Do khả năng tương tác nhanh với trợ lý kỹ thuật số và khả năng phát âm mượt mà của Alexa hoặc Cortana, đôi khi bạn sẽ quên rằng hai thứ đó là những cỗ máy “duy nhất”. Làm thế nào chúng ta có thể giao tiếp với họ một cách suôn sẻ như vậy?
Sự tương tác của chúng tôi với trợ lý kỹ thuật số chủ yếu dựa vào Xử lý ngôn ngữ tự nhiên. Xử lý ngôn ngữ tự nhiên hay NLP là một nhánh của trí tuệ nhân tạo cho phép máy tính diễn giải và hiểu ngôn ngữ của con người.
NLP lấy cảm hứng từ nhiều ngành khác nhau như khoa học máy tính và ngôn ngữ học tính toán, và giống như nó là điểm dừng giữa giao tiếp của con người và khả năng hiểu của máy tính.
Nhưng NLP không chỉ sản xuất trợ lý kỹ thuật số. Bạn đã bao giờ kiểm tra các email trong thư mục thư rác của mình chưa? Sau đó, bạn có thể nhận thấy rằng một số điểm tương đồng nhất định xuất hiện trong tiêu đề của tất cả các email đó.
Điều này liên quan đến tính năng lọc thư rác Bayesian, một kỹ thuật NLP thống kê kiểm tra các từ trong thư rác so với các e-mail thông thường để tách lúa mì ra khỏi vỏ trấu. Nhân tiện, bạn có thể đã tra cứu nội dung nào đó trên một trang web bằng cách sử dụng thanh tìm kiếm tích hợp sẵn hoặc bằng cách tìm kiếm trên thẻ danh mục. Phương pháp tìm kiếm đó cũng dựa trên NLP. Nhưng Slackbot hoặc các chatbot khác của bạn cũng được hỗ trợ bởi Xử lý ngôn ngữ tự nhiên.
Mặc dù Xử lý ngôn ngữ tự nhiên không phải là một công nghệ mới, nhưng số lượng nghiên cứu về nó đã tăng lên trong những năm gần đây do mối quan tâm ngày càng tăng về sự tương tác giữa con người và máy tính, khả năng tiếp cận dữ liệu lớn và khả năng tính toán ngày càng tăng.
Cần phải rõ ràng rằng con người và máy tính tạo ra ngôn ngữ theo một cách cơ bản khác nhau. Đây là cách mọi người xâu chuỗi các âm vị lại với nhau để tạo thành âm tiết, sau đó tạo thành từ.
Với những từ đó chúng ta tạo thành các câu, v.v. Bằng cách này, các ngôn ngữ như tiếng Tây Ban Nha, tiếng Nga hoặc tiếng Swahili sẽ được tạo ra. Tuy nhiên, máy tính giao tiếp bằng số không và số một. Tất cả những thứ này cùng nhau tạo thành một ngôn ngữ lập trình như JAVA hoặc HTML.
Tầm quan trọng của bối cảnh
Ngôn ngữ của con người rất phức tạp và đa dạng. Ví dụ, trên thế giới không chỉ có hơn sáu nghìn (!) ngôn ngữ mà mỗi ngôn ngữ còn có các ngôn ngữ phụ khác nhau như biệt ngữ và tiếng lóng. Khi viết, đôi khi chúng ta mắc lỗi chính tả và không phải lúc nào cũng giữ đúng dấu câu.
Khi chúng tôi nói, mỗi người trong chúng tôi (có lẽ ngoại trừ Jan Becaus, người luôn tìm cách che giấu nguồn gốc Waasland của mình) sử dụng giọng vùng miền trong ngôn ngữ của mình. Sự phức tạp của ngôn ngữ con người chắc chắn không làm cho máy tính hiểu chúng ta dễ dàng hơn chút nào.
Có lẽ vấn đề lớn nhất với ngôn ngữ của con người là nó phụ thuộc rất nhiều vào ngữ cảnh. Khi bạn nói với Trợ lý Google rằng thời tiết trong phòng khách của bạn “hơi ấm”, rõ ràng bạn không muốn chỉ nói mà muốn trợ lý kỹ thuật số điều chỉnh bộ điều chỉnh nhiệt cho bạn.
Trong tương tác cụ thể đó, trợ lý kỹ thuật số của bạn sẽ bật lần đầu tiên khi nghe thấy giọng nói của bạn. Ngay sau đó, Trợ lý Google đã nhận ra ý định ngầm trong tuyên bố của bạn. Trợ lý kỹ thuật số của bạn phản ứng nhanh như chớp bằng cách điều chỉnh bộ điều chỉnh nhiệt và thông báo cho bạn bằng một câu có từ ngữ đẹp mắt bằng ngôn ngữ mẹ đẻ của bạn. Sự tương tác này ban đầu được thực hiện bởi NLP, nhưng cũng bởi các yếu tố khác của trí tuệ nhân tạo như học máy và học sâu.
Sự trừu tượng của ngôn ngữ con người
Học tập có giám sát và không giám sát, đặc biệt là học sâu, thường được sử dụng để bắt chước ngôn ngữ của con người. Tuy nhiên, khi làm việc với ngôn ngữ, cũng cần có sự hiểu biết về cú pháp và ngữ nghĩa hơn mà không nhất thiết phải có trong các phương pháp học máy. NLP là một môn học phụ quan trọng của AI vì nó giúp giải đáp sự mơ hồ về ngôn ngữ điển hình của con người.
Bởi vì ngôn ngữ của chúng ta không hề mơ hồ; nếu bạn nói bạn sắp đến ngân hàng, về nguyên tắc, điều đó cũng có thể có nghĩa là bạn đang đi đến ‘ghế sofa’. Tuy nhiên, vì từ “ngân hàng” trong ngữ cảnh đó thường đề cập đến một tổ chức tài chính nên chúng ta đã học cách giải thích câu như vậy. Tất nhiên, bộ não máy tính cũng phải học điều này và do đó cần có sự trợ giúp của Xử lý ngôn ngữ tự nhiên.
Nói tóm lại, NLP chia ngôn ngữ tự nhiên thành các phần cơ bản nhất của nó và cố gắng hiểu các mối quan hệ qua lại để lọc ý nghĩa ra khỏi toàn bộ câu hoặc ngôn ngữ. Các tác vụ NLP cơ bản bao gồm phân tích ngôn ngữ và xác định các mối quan hệ ngữ nghĩa.
Trên thực tế, đây đều là những nhiệm vụ mà bạn phải thực hiện thủ công ở trường trung học trong các bài học tiếng Hà Lan hoặc tiếng Latinh. Vì vậy, bạn cũng đã từng tiếp xúc với các kỹ thuật NLP trước đây, ngay cả khi bạn không phải là nhà khoa học dữ liệu.
NLP thường được chia thành Tạo ngôn ngữ tự nhiên (NLG) hoặc sản xuất ngôn ngữ tự nhiên, ám chỉ khả năng máy tính tạo ra các câu nghe tự nhiên nhất có thể. Ở đầu bên kia của quang phổ, chúng tôi nhận thấy Khả năng hiểu ngôn ngữ tự nhiên (NLU) hoặc khả năng máy tính vẫn hoạt động thông qua tiếng lóng, phát âm sai, viết sai chính tả và tất cả các loại biến thể ngôn ngữ khác.
Ứng dụng thế giới kinh doanh
Trong khi đó, thế giới doanh nghiệp đang háo hức sử dụng NLP. Nếu bạn muốn nghỉ ngơi và muốn biết mình còn bao nhiêu ngày nghỉ phép, bạn không cần phải gọi cho Phòng Nhân sự nữa. Giờ đây, bạn có thể tiết kiệm thời gian bằng cách tham khảo Talla, một chatbot tìm kiếm tất cả các chính sách của công ty bạn.
Khi bạn đang gọi điện và đột nhiên cần những số liệu hàng quý mới nhất, bạn không còn phải loay hoay với đống giấy tờ trong cơn hoảng loạn mù quáng nữa. Chỉ cần đề cập đến nó trong cuộc trò chuyện của bạn và SecondMind, một công ty khởi nghiệp chuyên về tìm kiếm âm thanh, sẽ hiển thị cho bạn các con số trên màn hình của bạn ngay lập tức. Ôi.
NLP cũng quan tâm đến điều đó nhà tuyển dụng điều hướng qua hàng đống hồ sơ nhanh hơn, điều này cũng có thể hợp lý hóa quy trình tuyển dụng. Ngoài ra, NLP loại bỏ thư rác khỏi hộp thư đến của chúng tôi và phân tích tình cảm, một nhánh cụ thể của NLP, cho phép các công ty nhanh chóng xác định xem các tweet về họ chủ yếu là tích cực hay tiêu cực. Bằng cách này, công ty có thể phản hồi nhanh hơn những khiếu nại của người tiêu dùng và nếu cần, thậm chí có thể điều chỉnh chiến lược tiếp thị.
AI không còn có thể bị bỏ qua trong xã hội của chúng ta nữa, vì vậy tốt hơn chúng ta nên học cách giao tiếp với nó. NLP càng phát triển thì tương tác của chúng ta với chatbot và trợ lý kỹ thuật số sẽ càng mượt mà hơn. Vì vậy, sẽ không lâu nữa Slackbot của tôi thực sự hiểu mọi điều tôi hỏi anh ấy/cô ấy (?). Sớm.
