創(chuàng)建能夠進(jìn)行有意義對(duì)話的系統(tǒng)

如果您發(fā)現(xiàn)自己經(jīng)常與客戶服務(wù)部門打交道，那么您可能已經(jīng)注意到從傳統(tǒng)語(yǔ)音錄音和“按1 for x”指令的轉(zhuǎn)變，以及更直觀的方式。

這種現(xiàn)代服務(wù)方法具有能夠接收和理解語(yǔ)音輸入的自動(dòng)化系統(tǒng) - 換句話說(shuō)，允許客戶發(fā)泄他們的挫折并讓計(jì)算機(jī)解決問(wèn)題。

由于機(jī)器學(xué)習(xí)的最新發(fā)展，該技術(shù)比大多數(shù)人認(rèn)為的要復(fù)雜得多，特別是當(dāng)我們對(duì)此類事物的體驗(yàn)通常僅限于與Amazon Echo的交互時(shí)。自然語(yǔ)言處理是構(gòu)建此類設(shè)備的框架，它負(fù)責(zé)一系列新的創(chuàng)新，包括功能強(qiáng)大的“ 聊天機(jī)器人 ”。這些能夠確定查詢或響應(yīng)的主題，分析其內(nèi)容，獲取上下文信息，并在許多情況下評(píng)估您的心情。

無(wú)論你是在問(wèn)一個(gè)聰明的演講者本周會(huì)有什么樣的天氣，撥打電話查看最近的火車時(shí)間，或者打電話詢問(wèn)有關(guān)劣質(zhì)用戶體驗(yàn)的投訴，很可能自然語(yǔ)言處理(NLP)正在消失在后臺(tái)提供優(yōu)質(zhì)的服務(wù)，即使不是比人類更好。

這不僅僅是語(yǔ)音NLP可以提供的幫助。該技術(shù)還允許我們的文字處理軟件檢查語(yǔ)法錯(cuò)誤，它也支持谷歌翻譯，盡最大努力確保用您無(wú)法閱讀的語(yǔ)言的文檔重新用于您可以使用的語(yǔ)言。它可以幫助您的使用的聊天機(jī)器人在眨眼之間理解并遵守您的要求。

一個(gè)非常棘手的問(wèn)題需要解決

然而，有效的對(duì)話或閱讀文本充滿了細(xì)微差別，推論和判斷。將語(yǔ)言分解為名詞，動(dòng)詞，形容詞和其他語(yǔ)言是一回事，但語(yǔ)言遠(yuǎn)不止構(gòu)成句子的各種機(jī)制 - 而且這種復(fù)雜性增加了計(jì)算機(jī)難以解釋和模仿人類交互。

相同的單詞可以具有不同的含義，具體取決于使用它的上下文。考慮一下這個(gè)例子：'飛機(jī)向左側(cè)行駛'，或者“我把你給我的支票存入”。與“馬克將他的鞋帶綁成蝴蝶結(jié)”相比，“我站在船頭”的情況怎么樣 - 更不用說(shuō)向觀眾鞠躬或用于射箭的裝置。

知道每個(gè)句子中如何使用'bow'取決于周圍單詞提供的上下文。然而，有時(shí)候周圍詞語(yǔ)的背景也無(wú)濟(jì)于事。例如，考慮“我用雙筒望遠(yuǎn)鏡看到了路徑上的徒步旅行者”。誰(shuí)有雙筒望遠(yuǎn)鏡 - 我還是徒步旅行者?

英語(yǔ)非常依賴于語(yǔ)境，非英語(yǔ)人士有困難，更不用說(shuō)機(jī)器了。而在此之前，我們開(kāi)始考慮各種高度個(gè)人化的特征，這些特征是說(shuō)話人的特征，例如諷刺，諷刺和幽默，即便是我們?nèi)祟愐搽y以從單獨(dú)的句子中推斷出來(lái)。

NLP軟件做什么?

NLP通過(guò)應(yīng)用分析和算法來(lái)克服理解語(yǔ)言的問(wèn)題，這些分析和算法可以幫助它對(duì)正在閱讀的單詞進(jìn)行語(yǔ)境化。這有兩個(gè)廣泛的方面 - 語(yǔ)法和語(yǔ)義。

語(yǔ)法在這兩個(gè)方面更為正式。它包括理解字典定義，了解句子如何組成(例如了解那些“詞性”)和解析等技術(shù)。

解析是特別相關(guān)的，因?yàn)檫@是關(guān)于理解句子實(shí)際意味著什么 - 或者，在上面的雙目示例的情況下，它們屬于誰(shuí)。通常答案是在較早或較晚的句子中 - 有時(shí)更早或更晚。

語(yǔ)義是結(jié)構(gòu)較少且通常更難的方面。它是關(guān)于理解句子上下文中單個(gè)單詞的含義，例如“bow”的哪個(gè)定義最合適。

有很多不同的工具可以幫助NLP。例如，一個(gè)系統(tǒng)需要知道人，地點(diǎn)和事物的名稱，以便它知道約翰可以是廁所的人或俚語(yǔ)，巴黎既是一個(gè)地方，也是一個(gè)名字。它需要理解依賴性 - 如果它在“小提琴”的同一個(gè)句子中看到'bow'，那就是意義上的一個(gè)重要線索。

我們到了嗎?

為了實(shí)現(xiàn)NLP中涉及的一些任務(wù)，計(jì)算機(jī)需要學(xué)會(huì)“模糊” - 使用近似值并進(jìn)行有根據(jù)的猜測(cè)，如果證明是正確的，則告知他們接下來(lái)要做什么。機(jī)器學(xué)習(xí)有助于因?yàn)橄到y(tǒng)可以從錯(cuò)誤(和成功)中學(xué)得更快，而不是人類可以教他們，并且提高處理器速度有助于NLP更接近實(shí)時(shí)工作。

不過(guò)，這是回答我們問(wèn)題的一件事 - 這就是Siri，Alexa和Google Home所做的事情，而另一個(gè)則是一個(gè)明智的對(duì)話。Apple，亞馬遜，谷歌和其他關(guān)鍵技術(shù)公司(如Watson)以及無(wú)數(shù)初創(chuàng)公司都在開(kāi)發(fā)自己的NLP系統(tǒng)，以解決一系列任務(wù)。這些包括客戶服務(wù)和醫(yī)療保健中的對(duì)話機(jī)制，從大量文檔中提取重要信息，甚至分析控制垃圾郵件流的電子郵件。

已經(jīng)有很多在線聊天機(jī)器人 - 但他們通常只處理簡(jiǎn)單的問(wèn)答互動(dòng)。一旦他們達(dá)到他們的能力極限，他們必須將查詢升級(jí)為真實(shí)的人，不幸的是，對(duì)于最終用戶來(lái)說(shuō)，這不會(huì)花費(fèi)很長(zhǎng)時(shí)間。系統(tǒng)一直在不斷改進(jìn)，但我們距離客戶服務(wù)行業(yè)所設(shè)想的無(wú)縫交互還有很長(zhǎng)的路要走。