Natural language processing

Co to jest przetwarzanie języka naturalnego? Dzięki czemu rozmawiamy z telefonami, przeglądarkami i asystentami cyfrowymi?

Udostępnij:

Przetwarzanie języka naturalnego – Natural Language Processing (NLP) to zdolność oprogramowania komputerowego do rozpoznawania, analizowania i przetwarzania ludzkiej mowy w tekst oraz dokonywania jej analizy w odpowiednim kontekście, sytuacji i dostępnych danych oraz zdolność do generowania tekstu z informacją zwrotną i konwertowania go w mowę ludzką.

Jak używamy NLP? Rozmawiając z Voicebot’ami – czyli robotami, które rozumieją co mówimy, rozmawiają z nami i odpowiadają nami oraz przekazują nam istotne dla nas informacje.

Jak to działa?

Rozpoznawanie mowy i konwersja na tekst.

Rozpoznawanie mowy to proces tworzenia transkrypcji inaczej mówiąc konwersji mowy ludzkiej na tekst. Realizowany jest poprzez silnik Real-Time ASR czyli rozpoznawania mowy w czasie rzeczywistym – Automatic Speech Recognition (ASR) / Speech-To-Text (STT). Rozpoznaje on wymawiane słowa (przez człowieka, z nagrań lub boty), porównuje je z pewną liczbą zdefiniowanych możliwości, dokonuje identyfikacji ich biorąc pod uwagę kształt fali wymowy i konwertuje na tekst.

Analiza semantyczna tekstu

Analiza semantyczna to proces zrozumienia znaczenia tekstu generowanego przez ASR poprzez wyodrębnienie poszczególnych jednostek i relacji między jednostkami i ich atrybutami. To element kluczowy który jest potrzebny do Interpretacji.

Interpretacja tekstu

Interpretacja jest kluczowym procesem przekształcania tekstu wygenerowane z mowy człowieka w format zrozumiały dla maszyny w celu analizy danych lub tłumaczenia maszynowego. Komponent odpowiedzialny za realizację strategii dialogowych (call steering) np. w systemach obsługi głosowej np. Interactive voice response (IVR) IVR systemu w telekomunikacji umożliwiającego interaktywną obsługę osób dzwoniących czy odbierających połączenia głosowe. W tym komponencie przy wykorzystaniu technologii Natural Language Understanding (NLU), oraz zarządzania dialogami Dialogue Management(D) następuje kluczowe dla NLP zrozumienie co mówi i jakiej odpowiedzi oraz informacji oczekuje osoba, a także jakie informacje można danej osobie udostępnij lub przekazać w odpowiedzi głosowej. Przy czym ważne jest nie tylko zrozumienie tekstu ale i zachowania, oczekiwań, modulacji głosu i oczekiwań i dostosowanie odpowiednio sposobu generowania głosu. poprawna interpretacja  wejściu dostaje wypowiedź Użytkownika, a na wyjściu zwraca listę rozpoznanych intencji oraz parametrów. Umożliwia on również douczanie modelu w czasie rzeczywistym przy zapewnieniu jakości detekcji.

Generowanie tekstu

Proces generowania odpowiedzi tekstowej w oparciu o wiedzę, kontekst i reguły lingwistyczne przy wykorzystaniu technologii Natural Language Generation (NLG) oraz integracja z zasobami zewnętrznymi przez External Resource Manager (ERM) tj. bazy danych, systemy telekomunikacyjne, bankowe, sprzedażowe, medyczne i inne. 

Generowanie mowy

Proces generowania naturalnie brzmiących wypowiedzi realizowany poprzez technologię przekształcania tekstu w mowę ludzką przy wykorzystaniu technologii Tekst-To-Speech (TTS) w odpowiednim języku, dialekcie, intonacji i sposobie wypowiedzi.

Kluczowe elementy NLP

  • Automatic Speech Recognition (ASR)
  • Natural Language Understanding (NLU)
  • Dialogue Management (DM)
  • Natural Language Generation (NLG) 
  • External Resource Manager (ERM)
  • Tekst-To-Speech (TTS)

Moduły

  • ASR jest istotny dla zrozumienia i tym samym finalnego efektu.
  • NLU jest istotny dla prawidłowej interpretacji, weryfikacji, bezpieczeństwa user experience i wygenerowania odpowiedzi.
  • DM jest istotny dla skalowalności i elastyczności zastosowania NLP.
  • ERM jest istotny dla możliwości użycia i dostępności wielu źródeł danych.
  • TTS jest i wykorzystany głos jest istotny dla sprostania oczekiwaniom rozmówcy.

Całość powinna współpracować ze sobą tak, aby rozumieć i na bieżąco interpretować oraz elastycznie generować odpowiedzi w sposób oczekiwany i indywidualny dla rozmówcy w oparciu o wiedzę, kontekst i reguły językowe.

W jakich procesach jest wykorzystywane NLP? 

  • Obsługa klientów.
  • Obsługa dostawców.
  • Obsługa reklamacji.
  • Systemy informacyjne i przypominające..
  • Promocja usług i produktów online, telefonicznie.
  • Windykacja należności.
  • Rejestracja zgłoszeń, rezerwacji, zamówień itp.
  • Sprzedaż usług i produktów.

W jakich branżach jest wykorzystywane NLP? 

  • Logistyka.
  • Telekomunikacja.
  • Bankowość.
  • Ubezpieczeniach.
  • Leasing.
  • Windykacja.
  • Turystyka.
  • Marketing.
  • FMCG.
  • Medycyna.

w wielu Call Centers w.w. branż ale także innych obsługujących wiele branż.

I wszędzie tam, gdzie mamy do czynienia z masową komunikacją głosową.

Do czego można wykorzystać NLP? Jakie są korzyści z wykorzystania NLP?

Codzienne czynności

Tworzenie wirtualnych asystentów jak Siri i Alexa, aby ułatwić życie i pracę dając łatwy i szybki dostęp do informacji, kontrolę i wykonanie codziennych czynności. Pozwala na ułatwienie i umilenie codziennego życia i pracy.

Marketing usług i produktów

Do generowania treści potrzebnych do kampanii marketingowych. NLP pomaga w tworzeniu, automatyzacji i optymalizacji komunikacji aby ludzie mogli skupić się na procesie sprzedaży i marketingu. Korzystając z Natural Language Processing można na bieżąco i bardzo szybko generować treści i komunikaty. Nie wymaga to ręcznego wprowadzania danych i informacji przez człowieka, po sparametryzowaniu kampanii NLP zadziała i obsłuży kampanię. Pozwala na skalowanie działań bez potrzeby zwiększania zaangażowania ludzi. Generowania odpowiedzi i treści promocyjnych w wielu niemal dowolnych językach.

Automatyzacja procesów

Automatyzacja wykonania czynności. Zrozumienie wypowiedzi, komend, wykonanie czynności przez oprogramowanie czy roboty programowe RPA, automatyczny zwrot informacji i raportów do odbiorcy. Pozwala na skrócenie czasu procesu, zmniejszenie kosztów realizacji oraz ilości błędów i bezpieczeństwa.

Tłumaczenie maszynowe

Wsparcie życia ludzi i działalności firm w międzynarodowym środowisku. Pozwala na  obsługę osób w niemal dowolnym języku i automatyczne tłumaczenie wypowiedzi z innego języka na mowę w języku zrozumiałym dla rozmówcy. Pozwala na skrócenie czasu obsługim, wzrost satysfakcji, zmniejszenie kosztów  ludzkich – czasu pracy i zatrudniania osób wielojęzycznych.

Identyfikacja i współdzielenie danych

Rozpoznawanie głosu do rozpoznawania mówiącego służąca jako funkcja identyfikacyjna. Pozwala na zwiększenie bezpieczeństwa i zapewnienie dostępu dla osób autoryzowanych. Wykorzystanie NLP pozwala także na bezpieczne zanonimizowane zbieranie danych i informacji.

Kluczowe punkty

  • oszczędza czas
  • oszczędza zasoby ludzkie
  • minimalizuje koszty
  • zwiększa przychody
  • ułatwia pracę i życie
  • rozpoznaje mowę w wielu językach
  • generuje tekst w wielu językach
  • rozpoznaje tekst w wielu językach
  • generuje mowę w wielu językach
  • zwiększa satysfakcję
  • pozwala działać i żyć lokalnie i międzynarodowo

Różne firmy używają NLP do różnych celów ponieważ mowa i język naturalny jest najbardziej naturalnym i powszechnym sposobem komunikacji.

Na co zwrócić uwagę wybierając NLP?

Wybierając NLP należy dopasować je do swoich  potrzeb w zakresie generowania treści?

Wybór narzędzia zależy od potrzeb i celów. najbardziej opłacalne jest wtedy kiedy mamy do czynienia z dużą ilością treści i komunikacji głosowej, która zawiera wiele informacji i danych. Drogę z NLP można rozpocząć z niewielką ilość dialogów i treści do testowania pomysłów przy wykorzystaniu oprogramowania open-source np. w waszych telefonach czy przeglądarkach lub oprogramowaniu biurowym czy edytorach tekstu. Pomimo iż technologia ta jest dostępna niemal “za darmo” to pamiętajmy że jeśli zależy nam bezpieczeństwie i poufności należy użyć sprawdzonego oprogramowania wykorzystywanego przez duże organizacje od sprawdzonych dostawców dbając o to jakiego rodzaju wsparcia potrzebują, zanim wybiorą oprogramowanie.

Gartner postrzega NLP i Voiceboty / Chatboty jako najważniejsze technologie w ekosystemie sztucznej inteligencji (AI). Raport Gartner na ten temat znajdziecie tutaj 

 

Bartosz Radziszewski, autor programu Digital Finance Excellence