Natuurlijke taalverwerking of NLP is een tak van kunstmatige intelligentie die veel belangrijke implicaties heeft voor de manier waarop computers en mensen met elkaar omgaan. Menselijke taal, ontwikkeld gedurende duizenden en duizenden jaren, is een genuanceerde vorm van communicatie geworden die een schat aan informatie bevat die vaak de woorden alleen overstijgt. NLP zal een belangrijke technologie worden in het overbruggen van de kloof tussen menselijke communicatie en digitale gegevens. Hier zijn 5 manieren waarop de verwerking van natuurlijke taal in de komende jaren zal worden gebruikt.
Machine vertaling
Aangezien informatie over de wereld online is, wordt het steeds belangrijker om die gegevens te maken. De uitdaging om de informatie van de wereld toegankelijk te maken voor iedereen, over taalbarrières heen, is eenvoudigweg de capaciteit voor menselijke vertaling ontgroeid. Innovatieve bedrijven zoals Duolingo zijn op zoek om grote hoeveelheden mensen aan te werven om bij te dragen, door vertaalinspanningen samen te laten vallen met het leren van een nieuwe taal. Maar machinevertaling biedt een nog beter schaalbaar alternatief voor het harmoniseren van de informatie in de wereld. Google is een bedrijf in de voorhoede van de automatische vertaling, met behulp van een eigen statistische engine voor zijn Google-vertaaldienst. De uitdaging met machinevertalingstechnieken is niet in het vertalen van woorden, maar in het behouden van de betekenis van zinnen, een complexe technologische kwestie die de kern vormt van NLP.
Spam bestrijden
Spamfilters zijn belangrijk geworden als eerste verdedigingslinie tegen het steeds groter wordende probleem van ongewenste e-mail. Maar bijna iedereen die e-mail intensief gebruikt, heeft last van ondraaglijke echo's over ongewenste e-mails die nog steeds worden ontvangen, of belangrijke e-mails die per ongeluk zijn gevangen in het filter. De foutpositieve en foutnegatieve problemen van spamfilters vormen de kern van de NLP-technologie, wat opnieuw neerkomt op de uitdaging om betekenis uit tekstreeksen te halen. Een technologie die veel aandacht heeft gekregen, is Bayesiaanse spamfiltering, een statistische techniek waarbij de incidentie van woorden in een e-mail wordt gemeten aan de hand van het typische voorkomen ervan in een corpus van spam en niet-spam-e-mails.
Informatie-extractie
Veel belangrijke beslissingen op financiële markten wijken steeds meer af van menselijk toezicht en controle. Algorithmische handel wordt steeds populairder, een vorm van financiële investering die volledig wordt beheerst door technologie. Maar veel van deze financiële beslissingen worden beïnvloed door het nieuws, door de journalistiek die nog steeds overwegend in het Engels wordt gepresenteerd. Een belangrijke taak van NLP is dan ook het aannemen van deze gewone tekstaankondigingen en het extraheren van de relevante informatie in een formaat dat kan worden verwerkt in algoritmische handelsbeslissingen. Nieuws van een fusie tussen bedrijven kan bijvoorbeeld een grote impact hebben op handelsbeslissingen en de snelheid waarmee de bijzonderheden van de fusie, spelers, prijzen, die verwerven die kunnen worden opgenomen in een handelsalgoritme, winstimplicaties kunnen hebben in de miljoenen dollars.
Summarization
Informatie-overload is een reëel fenomeen in ons digitale tijdperk en onze toegang tot kennis en informatie overschrijdt al veel meer onze capaciteit om het te begrijpen. Dit is een trend die geen tekenen van vertraging vertoont en daarom wordt het vermogen om de betekenis van documenten en informatie samen te vatten steeds belangrijker. Dit is belangrijk, niet alleen omdat we ons de mogelijkheid bieden om de relevante informatie uit enorme hoeveelheden gegevens te herkennen en te absorberen. Een andere gewenste uitkomst is om diepere emotionele betekenissen te begrijpen, bijvoorbeeld op basis van geaggregeerde gegevens van sociale media, kan een bedrijf het algemene sentiment bepalen voor zijn nieuwste productaanbod? Deze tak van NLP zal steeds bruikbaarder worden als waardevol marketingmiddel.
Vraag antwoorden
Zoekmachines brengen de schat aan informatie ter wereld binnen handbereik, maar zijn over het algemeen nog steeds vrij primitief als het gaat om het beantwoorden van specifieke vragen van mensen. Google heeft de frustratie gezien die dit heeft veroorzaakt bij gebruikers, die vaak een aantal verschillende zoekresultaten moeten proberen om het antwoord te vinden waarnaar ze op zoek zijn. Een groot deel van de inspanningen van Google in NLP bestond uit het herkennen van natuurlijke taalvragen, het onttrekken van de betekenis en het bieden van het antwoord, en de evolutie van de resultatenpagina van Google heeft deze focus laten zien. Hoewel dit zeker verbetert, blijft dit een grote uitdaging voor zoekmachines, en een van de belangrijkste toepassingen van natuurlijk taalverwerkingsonderzoek.
