創(chuàng)建能夠進行有意義對話的系統(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音輸入的自動化系統(tǒng) - 換句話說，允許客戶發(fā)泄他們的挫折并讓計算機解決問題。

由于機器學(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)我們對此類事物的體驗通常僅限于與Amazon Echo的交互時。自然語言處理是構(gòu)建此類設(shè)備的框架，它負(fù)責(zé)一系列新的創(chuàng)新，包括功能強大的“ 聊天機器人 ”。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，并在許多情況下評估您的心情。

無論你是在問一個聰明的演講者本周會有什么樣的天氣，撥打電話查看最近的火車時間，或者打電話詢問有關(guān)劣質(zhì)用戶體驗的投訴，很可能自然語言處理(NLP)正在消失在后臺提供優(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法錯誤，它也支持谷歌翻譯，盡最大努力確保用您無法閱讀的語言的文檔重新用于您可以使用的語言。它可以幫助您的使用的聊天機器人在眨眼之間理解并遵守您的要求。

一個非常棘手的問題需要解決

然而，有效的對話或閱讀文本充滿了細(xì)微差別，推論和判斷。將語言分解為名詞，動詞，形容詞和其他語言是一回事，但語言遠(yuǎn)不止構(gòu)成句子的各種機制 - 而且這種復(fù)雜性增加了計算機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?？紤]一下這個例子：'飛機向左側(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 - 更不用說向觀眾鞠躬或用于射箭的裝置。

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

英語非常依賴于語境，非英語人士有困難，更不用說機器了。而在此之前，我們開始考慮各種高度個人化的特征，這些特征是說話人的特征，例如諷刺，諷刺和幽默，即便是我們?nèi)祟愐搽y以從單獨的句子中推斷出來。

NLP軟件做什么?

NLP通過應(yīng)用分析和算法來克服理解語言的問題，這些分析和算法可以幫助它對正在閱讀的單詞進行語境化。這有兩個廣泛的方面 - 語法和語義。

語法在這兩個方面更為正式。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，因為這是關(guān)于理解句子實際意味著什么 - 或者，在上面的雙目示例的情況下，它們屬于誰。通常答案是在較早或較晚的句子中 - 有時更早或更晚。

語義是結(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單詞的含義，例如“bow”的哪個定義最合適。

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

我們到了嗎?

為了實現(xiàn)NLP中涉及的一些任務(wù)，計算機需要學(xué)會“模糊” - 使用近似值并進行有根據(jù)的猜測，如果證明是正確的，則告知他們接下來要做什么。機器學(xué)習(xí)有助于因為系統(tǒng)可以從錯誤(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更接近實時工作。

不過，這是回答我們問題的一件事 - 這就是Siri，Alexa和Google Home所做的事情，而另一個則是一個明智的對話。Apple，亞馬遜，谷歌和其他關(guān)鍵技術(shù)公司(如Watson)以及無數(shù)初創(chuàng)公司都在開發(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)療保健中的對話機制，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)有很多在線聊天機器人 - 但他們通常只處理簡單的問答互動。一旦他們達(dá)到他們的能力極限，他們必須將查詢升級為真實的人，不幸的是，對于最終用戶來說，這不會花費很長時間。系統(tǒng)一直在不斷改進，但我們距離客戶服務(wù)行業(yè)所設(shè)想的無縫交互還有很長的路要走。