Natural language understanding چیست؟
درک زبان طبیعی به معنای درک کامپیوتر از ساختار و معنای زبان انسان، برای مثال، انگلیسی، اسپانیایی، فارسی و ژاپنی است. این فرایند به کاربران اجازه می‌دهد با استفاده از جملات طبیعی و با زبان خودشان با کامپیوتر تعامل کنند؛ به عبارت دیگر، درک زبان طبیعی هوش مصنوعی‌ای است که از نرم‌افزار کامپیوتری برای تفسیر متن و هر نوع داده‌ی بدون ساختار استفاده می‌کند. درک زبان طبیعی (NLU) می‌تواند متنی را تجزیه وتحلیل، آن را به زبان کامپیوتر یا ماشینی ترجمه و خروجی را به زبانی فهمیدنی برای انسان تولید کند. با استفاده از درک زبان طبیعی و یادگیری ماشین (Machine Learning)، کامپیوترها می‌توانند به طور خودکار داده‌ها را در چند ثانیه تجزیه وتحلیل کنند و در تجزیه و تحلیل بازخوردهای مشتریان، در صرفه جویی زمان و منابع به ما کمک کنند. حال این سؤال در ذهن شکل می‌گیرد که آیا پردازش زبان طبیعی (NLP) با درک زبان طبیعی (NLU) تفاوتی دارد؟ در ادامه پاسخ این سؤال را خواهیم یافت.
Natural language understanding چیست؟
تفاوت درک زبان طبیعی با پردازش زبان طبیعی
درک زبان طبیعی (NLU) زیرشاخه‌ای از پردازش زبان طبیعی (NLP) است. هر دو پردازش زبان طبیعی (NLP) و درک زبان طبیعی (NLU) قصد دارند داده‌های بدون ساختار را درک کنند، اما میان این دو تفاوت وجود دارد. پردازش زبان طبیعی (NLP) با نحوه‌ی برنامه‌ریزی کامپیوترها برای پردازش زبان و تسهیل ارتباط طبیعی رفت و برگشتی میان کامپیوترها و انسان‌ها در ارتباط است. هم‌چنین درک زبان طبیعی (NLU) بر توانایی ماشین در درک زبان انسان متمرکز است. بیایید به این قضیه به این شکل نگاه کنیم که قبل از اینکه کامپیوتر بتواند متن بدون ساختار را به فرمت خواندنی برای ماشین پردازش (NLP) تبدیل کند، ابتدا ماشین‌ها باید ویژگی‌های زبان انسان را درک (NLU) کنند.
پردازش زبان طبیعی چیست؟
مثال‌هایی از درک زبان طبیعی (NLU)
در این بخش برای اینکه بیشتر با درک زبان طبیعی و کاربرد آن آشنا شویم، برخی از مثال‌های آن را با هم بررسی می‌کنیم:
- مسیریابی خودکار تیکت پشتیبانی: یک مثال تجاری بسیار کاربردی از درک زبان طبیعی (NLU) اتوماسیون خدمات به مشتریان است. با استفاده از تکنولوژی‌های تجزیه و تحلیل متن ماشین‌ها می‌توانند محتوای تیکت‌های پشتیبانی مشتری را درک و آن‌ها را بدون نیاز به بازکردن هر بلیت، به بخش‌های مربوط هدایت کنند. این موضوع، نه تنها صدها ساعت در زمان تیم‌های پشتیبانی مشتری صرفه جویی می‌کند، به آن‌ها در اولویت‌بندی تیکت‌های فوری نیز کمک می‌کند. با استفاده از تکنولوژی درک زبان طبیعی (NLU) می‌توانیم داده‌های بدون ساختار (ایمیل، رسانه‌های اجتماعی، چت زنده و غیره) را براساس موضوع، احساسات و فوریت مرتب کنیم؛ سپس می‌توانیم این بلیت‌ها را مستقیماً به نماینده‌ی مربوط هدایت و آن را اولویت بندی کنیم.
- ترجمه‌ی ماشینی (Machine Translation) در درک زبان طبیعی (NLU): ترجمه‌ی دقیق متن یا گفتار از یک زبان به زبان دیگر یکی از سخت ترین چالش‌های پردازش زبان طبیعی (NLP) و درک زبان طبیعی (NLU) است. با استفاده از الگوریتم‌های پیچیده که بر قواعد زبانی و آموزش ماشین‌های هوش مصنوعی تکیه می‌کنند، Google Translate، Microsoft Translator و Facebook Translation در زمینه‌ی ترجمه‌ی زبان عمومی پیش رو شده‌اند. با استفاده از ابزارهای ترجمه‌ی ماشینی می‌توانیم متن را تایپ کنیم یا یک سند را بارگذاری کنیم و ترجمه‌ی آن را به ده‌ها زبان مختلف دریافت کنیم. Google Translate حتی نرم‌افزار تشخیص نوری کاراکتر (OCR) را شامل است که به ماشین‌ها اجازه می‌دهد متن را از تصاویر استخراج کنند، بخوانند و ترجمه کنند.
- استدلال خودکار (Automated Reasoning): استدلال خودکار زیرشاخه‌ای از علوم شناختی (Cognitive Science) است که برای اثبات خودکار قضایای ریاضی (mathematical theorems) یا استنباط منطقی درمورد تشخیص پزشکی استفاده می‌شود. استدلال خودکار به ماشین‌ها استدلال یا منطقی می‌دهد که به آن‌ها اجازه می‌دهد حقایق جدیدی را استنباط کنند. به زبان ساده، با استفاده از اطلاعات جمع‌آوری شده و تجزیه وتحلیل شده‌ی قبلی، برنامه‌های کامپیوتری قادر به نتیجه گیری هستند؛ برای مثال، در پزشکی ماشین‌آلات می‌توانند با استفاده از قوانین اگر-پس (IF-THEN) تشخیص بیماری را براساس تشخیص‌های قبلی استنباط کنند.
- پاسخ گویی به سؤالات (Question Answering): پاسخ گویی به سؤالات زیرشاخه‌ای از پردازش زبان طبیعی (NLP) و تشخیص گفتار (Speech Recognition) است که از درک زبان طبیعی (NLU) برای کمک به کامپیوترها برای درک خودکار سؤالات زبان طبیعی استفاده می‌کند. برای مثال، یک سؤال متداول که ممکن است هر یک از ما آن را از Google Assistant بارها پرسیده‌ایم این است: فردا هوا چطور است؟ ابزارهای پردازش زبان طبیعی (NLP) می‌توانند این سؤال را به دو بخش موضوع آب و هوا و تاریخ (فردا) تقسیم کنند، آن را درک و مناسب‌ترین پاسخ را از مجموعه‌ی بدون ساختار «اسناد زبان طبیعی» جمع‌آوری کنند. این مجموعه‌ی اسناد زبان طبیعی می‌توانند برای مثال، گزارش‌های خبری آنلاین، صفحات وب جمع‌آوری شده، متون مرجع و … را شامل می‌شوند. به طور پیش‌فرض، دستیارهای مجازی آب و هوای مکان فعلی شما را به شما می‌گویند، مگر اینکه شهر خاصی را مشخص کنید.