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 می دهد با استفاده از جملات طبیعی و با زبان خودشان با کامپیوتر تعامل کنند؛ به عبارت دیگر، درک زبان طبیعی هوش مصنوعی ای است که از نرم افزار کامپیوتری برای تفسیر متن و هر نوع داده ی بدون ساختار استفاده می کند. درک زبان طبیعی (NLU) می تواند 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 می توانند به طور خودکار داده ها را در چند ثانیه تجزیه وتحلیل کنند و در تجزیه وتحلیل بازخوردهای مشتریان، در صرفه جویی زمان و منابع به ما کمک کنند. حال این سؤال در ذهن شکل می گیرد 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 (NLU) با پردازش زبان طبیعی (NLP)
درک زبان طبیعی (NLU) زیرشاخه ای از پردازش زبان طبیعی (NLP) است. هر دو پردازش زبان طبیعی (NLP) و درک زبان طبیعی (NLU) قصد دارند داده های بدون ساختار را درک کنند، اما میان این دو تفاوت وجود دارد. پردازش زبان طبیعی (NLP) با نحوه ی برنامه ریزی کامپیوترها برای پردازش زبان و تسهیل ارتباط طبیعی رفت وبرگشتی میان کامپیوترها و انسان ها در ارتباط است.
هم چنین 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 ماشین ها باید ویژگی های زبان انسان را درک (NLU) کنند.
پردازش زبان طبیعی (Natural Language Processing) چیست؟
مثال هایی از درک زبان طبیعی (NLU)
در این بخش برای اینکه بیشتر با درک زبان طبیعی و کاربرد آن آشنا شویم، برخی از مثال های آن را با هم بررسی می کنیم:
مسیریابی خودکار تیکت پشتیبانی (Automatic Ticket Routing)
یک مثال تجاری بسیار کاربردی از درک زبان طبیعی (NLU) اتوماسیون خدمات به مشتریان است. با استفاده از تکنولوژی های تجزیه وتحلیل متن ماشین ها می توانند محتوای تیکت های پشتیبانی مشتری را درک و آن ها را بدون نیاز به بازکردن هر بلیت، به بخش های مربوط هدایت کنند. این موضوع، نه تنها صدها ساعت در زمان تیم های پشتیبانی مشتری صرفه جویی می کند، به آن ها در اولویت بندی تیکت های فوری نیز کمک می کند. با استفاده از تکنولوژی درک زبان طبیعی (NLU) می توانیم داده های بدون ساختار (ایمیل، رسانه های اجتماعی، چت زنده و غیره) را براساس موضوع، احساسات و فوریت مرتب کنیم؛ سپس می توانیم این بلیت ها را مستقیماً به نماینده ی مربوط هدایت و آن را اولویت بندی کنیم.
ترجمه ی ماشینی (Machine Translation) در درک زبان طبیعی (NLU)
ترجمه ی دقیق متن یا گفتار از یک زبان به زبان دیگر یکی از سخت ترین چالش های پردازش زبان طبیعی (NLP) و درک زبان طبیعی (NLU) است. با استفاده از الگوریتم های پیچیده که بر قواعد زبانی و آموزش ماشین های هوش مصنوعی تکیه می کنند، Google Translate، Microsoft Translator و Facebook Translation درزمینه ی ترجمه ی زبان عمومی پیش رو شده اند.
با استفاده از ابزارهای ترجمه ی ماشینی می توانیم متن را تایپ کنیم یا یک سند را بارگذاری کنیم و ترجمه ی آن را به ده ها زبان مختلف دریافت کنیم. Google Translate حتی نرم افزار تشخیص نوری کاراکتر (OCR) را شامل است که به ماشین ها اجازه می دهد متن را از تصاویر استخراج کنند، بخوانند و ترجمه کنند.
استدلال خودکار (Automated Reasoning)
استدلال خودکار زیرشاخه ای از علوم شناختی (Cognitive Science) است که برای اثبات خودکار قضایای ریاضی (mathematical theorems) یا استنباط منطقی درمورد تشخیص پزشکی استفاده می شود. استدلال خودکار به ماشین ها استدلال یا منطقی می دهد که به آن ها اجازه می دهد حقایق جدیدی را استنباط کنند. به زبان ساده، با استفاده از اطلاعات جمع آوری شده و تجزیه وتحلیل شده ی قبلی، برنامه های کامپیوتری قادر به نتیجه گیری هستند؛ برای مثال، در پزشکی ماشین آلات می توانند با استفاده از قوانین اگر-پس (IF-THEN) تشخیص بیماری را براساس تشخیص های قبلی استنباط کنند.
پاسخ گویی به سؤالات (Question Answering)
پاسخ گویی به سؤالات زیرشاخه ای 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 می کند.
برای مثال، یک سؤال متداول که ممکن است هر یک از ما آن را از Google Assistant بارها پرسیده باشیم این است: فردا هوا چطور است؟ ابزارهای پردازش زبان طبیعی (NLP) می توانند این سؤال را به دو بخش موضوع آب وهوا و تاریخ (فردا) تقسیم کنند، آن را درک و مناسب ترین پاسخ را از مجموعه ی بدون ساختار «اسناد زبان طبیعی» جمع آوری کنند. این مجموعه ی اسناد زبان طبیعی می توانند برای مثال، گزارش های خبری آنلاین، صفحات وب جمع آوری شده، متون مرجع و غیره را شامل باشند. به طور پیش فرض، دستیارهای مجازی آب وهوای مکان فعلی شما را به شما می گویند، مگر اینکه شهر خاصی را مشخص کنید.