自然言語処理はデジタルプロセスに声を与えます

過去10年間の自然言語処理の最大の変化は、従来のパターン認識からの移行です。言葉と機械と深層学習のアプローチに向かって移動します

自然言語処理（NLP）を使用すると、コンピューターでテキストを読んだり、音声を聞いたり、解釈したり、感情を測定したり、重要な部分を判別したりできます。今日のマシンは、人間よりも多くの言語ベースのデータを、疲れることなく、一貫性のある偏りのない方法で分析できます。

「NLPは、言語のあいまいさを解決し、音声認識やテキスト分析などの多くのダウンストリームアプリケーションのデータに有用な数値構造を追加するのに役立つため、重要です」とSAS UK＆Irelandの分析コンサルタントであるKaynePutmanは述べています。 「つまり、詐欺やリスク分析、顧客行動に関する洞察の抽出など、さまざまなビジネスユースケースに適用できるということです。基本的に、NLPを環境に導入する前に、適切なデータ分析を実施し、何を達成したいのかを知ることが不可欠です。」

自然言語処理の開発

過去10年間の自然言語処理の最大の変化は、単語での従来のパターン認識から離れ、機械と深層学習のアプローチに移行したことです。ある程度の意味的意味を個々の単語または単語のグループに帰することを可能にする「単語の埋め込み」の技術に関して、最近の進歩がありました。

「その結果、さらにモデルのトレーニングと分析を行うことができる高次元の数値ベクトルが得られます」と、MathWorksのシニアエンジニアリングマネージャーであるJosMartin氏は言います。 「セマンティックな意味の一部が数値空間に移されると、最近開発された他の多くの深層学習手法がNLPシステム設計者に利用可能になります。」

たとえば、多くのシステムは、長短期記憶（LSTM）タイプのリカレントニューラルネットワークを利用しており、文、段落、およびその他の言語ブロック内の単語間の関係についてさらに学習するのに役立ちます。これらのタイプのネットワークにより、設計者はシーケンス内の次の単語が何であるかを予測したり、確率を次のいくつかの単語に帰したりすることができます。

単なるチャットボット以上のもの

従来の自然言語処理では、単語は単なる単語でした。より広い文脈で確立された意味を欠く、やや無意味なフレーズです。これは通常、チャットボットを分類する方法であり、リアルタイムで提供される情報によって制限されます。

「高度な自然言語処理では、単語を数字のベクトルとして表すことで、文脈の理解を向上させることができます」と、IPsoftの常務取締役であるJohanToll氏は述べています。 「これにより、単語を単語として理解するだけでなく、機械が非常に柔軟な方法で単語の類似性とフレーズの類似性を理解できるようになります。」

たとえば、「契約」という言葉は、法的な文脈ではギャング映画とは非常に異なる意味を持っていることを理解します。情報と言語の単一ストリームのみを理解するチャットボットとは異なり、これにより、使用される言語のタイプに加えて、必要なコンテキストに応じて調整された多面的な会話が可能になります。

Tollによると、高度なNLPはファシリテーターです。 「実際、ほとんどのAI開発とデジタルイノベーションには何らかの形のインテリジェントプロセス自動化（IPA）が含まれており、マッキンゼーは企業内のタスクの50〜70％が自動化されていると推定しています」と彼は付け加えます。 「NLPによって促進されるこの自動化により、新しいAIアプリケーションの開発が可能になり、組織は膨大な量の貴重な情報を正確に調達、整理、特定できるようになります。 「

カスタマーエクスペリエンスの向上

eコマースの成長とグローバル市場の拡大に伴い、これまで以上に多くの消費者がオンラインで買い物をしています。この増大する需要を満たすために、組織はNLPを含む次世代テクノロジーの組み合わせを採用して、顧客体験を強化し、ブランドの評判を向上させ、売上を伸ばしています。 Aspectで実施された調査によると、回答者の92％が、現代のカスタマーサービスにおける自然言語処理の価値を認識しています。

「先進的な組織にとって重要な要件は、顧客が従来のコミュニケーション手段に加えて、仮想アシスタントやデスクトップまたはモバイルチャットボットなどの自動セルフサービス機能を使用できる多用途のオムニチャネルエクスペリエンスを提供することです」とシニアVPのStephenBall氏は述べています。アスペクトのヨーロッパとアフリカは説明します。 「自動化されたセルフサービスの真のメリットは、組織がこれらの新しいテクノロジーを適切に実装した場合にのみ獲得できます。自然言語処理（NLP）テクノロジーを包括的に把握することがこれの鍵となります。

「自然言語処理の統合を成功させるには、時間と労力がかかり、企業のニーズに合わせて簡単に適応できるAIと関連テクノロジーに投資する必要があり、最も重要なこととして、現代の顧客の複雑で変化する要求に応えます。これを実現するには、企業がスキルアップスタッフにNLPとテクノロジーのトレーニングを提供するだけでなく、外部パートナーと協力して、この関連するAIエクスペリエンスを短中期的に獲得することが重要です。」

自然言語処理に感情を追加する

誰かが色調の傾向、選択した単語、文の間の一時停止からイライラしたり怒ったりしているかどうかを理解する能力は、最近までユニークな人間のスキルと見なされていました。開花している研究分野は感情分析です。

感情分析は、テキストから作家の感情を判断するように見える自然言語処理の形式です。感情は、恐怖、怒り、嫌悪感、欲求不満、興奮、さらには悲しみである可能性があります。 「この魅力的なテクノロジーのそのようなアプリケーションの1つは、コールセンターにあります。ヘルプラインのオペレーターは、発信者がフラストレーションのレベルを明示的に述べることなく、顧客のニーズをより適切に満たすようにアドバイスと言語を適応させることができます」と機械学習エンジニアのサリーエプスタインは言います。ケンブリッジコンサルタントのコメント。

イノベーションのより広い領域は感情分析です。これは、自由形式のテキストの一部がポジティブ、ニュートラル、ネガティブのいずれであるかを判断するために使用されます。 「感情分析を使用すると、大量のテキストドキュメント、ソーシャルメディアの投稿、または製品レビューを効率的に検索して、意味のある傾向を抽出することができます」とエプスタイン氏は付け加えます。 「この洞察は、ブランドに対する消費者の満足度を評価するために企業によってすでに使用されています。」
最も重要なことは、これらの手法を迅速に拡張して、さまざまな地域の方言や言語から洞察を引き出すことができることです。

自然言語処理の次は何ですか？

将来的には、より良い音声制御と音声認識が自然言語処理の大きな領域になるでしょう。音声認識は過去数年間で大幅に改善されましたが、より広く使用できるようになるまでにはまだいくつかの方法があります。この分野での進歩の一部には、より優れたモデルが付属します。

もう1つの大きな領域は、転移学習の自然言語処理への応用の成功です。自然言語処理における転移学習のための深層学習の事前トレーニング済みモデルを持つことが可能になったのは昨年のことです。これは、転移学習がコンピュータービジョンのために長い間存在してきたため重要です。これは、感情分析から質問応答まで、あらゆる種類のテキスト分析タスクで、多少の調整はあるものの、ユーザーが同じ事前トレーニング済みモデルの恩恵を受けることができるため、大きな進歩です。

MarkVenablesによる記事。