկն է, որը ձեզ հնարավորություն է տալիս հարցում կատարել այնպես, ինչպես դուք կկատարեիք ուղեկիցը: Ներսում այն ​​այդ հարցի մեկնաբանությունը դարձրեց բուլյան կազմակերպված հետապնդման, որը նա ընկալեց, սակայն ցիկլը աննկատ էր: Սա հենց այն նորամուծությունն է, որը թույլ է տալիս Սիրիին հարցնել, թե ինչպիսի կլիմա է այսօր կամ որն է վաղը Բորնեո ամենաէժան ուղևորությունը՝ առանց ձեր անգլերենը հաշվողական հիմնավորումների մեջ փոխելու: Այսպիսով, կարելի է ասել, որ NLP-ն ընդլայնում է մեքենայական և մարդկային բարբառների միջև:

Ընդհանուր լեզվի պատրաստումը (NLP) ծրագրային ապահովման ճարտարագիտության գոտի է և մտահոգված է ԱՀ-ների և մարդկանց (բնորոշ) լեզուների համագործակցությամբ: Այն ակնարկում է AI ռազմավարությունը՝ խոսելու խելացի շրջանակներով, օգտագործելով բնորոշ լեզուն, օրինակ՝ անգլերենը: Այն պահին, երբ ձեզ անհրաժեշտ է ռոբոտի պես խելամիտ շրջանակ՝ ձեր ցուցումների համաձայն շարժվելու համար, կամ երբ դուք պետք է ընտրություն լսեք դիսկուրսի վրա հիմնված կլինիկական վարպետության շրջանակից, անհրաժեշտ է ընդհանուր լեզուն վարելու համար: Այսպիսով, ըստ էության, մենք կարող ենք ասել, որ NLP-ի ոլորտը ներառում է ԱՀ-ների պատրաստում, որպեսզի օգտակար ձեռնարկումներ կատարեն սովորական բարբառներով, որոնք մենք օգտագործում ենք: NLP շրջանակի տեղեկատվությունը և արդյունքը կարող են լինել դիսկուրսային և կազմված թեստ:

Կարելի է ասել, որ առանց NLP-ի, տեխնածին գիտակցությունը կարող է պարզապես հասկանալ լեզվի կարևորությունը և պատասխանել պարզ հարցումներին, սակայն այն չի կարող հասկանալ բառերի նշանակությունը միջավայրում: Այսպիսով, բնական լեզվի մշակման հավելվածները թույլ են տալիս հաճախորդներին խոսել ԱՀ-ի հետ իրենց բառերով, օրինակ՝ սովորական լեզվով: NLP-ն օգնում է համակարգիչներին ուսումնասիրել և արձագանքել՝ վերարտադրելով մարդկային կարողությունը՝ հասկանալու սովորական լեզուն, որը անհատները օգտագործում են փոխանցելու համար: Այսօր տեխնածին բանականության մեջ կան ընդհանուր լեզվի մշակման շրջանակների բազմաթիվ դեպքեր, որոնք մինչ այժմ գործում են:

NLP-ի դեպքերը AI-ում

1. Նամակագրություն. նամակագրության բազմաթիվ հավելվածներ, ինչպիսիք են Facebook Messenger-ը, ներկայումս օգտագործում են տեխնածին գիտակցությունը: Ընդհանուր առմամբ, Facebook-ը չափազանց ոգեշնչված է AI-ով: Մի քանի ամիս առաջ Facebook-ը հայտարարեց իր M օգնության մասին, որը խոստանում էր դառնալ ձեր սեփական օգնականը (հրապարակային ուղարկման ամսաթվով tbd). «M-ն կարող է անել այն, ինչ կարող է մարդը»:

2. Ավելի արագ եզրակացություն. տեխնածին գիտակցության մեջ լեզվի պատրաստման բնորոշ շրջանակների օրինակներ կան նաև բժշկական կլինիկաներում, որոնք օգտագործում են ընդհանուր լեզվի մշակումը բժշկի չկառուցված նշումներից որոշակի վճռականություն ցույց տալու համար: NLP-ի ծրագրավորումը մամոգրաֆիկ պատկերման և մամոգրաֆիայի հաշվետվությունների համար պաշտպանում է կլինիկական ընտրության համար տեղեկատվության արդյունահանումը և ուսումնասիրությունը: NLP ծրագրավորումը կարող է ավելի արդյունավետ որոշել կրծքի չարորակ ուռուցքի վտանգը և ավելին, նվազեցնել ավելորդ բիոպսիաների պահանջը և խրախուսել ավելի արագ բուժումը նախնական եզրակացության միջոցով:

3. Հաճախորդների վերանայում. համակարգչային հիմնավորման հավելվածներում պատրաստված բնական լեզուն հեշտացնում է ապրանքների աուդիտը կայքից հավաքելը և հասկանալ, թե իրականում ինչ են ասում գնորդները, ճիշտ այնպես, ինչպես նրանց ենթադրությունները որոշակի ապրանքի վերաբերյալ: Աուդիտների հսկայական ծավալ ունեցող կազմակերպությունները կարող են իսկապես ստանալ դրանք և օգտագործել հավաքագրված տեղեկատվությունը հաճախորդների հակումներից կախված նոր կետեր կամ վարչակազմեր առաջարկելու համար: Այս հավելվածն օգնում է կազմակերպություններին գտնել իրենց բիզնեսի համար կարևոր տվյալներ, բարելավել սպառողների հավատարմությունը, խորհուրդ տալ ավելի կարևոր ապրանքներ կամ առավելություններ և ավելի լավ և հասկանալ հաճախորդի կարիքները:

4. Վիրտուալ առաջադեմ օգնականներ. Հեռավոր օգնականը, որը լրացուցիչ կոչվում է AI աջ ձեռք կամ համակարգչային օգնական, կիրառական ծրագիր է, որն ընկալում է ընդհանուր լեզվով ձայնային պատվերները և ավարտում է հանձնարարությունները հաճախորդի համար: DA-ները կարող են օգնել գնորդներին փոխանակման վարժություններ կատարելիս կամ կատարելագործել զանգերի վայրի գործունեությունը, որպեսզի առաջարկեն հաճախորդներին գերազանց հանդիպում և նվազեցնեն գործառնական ծախսերը: Մենք աստիճանաբար կտեսնենք այս հավելվածները տարբեր գաջեթներում, օրինակ՝ ԱՀ ծրագրերում, խելամիտ տնային շրջանակների, ավտոմեքենաների և վենչուրային շուկայում:

Բնութագրական լեզվի մշակման հավելվածներ.

Մեքենայական թարգմանություն

Մենք գիտակցում ենք, որ առցանց հասանելի տվյալների չափը զարգանում է, ուստի դրան հասնելու անհրաժեշտությունը դառնում է աստիճանաբար նշանակալի, և պարզ է դառնում նորմալ լեզուների մշակման հավելվածների գնահատականը: Մեքենայական թարգմանությունը մեզ խրախուսում է հաղթահարել լեզվական սահմանները, որոնք մենք հաճախ հանդիպում ենք՝ վերծանելով մասնագիտացված ձեռնարկները, պահպանել նյութը կամ ցուցակները՝ էականորեն նվազած ծախսերով: Մեքենայական մեկնաբանության առաջխաղացումներով թեստը ոչ թե բառերի վերծանման մեջ է, այլ նախադասությունների նշանակությունը հասկանալու՝ իսկական մեկնաբանություն տալու համար:

Ծրագրավորված ուրվագիծ

Այն դեպքում, երբ մենք պետք է հասնենք հսկայական տեղեկատվական բազայի տվյալների որոշակի, նշանակալի հատվածին, ապա տեղեկատվության գերբեռնվածությունը իսկական խնդիր է: Ծրագրավորված ամփոփումը կարևոր է ոչ միայն հաշվետվությունների և տվյալների կարևորությունն ամփոփելու համար, այլև, ի լրումն, տվյալների ներսում խանդավառ հետևանքները հասկանալու համար, օրինակ՝ առցանց լրատվամիջոցներից տեղեկատվություն հավաքելու համար:

Ենթադրական փորձաքննություն

Եզրակացության քննության նպատակն է ճանաչել ենթադրությունը մի քանի գրառումների մեջ կամ նույնիսկ նմանատիպ գրառման մեջ, որտեղ զգացումը ոչ բոլոր դեպքերում է միանշանակորեն հաղորդվում: Կազմակերպություններն օգտագործում են ընդհանուր լեզուների մշակման հավելվածներ, օրինակ՝ գնահատման հետաքննություն, առցանց կարծիքներ և ենթադրություններ ճանաչելու համար՝ օգնելու նրանց հասկանալու հաճախորդների կարծիքն իրենց ապրանքների և վարչակազմերի և, ընդհանուր առմամբ, իրենց դիրքի մասին ցուցիչների վերաբերյալ: Անցյալի ուղղակի վերջույթը որոշելիս, եզրակացության քննությունը ընկալում է կարծիքը կոնկրետ հանգամանքներում:

Տեքստի բնութագրում

Տեքստի դասավորությունը հնարավոր է դարձնում արխիվում նախապես սահմանված դասակարգումներ նշանակելը և այն դասակարգել՝ ձեր պահանջած տվյալները հայտնաբերելու կամ մի քանի վարժություններ պարզեցնելու համար: Օրինակ, տեքստի դասակարգման օգտագործումը էլեկտրոնային փոստով բաժանվող սպամ է:

Հարց Պատասխանում

Հարց-պատասխանը (QA) դառնում է ավելի ու ավելի հիմնական՝ հաշվի առնելով կիրառությունները, օրինակ՝ Siri-ն, OK Google-ը, քննարկման տուփերը և աննշան օգնականները: ՈԱ հավելվածը շրջանակ է, որը կարող է հստակորեն նշել մարդկային խնդրանքը: Այն կարող է օգտագործվել որպես բովանդակության ուղղակի միջերես կամ որպես արտահայտված դիսկուրսի շրջանակ: Այս մնացած մասերը համապատասխան թեստ են հատկապես վեբ ինդեքսների համար և հանդիսանում են հետազոտության նախապատրաստման բնորոշ լեզվի հիմնական կիրառություններից մեկը:

NLP-ի վերջնական ճակատագիրը

Ո՞րն է ընդհանուր լեզվի վերջնական ճակատագիրը:

Բոտերը

chatbots-ը պատասխանում է հաճախորդների հարցերին և ուղղորդում նրանց դեպի կիրառելի ակտիվներ և իրեր ցանկացած ժամի կամ ցանկացած ժամանակ: Այն հաճախ օգտագործվում է հաճախորդների աջակցության համար, հատկապես բանկային, մանրածախ առևտրի և հարևանության ոլորտներում: Հատկապես հաճախորդների խնամքի միջավայրում չաթ-բոտերը պետք է լինեն արագ, խորամանկ և պարզ օգտագործման համար՝ պատճառաբանելով, որ հաճախորդներն ունեն բացառիկ չափանիշներ (և որոշ դեպքերում ցածր կայունություն): Դրան հասնելու համար չաթ-բոտերը օգտագործում են NLP լեզուն ստանալու համար, մեծ մասամբ բովանդակության կամ ձայնային ճանաչման համագործակցության, որտեղ հաճախորդները հաղորդում են իրենց խոսքերով, ինչպես կդիմեն մասնագետին: Այս ընդլայնված օգտակարությունը նույնպես կշահի տարբեր տեսակի բոտերից՝ երկարաժամկետ հեռանկարում դրանք ավելի հաջողակ և բնական դարձնելու համար՝ սկսած Siri-ի և Amazon-ի Alexa-ի նման հեռավոր օգնականներից մինչև բոտային փուլեր, որոնք ավելի շատ համակարգչայինացման կամ հանձնարարականի վրա են: Այս բոտերը աստիճանաբար կօգտագործեն NLP-ն՝ հաղորդագրություններ ստանալու և գործողություններ կատարելու համար, օրինակ՝ աշխարհագրական տեղեկատվության փոխանակում, կապեր և նկարներ վերականգնելու կամ մեզ համար ավելի խելահեղ գործողություններ իրականացնելու համար:

Աջակցում է աննկատ UI

Մեքենաների հետ մեր ունեցած յուրաքանչյուր ասոցիացիա մարդկային հաղորդակցություն է (ինչպես քննարկում, այնպես էլ տեքստ): Amazon-ի Echo-ն միայն մեկ մոդել է, որը մարդկանց ավելի պարզ կապ է հաստատում նորարարության հետ: Անհայտնաբերելի կամ զրոյական միջերեսի գաղափարը կախված կլինի հաճախորդի և մեքենայի միջև անմիջական կապից՝ անկախ նրանից՝ ձայնի, տեքստի կամ այս երկուսի խառնուրդի միջոցով: NLP-ն, որն ազդում է մարդու լեզվի ավելի ակնառու տրամաբանական ընկալման վրա, ի վերջո, քանի որ այն բարելավում է մեզ նսեմացնելը՝ այն, ինչ մենք նշում ենք, անկախ նրանից, թե ինչպես ենք դա ասում և ինչ ենք անում, հիմնարար կլինի ցանկացած չհայտնաբերվող կամ զրոյական միջերեսի համար: դիմումը.

Ավելի խելացի որս

Ավելի խելացի սերախը ենթադրում է, որ հաճախորդները կարող են պատրաստ լինել ձայնային պատվերների միջոցով նայելու՝ ի տարբերություն հսկիչ բառերի ստեղծման կամ օգտագործման: NLP-ի վերջնական ճակատագիրը նաև ավելի խորաթափանց հետաքննության համար է՝ մի բան, որը մենք քննարկել ենք այստեղ Expert System-ում բավականին երկար ժամանակ: Վերջերս Google-ը հայտարարեց, որ ավելացրել է NLP հնարավորություններ Google Drive-ին, որպեսզի հաճախորդներին թույլ տա փնտրել ձայնագրություններ և նյութեր, որոնք օգտագործում են խոսակցական լեզուն:

Գիտելիք չկառուցված տվյալներից

NLP-ի պայմանավորվածությունները աստիճանաբար կհավաքեն օգտակար պատկերացումներ չկառուցված տեղեկատվությունից, օրինակ՝ երկար կառուցվածքային հաղորդագրություններից, ձայնագրություններից, ձայներից և այլն։ , օրինակ, սպառողների հավատարմության չափումը կամ ցավի կետերի տարբերակումը: