[ad_1]

پردازش زبان طبیعی زیرمجموعه ای از هوش مصنوعی است که ربات های صوتی و تجزیه و تحلیل مبتنی بر متن را هدایت می کند. این چنین است که در بنگاه اقتصادی توسعه می یابد.

peach_fotolia از طریق Adobe Stock

peach_fotolia از طریق Adobe Stock

پردازش زبان طبیعی یا NLP زیرمجموعه ای از هوش مصنوعی (AI) است که بر روی داده های مبتنی بر متن ، صدا و ویدئو کار می کند. NLP که معمولاً با آن روبرو می شویم به شکل تلفن خودکار یا یک همراه چت است که سعی می کند به همه س questionsالات ما پاسخ دهد و سپس ما را به شخص مناسبی هدایت می کند ، به عنوان مثال وقتی با یک تعمیرگاه خانگی تماس می گیریم. یا به شکل صدای “دانستن” است ، مانند سیری در آیفون ، که می تواند به ما بگوید پایتخت ماداگاسکار چیست یا نزدیکترین استارباکس را در کجا می توانیم پیدا کنیم.

این مثالها نشان می دهد که NLP به عنوان اتوماسیون صوتی کار می کند و اساساً به عنوان “دستیار ربات” عمل می کند تا ما را به مکان مورد نیاز برساند و هر دو مثال استقرار فعال IT NLP است.

با این وجود ، علی رغم این استفاده های ثابت ، NLP چالش های خود را دارد. به عنوان مثال ، آیا او در نهایت می تواند به س questionsالات پیچیده پاسخ دهد یا واژگان گسترده تری از اصطلاحات را درک کند. یا می تواند انواع لهجه ها و تفاوت های ظریف زبان را که حاوی محتوای معنی دار است ، هدایت کند؟ آیا NLP حتی وقتی می خواهید یک یادداشت را دیکته کنید ، می تواند به درستی وقفه ایجاد کند؟

NLP همچنین می تواند صبر و تحمل کاربران را مختل کند ، به عنوان مثال ، هنگامی که مشتری مکرراً سعی می کند به یک متصدی خودکار دستورالعمل بدهد و متصدی به نحوی قادر به درک یا انجام آنچه از او خواسته می شود نیست.

واضح است که NLP یک فناوری جدید است. در تولید بی نقص عمل نمی کند. اما به نظر می رسد برای تعدادی از شرکت ها “انجام کار کافی” برای توجیه عملکرد است.

این س theال را ایجاد می کند ، آیا NLP باید به یک بستر مهم برای توسعه فناوری اطلاعات تبدیل شود؟ و کجا کار می کند؟

NLP به عنوان یک پلت فرم توسعه

سیستم عامل های مختلفی برای توسعه NLP وجود دارد و تعداد قابل توجهی از آنها منبع باز هستند. مزیت NLP منبع باز این است که می تواند برای شرکت ها رایگان باشد. IT شرکت همچنین از پیشرفت های NLP مشارکتی که توسط جامعه جهانی توسعه نرم افزار ارائه می شود ، سود می برد. نکات منفی این است که پشتیبانی از این سیستم عامل های منبع باز همیشه به راحتی در دسترس نیست و شما همیشه نمی توانید روی به روزرسانی های منظم توزیع حساب کنید.

سیستم عامل های NLP ابزارهای برنامه نویسی و کتابخانه هایی را در پایتون و جاوا ارائه می دهند. این خوب است زیرا بسیاری از توسعه دهندگان فناوری اطلاعات در این زبان های برنامه نویسی تجربه دارند. با این حال ، پروژه های موفق NLP به بیش از IT با مهارت های لازم توسعه نیاز دارند. IT و کاربران نهایی نیز باید بدانند که چگونه NLP را به طور مثر با فرآیندهای تجاری خود ادغام کنند.

خدمات تلفنی مثال خوبی است.

چگونه بسیاری از ما ناامید شده ایم که در یک درخت تلفن خودکار با چندین لایه گیر افتاده ایم که به نظر می رسد هیچ راهی برای نجات ندارند ، و به نظر نمی رسد اپراتور صدای مستقر در NLP متوجه حرف ما شود؟ درختان و مسیرهای تلفن خودکار سالهاست که در دسترس هستند. آنها در واقع قبل از NLP هستند. اما این فرایندهای خودکار اغلب بد طراحی می شوند. حتی اگر NLP اضافه شود ، نمی تواند یک طراحی بد را برطرف کند. در این موارد ، کل فرآیند تجارت باید دوباره کشف شود تا تجربه مشتری در نظر گرفته شود. NLP پس از آن موقعیت بهتری برای کمک مثبت به این تجربه و روند است.

به عبارت دیگر ، برای کارایی NLP ، IT نه تنها به مهارت های فنی لازم نیاز دارد. این شرکت باید مهارت های فرآیند تجارت را داشته باشد تا بتواند نحوه بهینه سازی فرآیند تجارت و نحوه استفاده از NLP در فرآیند را برای استفاده بهتر از آن بفهمد. در صورت عدم موفقیت در هر یک از این زمینه ها ، شرکت ها نمی توانند مقدار مورد نظر را از NLP خود دریافت کنند.

جایی که NLP کار می کند

امروزه NLP مبتنی بر صدا بر روی تلفنهای هوشمند و سایر دستگاههای تلفن همراه به اندازه کافی کار می کند ، دلیل اصلی آن این است که کاربران به سرعت با مرزهای NLP سازگار شده اند ، بنابراین تمایل دارند سوالات خود را با NLP تطبیق دهند تا هوش مصنوعی پشت آن بتواند آن را درک و پردازش کند.

NLP صوتی و نوشتاری هر دو در برنامه های نگهداری وب سایت کمی خوب کار می کنند ، اما باز هم محدود هستند. طولی نمی کشد که کاربران را به سمت س questionsالات متداول (س FAالات متداول) در وب سایت سوق می دهند که ممکن است به س specificالات خاص مشتری پاسخ دهد.

شاید حوزه ای که NLP در آن بهترین کار را می کند مربوط به دیکته و تحلیل اسناد باشد. به عنوان مثال ، در مراقبت های بهداشتی ، پزشکان نیاز فوری دارند تا بتوانند گزارش های پزشکی را در سیستم های الکترونیکی پرونده های پزشکی (EMR) دیکته کنند تا مجبور به وارد شدن به آنها نشوند. هوش مصنوعی پشت NLP می تواند داده های گسترده بیمار را بررسی کند و به تشخیص و درمان کمک کند.

دیوید تالبی ، CTO در آزمایشگاه های جان اسنو ، که راه حل های مراقبت های بهداشتی NLP و AI را ارائه می دهد ، گفت: “NLP می تواند اختصارات و موضوعات زیست پزشکی را تشخیص دهد.” “هوش مصنوعی پشت NLP می تواند اطلاعات مهم در مورد داروها را استخراج کند ، و همچنین پیوندهای حیاتی بین نقاط داده ای را که ممکن است به وضعیت بیمار مرتبط باشند ، نشان می دهد … بررسی تمام اطلاعات موجود بیمار می تواند بلافاصله نشان دهد که در حالی که بیمار کوتاه است نفس می کشد ، این شرایط فقط زمانی اتفاق می افتد که بیمار از نردبان بالا رود. مشاهداتی از این قبیل ، بینش پزشکان در مورد وضعیت بیمار را برای کمک به آنها در درمان بهتر بیماری یا اختلال فراهم می کند.

انتظار بعدی چیست

طبق تحقیقات Markets and Markets ، انتظار می رود بازار جهانی پردازش زبان طبیعی (NLP) در بهداشت و علوم زندگی تا سال 2025 از 1.5 میلیارد دلار در سال 2020 به 3.7 میلیارد دلار رشد کند.

س quالات صوتی که کاوشگرهای تجزیه و تحلیل پایگاه داده را ایجاد می کنند ، یک نقطه شیرین NLP است.

به احتمال زیاد سایر درایوهای NLP برای موتورهای هوش مصنوعی مانند مهندس نیمه هادی با س voiceالات صوتی به یک پایگاه داده که کدام مواد برای ایجاد نوع خاصی از سیم بهتر ترکیب می شوند ، یا یک حمل و نقل تدارکاتی که بهترین راه برای دریافت یک حمل و نقل از دیتون به ساراسوتا.

در این موارد ، NLP مبتنی بر متن و متن را می توان آموزش داد و با مجموعه محدودتری از کاربران سازگار کرد. با گذشت زمان ، می توانیم انتظار داشته باشیم NLP توانایی خود را برای کار با تفاوت های زبانی بیشتر و گسترش به زبان های سراسر جهان افزایش دهد.

مطالب مرتبط:

مدیران ارشد داده به مدیریت تحولات دیجیتال کمک می کنند

چگونه می توان AIOps را از یک مفهوم امیدوار کننده به یک واقعیت عملی تبدیل کرد

چیزی که بعضی از مشتریان و کارمندان از بات ربات متنفر هستند

آنچه CIO ها باید درباره فناوری پایگاه داده گرافیکی بدانند

ماری ای.شکلت مفسر فناوری شناخته شده بین المللی و رئیس Transworld Data ، یک شرکت خدمات بازاریابی و فناوری است. وی پیش از تأسیس شرکت خود ، معاون تحقیقات محصول و توسعه نرم افزار در راس بود … مشاهده رزومه کامل

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir