Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) und ihre nahen Verwandten Natural Language Understanding (NLU) und Natural Language Generation (NLG) sind Teilbereiche der KI, die sich speziell mit dem Verständnis des menschlichen Sprachverhaltens und den Nuancen der Sprache befassen, die es Maschinen ermöglichen, die Bedürfnisse ihrer menschlichen Bediener vollständig zu verstehen.
Im Folgenden finden Sie einen kurzen Überblick über die Unterschiede zwischen NLP, NLU und NLG.
Was ist Natural Language Processing (NLP)?
Bei der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) geht es um die Verarbeitung menschlicher Sprache durch ein Computerprogramm, um die Bedeutung der Sprache zu ermitteln.
Die Verarbeitung natürlicher Sprache ist das Herzstück aller KI-Plattformen für Konversation. Bei konversationellen KI-Interaktionen muss eine Maschine aus einer Textzeile eine Bedeutung ableiten, indem sie diese in eine Datenform umwandelt, die sie versteht. So kann sie auf der Grundlage von Schlüsselwörtern, die sie im Text erkennt, eine passende Antwort auswählen. Weitere Aufgaben der natürlichen Sprachverarbeitung sind Textübersetzung, Stimmungsanalyse und Spracherkennung.
NLP verwendet im Allgemeinen einen von zwei Ansätzen: einen regelbasierten Ansatz oder einen KI-basierten Ansatz.
Regelbasierter Ansatz
Verwendung einer Reihe von in der Plattform kodierten linguistischen Richtlinien, die menschliche grammatikalische Strukturen verwenden. Dieser Ansatz erfordert jedoch die Formulierung von Regeln durch einen erfahrenen Linguisten und muss ständig aktualisiert werden, wenn neue Probleme aufgedeckt werden. Dies kann unter Umständen sehr ressourcenintensiv sein, und das Regelwerk kann sehr schnell sehr komplex werden, mit Regeln, die sich manchmal widersprechen können.
KI-basierter Ansatz
Hierbei handelt es sich um einen algorithmischen Ansatz, der statistische Analysen von "Trainingsdokumenten" verwendet, um Regeln aufzustellen und seine Wissensbasis zu erweitern. Da Sprach- und Grammatikregeln jedoch komplex und widersprüchlich sein können, kann dieser algorithmische Ansatz ohne menschliche Aufsicht und Korrektur manchmal zu falschen Ergebnissen führen.
Da die Vor- und Nachteile von regelbasierten und KI-basierten Ansätzen weitgehend komplementär sind, kombiniert die einzigartige Methode von CM.com beide Ansätze. So können wir von Fall zu Fall den besten Weg finden, um mit den Nutzern in Kontakt zu treten.
Was ist Natural Language Understanding (NLU)?
Natürliches Sprachverständnis (Natural Language Understanding, NLU) ist ein Teilbereich von NLP. Bei NLU geht es darum, den Text zu verstehen, damit er später verarbeitet werden kann. NLU ist speziell auf das Verstehen von Text ausgerichtet, indem die Bedeutung des Textes in einer maschinenlesbaren Form für die spätere Verarbeitung extrahiert wird. Bei NLP geht es jedoch um mehr als nur das Verstehen von Text. Da NLU neben dem Verstehen auch die Verarbeitung des Textes umfasst, ist NLU eine Disziplin innerhalb von NLP. NLU ermöglicht die Interaktion zwischen Mensch und Computer in dem Sinne, dass der Computer nicht nur in der Lage ist, die menschliche Eingabe in eine für den Computer verständliche Form umzuwandeln, sondern auch die Absicht der Anfrage zu verstehen. Sobald die Absicht verstanden ist, kann der Computer mit NLU eine kohärente Antwort auf die menschliche Eingabe formulieren.
Wenn ein Benutzer im Rahmen einer KI-Plattform den Satz "Ich möchte ein iPhone kaufen" eingibt, ist das System in der Lage zu verstehen, dass der Benutzer einen Kauf beabsichtigt und dass es sich bei dem Objekt, das er kaufen möchte, um ein iPhone handelt. So kann das System eine strukturierte, relevante Antwort auf der Grundlage der in der Abfrage angegebenen Absichten und Entitäten geben. Das kann bedeuten, dass der Benutzer direkt auf eine Produktseite weitergeleitet wird oder dass eine Reihe von Seiten mit Produktionsoptionen angezeigt wird, bevor ein direkter Link zum Kauf des Artikels gesendet wird.
NLU ist besonders effektiv bei Homonymen - Wörtern, die gleich geschrieben werden, aber unterschiedliche Bedeutungen haben, wie z. B. "Bank", das ein Finanzinstitut bedeutet, und "Bank", das ein Flussufer meint. Da die menschliche Sprache sehr komplex ist, ist die Fähigkeit, aus einer Reihe von Wörtern den Kontext zu interpretieren, von enormer Bedeutung.
Das Verstehen natürlicher Sprache ist ein wichtiger Teil des NLP-Prozesses, der es einer KI-Plattform ermöglicht, aus menschlichen Eingaben die Absicht zu extrahieren und eine Antwort zu formulieren, unabhängig davon, ob es sich um einen geskripteten Bereich oder einen KI-gesteuerten Prozess handelt.
Was ist Natural Language Generation (NLG)?
Die Generierung natürlicher Sprache (Natural Language Generation, NLG) verwendet die Daten, die bei einer menschlichen Interaktion gesammelt wurden, und erstellt eine Antwort, die von einem Menschen verstanden werden kann. Die Generierung natürlicher Sprache ist von Natur aus äußerst komplex und erfordert einen mehrschichtigen Ansatz, um die Daten zu einer Antwort zu verarbeiten, die ein Mensch verstehen kann. Nach der Verarbeitung der Eingaben durchlaufen die Daten eine Reihe von Stufen, bevor die Software eine Antwort formuliert. Dazu gehören die Zusammenfassung von Sätzen, um das Thema genau zusammenzufassen, und die grammatikalische Strukturierung, um sicherzustellen, dass die Antwort tatsächlich verstanden werden kann und so klingt, als wäre sie von einem Menschen und nicht von einer Maschine erstellt worden.
NLG ist ein komplexes Thema. Die Beantwortung von Benutzeranfragen in gleichbleibend hoher Qualität ist eine Herausforderung, aber NLG hat ein enormes Potenzial, Bereiche wie den Kundendienst zu revolutionieren, wo die Beantwortung und Strukturierung von Daten auf häufig wiederkehrende Anfragen viel Zeit in Anspruch nimmt. NLG wird auch zur Erstellung von Vorlagen für eine Reihe von Nachrichtenagenturen verwendet, z. B. für datengesteuerte Berichte, bei denen sich die Zahlen ändern, die Struktur aber relativ einheitlich bleibt. NLG ist auch ein Schwerpunkt unserer aktuellen Forschung.
Ergänzende Technologie
Die Sprachverarbeitung ist eine äußerst wichtige Technologie für sich, aber sie kann auch eine Reihe bestehender Technologien verbessern, oft ohne dass bestehende Systeme komplett ausgetauscht werden müssen.
Interaktive Sprachdialogsysteme (IVR)
Die Interactive Voice Response-Technologie wird vielen von uns vertraut sein. Sie ermöglicht es Anrufern, mit einem automatisierten Assistenten zu interagieren, ohne mit einem Menschen sprechen zu müssen, und Probleme über eine Reihe vorgegebener automatischer Fragen und Antworten zu lösen.
Die Verarbeitung natürlicher Sprache ermöglicht es einer IVR-Lösung, den Anrufer zu verstehen, Emotionen zu erkennen und Schlüsselwörter zu identifizieren, um seine Absicht vollständig zu erfassen und entsprechend zu reagieren. Ziel ist es, dass das Interactive Voice Response-System mehr Anfragen bearbeiten kann und diese mit einem Minimum an menschlicher Interaktion effektiver bearbeitet werden können, um die Bearbeitungszeiten zu verkürzen.
Durch die Integration von NLP in ein IVR-System wird dieses zu einer Voicebot-Lösung im Gegensatz zu einer streng skriptgesteuerten IVR-Lösung. Voicebots ermöglichen eine direkte, kontextbezogene Interaktion mit der Computersoftware über NLP-Technologie, so dass der Voicebot eine nicht geskriptete Frage verstehen und mit einer relevanten Antwort beantworten kann.
Robotergestützte Prozessautomatisierung
Robotic Process Automation, auch bekannt als RPA, ist eine Methode, bei der Technologie die sich wiederholende, regelbasierte Datenverarbeitung übernimmt, die traditionell von einem menschlichen Bediener durchgeführt wurde. Sowohl Conversational AI als auch RPA automatisieren frühere manuelle Prozesse, jedoch auf eine deutlich andere Art und Weise. Zunehmend wird RPA jedoch als IPA oder intelligente Prozessautomatisierung bezeichnet, bei der KI-Technologie eingesetzt wird, um immer komplexere Aufgaben zu verstehen und zu übernehmen.