काही वर्षांपूर्वीपर्यंत, बूलियन चौकशी अटींसह व्यवस्थित योग्य वॉचवर्ड्स वापरून व्यवहार्य Google शोध कसा साधला गेला याचा विचार करा. अशाप्रकारे, तुम्हाला Google कडून उपाय शोधण्याची गरज असताना, तुम्हाला तिची भाषा माहित असणे आवश्यक आहे. त्या वेळी Google ने अर्थपूर्ण पाठपुरावा सादर केला. हे शब्दांमधील विद्वत्तापूर्ण नातेसंबंधाची गणना आहे, ज्याप्रमाणे तुम्ही सोबतीला असता त्याप्रमाणेच तुम्हाला चौकशीसाठी विचारण्याचे सामर्थ्य देते. आत, त्याने त्या प्रश्नाचे बूलियन संघटित प्रयत्नात स्पष्टीकरण केले जे त्याला समजले होते - तरीही चक्र अगोचर होते. तुमचा इंग्रजी संगणकीय तर्कसंगत प्रवेशमार्गात न बदलता, आजचे हवामान काय आहे किंवा उद्या बोर्निओची सर्वात कमी खर्चिक सहल कोणती आहे हे विचारण्याची तुम्हाला परवानगी देणारा हाच नवोपक्रम आहे. म्हणून आपण असे म्हणू शकतो की NLP हा यंत्र आणि मानवी बोलींमधील विस्तार आहे.

कॉमन लँग्वेज प्रीपिंग (NLP) हे सॉफ्टवेअर इंजिनिअरिंगचे क्षेत्र आहे आणि ते PC आणि मानवी (वैशिष्ट्यपूर्ण) भाषांमधील सहकार्याबद्दल चिंतित आहे. हे वैशिष्ट्यपूर्ण भाषा, उदाहरणार्थ, इंग्रजीचा वापर करून चपखल फ्रेमवर्कसह बोलण्यासाठी AI धोरणाला सूचित करते. जेव्हा तुम्हाला तुमच्या दिशानिर्देशांनुसार पुढे जाण्यासाठी रोबोटसारख्या चपखल फ्रेमवर्कची आवश्यकता असते किंवा जेव्हा तुम्हाला प्रवचन आधारित क्लिनिकल मास्टर फ्रेमवर्कमधून निवड ऐकण्याची आवश्यकता असते तेव्हा सामान्य भाषा हाताळण्याची आवश्यकता असते. त्यामुळे मूलत: आपण असे म्हणू शकतो की NLP च्या क्षेत्रात आपण वापरत असलेल्या सामान्य बोलींसह उपयुक्त उपक्रम करण्यासाठी PC बनवणे समाविष्ट आहे. NLP फ्रेमवर्कची माहिती आणि उत्पन्न हे प्रवचन आणि तयार चाचणी असू शकते.

आपण असे म्हणू शकतो की NLP शिवाय, मानवनिर्मित चेतना भाषेचे महत्त्व समजू शकते आणि सरळ प्रश्नांची उत्तरे देऊ शकते, तथापि ती सेटिंगमध्ये शब्दांचे महत्त्व समजू शकत नाही. अशाप्रकारे, नैसर्गिक भाषा हाताळणारे ऍप्लिकेशन्स क्लायंटला PC सोबत त्यांच्या स्वत:च्या शब्दात बोलण्याची परवानगी देतात, उदाहरणार्थ सामान्य भाषेत. NLP पीसीला सहाय्य करते आणि व्यक्ती व्यक्त करण्यासाठी वापरत असलेली सामान्य भाषा समजून घेण्याची मानवी क्षमता पुनरुत्पादित करते. आज, मानवनिर्मित तर्कामध्ये सामान्य भाषा हाताळण्याच्या फ्रेमवर्कची असंख्य उदाहरणे आहेत जी सध्या कार्यरत आहेत.

AI मध्ये NLP ची उदाहरणे

1. पत्रव्यवहार: अनेक पत्रव्यवहार अनुप्रयोग जसे की फेसबुक मेसेंजर सध्या मानवनिर्मित चेतनेचा वापर करत आहेत. एकंदरीत, Facebook AI द्वारे अत्यंत प्रेरित आहे. काही महिन्यांपूर्वी, Facebook ने आपली M मदत जाहीर केली होती जी तुमचा स्वतःचा सहाय्यक बनण्याची शपथ घेते (सार्वजनिक पाठवण्याच्या तारखेसह tbd): "M काहीही करू शकतो मानव करू शकतो."

2. जलद निष्कर्ष: मानवनिर्मित चेतनेमध्ये फ्रेमवर्क तयार करणाऱ्या वैशिष्ट्यपूर्ण भाषेची उदाहरणे वैद्यकीय क्लिनिकमध्ये देखील आहेत जी डॉक्टरांच्या असंरचित नोट्समधून विशिष्ट दृढनिश्चय दर्शवण्यासाठी सामान्य भाषा हाताळणीचा वापर करतात. मॅमोग्राफिक इमेजिंग आणि मॅमोग्राम अहवालांसाठी NLP प्रोग्रामिंग क्लिनिकल निवडींसाठी माहितीचे निष्कर्ष आणि तपासणीचे समर्थन करते. NLP प्रोग्रॅमिंग छातीच्या घातकतेच्या धोक्याचा अधिक उत्पादकपणे निर्णय घेऊ शकते आणि त्याशिवाय अनावश्यक बायोप्सीची आवश्यकता नाकारू शकते आणि आधीच्या निष्कर्षाद्वारे जलद उपचारांना प्रोत्साहन देऊ शकते.

3. क्लायंट रिव्ह्यू: संगणकीकृत रिझनिंग ऍप्लिकेशन्समध्ये नैसर्गिक भाषेची तयारी केल्याने साइटवरून आयटम ऑडिट एकत्र करणे आणि खरेदीदार एखाद्या विशिष्ट वस्तूबद्दल त्यांच्या अनुमानांप्रमाणेच काय म्हणत आहेत हे समजून घेणे सोपे करते. मोठ्या प्रमाणात ऑडिट असलेल्या संस्था खरोखरच ते मिळवू शकतात आणि ग्राहकांच्या प्रवृत्तीवर अवलंबून असलेल्या नवीन आयटम किंवा प्रशासन सुचवण्यासाठी एकत्रित केलेल्या माहितीचा वापर करू शकतात. हा ॲप्लिकेशन संस्थांना त्यांच्या व्यवसायासाठी महत्त्वाचा डेटा शोधण्यात, ग्राहकांची निष्ठा सुधारण्यात, अधिक महत्त्वाच्या वस्तू किंवा फायद्यांची शिफारस करण्यात आणि क्लायंटच्या गरजा चांगल्या प्रकारे समजून घेण्यात मदत करतो.

4. व्हर्च्युअल प्रगत सहाय्यक: दूरस्थ मदतनीस, ज्याला AI उजवा हात किंवा संगणकीकृत सहाय्यक म्हणतात, हा एक अनुप्रयोग प्रोग्राम आहे जो सामान्य भाषेतील व्हॉइस ऑर्डर समजून घेतो आणि क्लायंटसाठी असाइनमेंट पूर्ण करतो. DA खरेदीदारांना एक्स्चेंज एक्सरसाइज किंवा कॉल प्लेस ॲक्टिव्हिटी सुव्यवस्थित करण्यासाठी क्लायंटला उत्कृष्ट भेट देण्यासाठी आणि ऑपरेशनल खर्च कमी करण्यास मदत करू शकतात. आम्ही हे ॲप्लिकेशन्स वेगवेगळ्या गॅझेट्समध्ये हळूहळू पाहू, उदाहरणार्थ, PCs प्रोग्राम्स, जाणकार होम फ्रेमवर्क, ऑटो आणि व्हेंचर मार्केटमध्ये.

वैशिष्ट्यपूर्ण भाषा प्रक्रिया अनुप्रयोग:

मशीन भाषांतर

आम्हाला समजले आहे की ऑनलाइन प्रवेश करण्यासाठी डेटाचे माप विकसित होत आहे, त्यामुळे ते मिळवण्याची आवश्यकता हळूहळू महत्त्वापूर्ण बनत आहे आणि सामान्य भाषा हाताळण्याच्या ॲप्लिकेशनचा अंदाज स्पष्ट होत आहे. मशीन इंटरप्रिटेशन आम्हाला विशिष्ट मॅन्युअलचा उलगडा करून, मूलत: कमी खर्चात पदार्थ किंवा सूची राखून वारंवार अनुभवत असलेल्या भाषेच्या सीमांवर मात करण्यास प्रोत्साहित करते. मशीन इंटरप्रिटेशनच्या प्रगतीसह चाचणी ही शब्दांचा उलगडा करण्यामध्ये नाही, परंतु वास्तविक अर्थ लावण्यासाठी वाक्यांचे महत्त्व समजून घेण्यासाठी.

प्रोग्राम केलेली बाह्यरेखा

मोठ्या माहितीच्या आधारे डेटाच्या एका विशिष्ट, महत्त्वपूर्ण स्निपेटवर जाण्याची आवश्यकता असल्यास, माहितीचा ओव्हर बोझ ही एक वास्तविक समस्या आहे. प्रोग्राम केलेले रनडाउन हे केवळ अहवाल आणि डेटाचे महत्त्व सांगण्यासाठी महत्त्वाचे नाही, तरीही डेटामधील उत्साही परिणाम समजून घेण्यासाठी, उदाहरणार्थ, ऑनलाइन मीडियावरून माहिती गोळा करण्यासाठी.

अनुमान परीक्षा

निष्कर्ष परीक्षेचे उद्दिष्ट काही पोस्ट्समधील किंवा अगदी तत्सम पोस्टमधील अनुमान ओळखणे हा आहे जेथे प्रत्येक बाबतीत भावना स्पष्टपणे संप्रेषित केल्या जात नाहीत. संस्था सामान्य भाषेच्या हाताळणी अनुप्रयोगांचा वापर करतात, उदाहरणार्थ, अंदाज तपासणी, मते आणि गृहीतके ओळखण्यासाठी त्यांना त्यांच्या वस्तू आणि प्रशासनावरील ग्राहकांचे मत आणि सामान्यत: त्यांच्या स्थितीचे चिन्हक समजून घेण्यात मदत करण्यासाठी. भूतकाळातील सरळ टोकाचा निर्णय, निष्कर्ष परीक्षा विशिष्ट परिस्थितीत मत समजून घेते.

मजकूर व्यक्तिचित्रण

मजकूर ऑर्डर आर्काइव्हमध्ये पूर्वनिर्धारित वर्गीकरण नियुक्त करणे आणि आपल्याला आवश्यक असलेला डेटा शोधण्यासाठी किंवा काही व्यायाम सुव्यवस्थित करण्यासाठी त्याची क्रमवारी लावणे कल्पनीय बनवते. उदाहरणार्थ, मजकूर वर्गीकरणाचा वापर म्हणजे ईमेलमध्ये स्पॅम वेगळे करणे.

प्रश्नाचे उत्तर

सिरी, ओके गुगल, टॉक बॉक्स आणि मेनियल हेल्पर्स या वापरांमुळे प्रश्न-उत्तर (QA) अधिकाधिक मुख्य प्रवाहात येत आहे. क्यूए ऍप्लिकेशन हे मानवी विनंत्या लक्षात घेऊन स्पष्टपणे करू शकणारे फ्रेमवर्क आहे. याचा उपयोग फक्त आशयाचा इंटरफेस किंवा व्यक्त प्रवचन फ्रेमवर्क म्हणून केला जाऊ शकतो. हे उर्वरित भाग विशेषत: वेब इंडेक्सेससाठी एक समर्पक चाचणी आहे आणि संशोधनाची तयारी करणाऱ्या वैशिष्ट्यपूर्ण भाषेच्या मुख्य वापरांपैकी एक आहे.

NLP चे अंतिम भाग्य

सामान्य भाषेचे अंतिम नशीब काय आहे?

सांगकामे

चॅटबॉट्स क्लायंटच्या प्रश्नांची उत्तरे देतात आणि त्यांना कोणत्याही तासाला किंवा कधीही लागू मालमत्ता आणि आयटमसाठी मार्गदर्शन करतात. हे बर्याचदा ग्राहकांच्या सहाय्यामध्ये वापरले जाते, विशेषत: बँकिंग, किरकोळ आणि शेजारच्या संबंधांमध्ये. विशेषत: क्लायंट केअर सेटिंगमध्ये चॅटबॉट्स जलद, चतुर आणि वापरण्यास सोपे असले पाहिजेत, कारण क्लायंटकडे विशेष मानके आहेत (आणि काही बाबतीत कमी चिकाटी). हे साध्य करण्यासाठी, चॅटबॉट्स एनएलपीचा वापर भाषा मिळविण्यासाठी करतात, बहुतेक भाग सामग्री किंवा व्हॉइस-पोचपावती सहकार्यांवर, जेथे क्लायंट त्यांच्या स्वत: च्या शब्दात देतात, जसे ते एखाद्या विशेषज्ञला संबोधित करतात. या विस्तारित उपयुक्ततेमुळे विविध प्रकारच्या बॉट्सचा फायदा होईल जेणेकरुन त्यांना दीर्घकाळापर्यंत अधिक यशस्वी आणि नैसर्गिक बनवता येईल, सिरी आणि ॲमेझॉनच्या अलेक्सा सारख्या रिमोट सहाय्यकांपासून ते अधिक संगणकीकरण किंवा असाइनमेंट असलेल्या बॉट टप्प्यांपर्यंत. हे बॉट्स उत्तरोत्तर NLP चा वापर संदेश प्राप्त करण्यासाठी आणि क्रियाकलाप करण्यासाठी करतील, उदाहरणार्थ, भू-माहिती सामायिक करणे, कनेक्शन आणि चित्रे पुनर्प्राप्त करणे किंवा आमच्यासाठी इतर अधिक मनाला चकित करणारे उपक्रम राबविणे.

अगोचर UI ला समर्थन देत आहे

यंत्रांशी असलेली प्रत्येक संघटना मानवी संप्रेषण (चर्चा आणि मजकूर दोन्ही) आहे. Amazon चे Echo हे फक्त एक मॉडेल आहे जे लोकांना नवीनतेच्या संपर्कात आणते. अनडिटेक्टेबल किंवा झिरो UI ची कल्पना क्लायंट आणि मशिनमधील थेट संबंधावर अवलंबून असेल, आवाज, मजकूर किंवा दोघांच्या मिश्रणातून काहीही असो. दिवसाच्या शेवटी, मानवी भाषेच्या अधिक प्रमुख तार्किक आकलनावर परिणाम करणारी NLP, कारण ती आम्हाला कमी करते—आम्ही ते कसे सांगतो, आणि आम्ही काय करत आहोत याची पर्वा न करता-आम्ही काय सांगतो—कोणत्याही न सापडलेल्या किंवा शून्य UI साठी मूलभूत असेल. अर्ज

अधिक बुद्धिमान शिकार

अधिक बुद्धिमान सेराचचा अर्थ असा आहे की क्लायंट वॉचवर्ड तयार करणे किंवा वापरणे याच्या विरूद्ध व्हॉइस ऑर्डरद्वारे पाहण्यास तयार आहे. एनएलपीचे अंतिम भवितव्य अधिक चपखल चौकशीसाठी देखील आहे - ज्याची आम्ही येथे तज्ञ प्रणालीमध्ये बर्याच काळापासून चर्चा करत आहोत. उशिरापर्यंत, Google ने घोषित केले की क्लायंटला संभाषणात्मक भाषेचा वापर करून रेकॉर्ड आणि पदार्थ शोधण्याची परवानगी देण्यासाठी त्यांनी Google ड्राइव्हमध्ये NLP क्षमता जोडली आहे.

असंरचित डेटावरून ज्ञान

NLP व्यवस्था क्रमशः असंरचित माहितीमधून उपयुक्त अंतर्दृष्टी एकत्रित करेल, उदाहरणार्थ, दीर्घ-संरचना संदेश, रेकॉर्डिंग, ध्वनी आणि याप्रमाणेच त्यांच्याकडे स्वर, आवाज, शब्दांची निवड आणि माहितीचे अनुमान यांचे विच्छेदन करण्याचा पर्याय असेल. , उदाहरणार्थ, ग्राहक निष्ठा मोजणे किंवा वेदना बिंदू वेगळे करणे.