NLU (ความเข้าใจภาษาธรรมชาติ) คืออะไร?

ความเข้าใจภาษาธรรมชาติ (NLU) เป็นแนวคิดทางเทคนิคในหัวข้อที่ใหญ่กว่าของการประมวลผลภาษาธรรมชาติ NLU เป็นกระบวนการที่รับผิดชอบในการแปลคำศัพท์ที่เป็นธรรมชาติของมนุษย์ ในรูปแบบที่คอมพิวเตอร์สามารถตีความได้ โดยพื้นฐานแล้ว ก่อนที่คอมพิวเตอร์จะสามารถประมวลผลข้อมูลภาษาได้ จะต้องเข้าใจข้อมูลนั้นเสียก่อน

เทคนิคสำหรับ NLU รวมถึงการใช้ไวยากรณ์และกฎไวยากรณ์ทั่วไปเพื่อให้คอมพิวเตอร์เข้าใจความหมายและบริบทของภาษาธรรมชาติของมนุษย์ เป้าหมายสูงสุดของเทคนิคเหล่านี้คือการที่คอมพิวเตอร์จะมีความเข้าใจในภาษาแบบ “หยั่งรู้” สามารถเขียนและเข้าใจภาษาได้เช่นเดียวกับที่มนุษย์ทำ โดยไม่ต้องอ้างอิงถึงคำจำกัดความของคำตลอดเวลา

การกำหนด NLU (ความเข้าใจภาษาธรรมชาติ)

มีเทคนิคมากมายที่นักวิทยาศาสตร์คอมพิวเตอร์และผู้เชี่ยวชาญด้าน NLP ใช้เพื่อให้คอมพิวเตอร์เข้าใจภาษามนุษย์ เทคนิคส่วนใหญ่จัดอยู่ในหมวดหมู่ของ "การวิเคราะห์วากยสัมพันธ์" เทคนิคการวิเคราะห์วากยสัมพันธ์ประกอบด้วย:

• เล็มมาไลเซชัน
• อารมณ์
• การแบ่งส่วนคำ
• การแยกวิเคราะห์
• การแบ่งส่วนทางสัณฐานวิทยา
• ทำลายประโยค
• ส่วนหนึ่งของการติดแท็กคำพูด

เทคนิคการวิเคราะห์วากยสัมพันธ์เหล่านี้ใช้กฎทางไวยากรณ์กับกลุ่มคำและพยายามใช้กฎเหล่านี้เพื่อหาความหมาย ในทางตรงกันข้าม NLU ดำเนินการโดยใช้เทคนิค "การวิเคราะห์เชิงความหมาย"

การวิเคราะห์ความหมายใช้อัลกอริธึมของคอมพิวเตอร์กับข้อความ โดยพยายามเข้าใจความหมายของคำในบริบทตามธรรมชาติของคำเหล่านั้น แทนที่จะอาศัยวิธีการตามกฎ ความถูกต้องทางไวยากรณ์/ความไม่ถูกต้องของวลีไม่จำเป็นต้องสัมพันธ์กับความถูกต้องของวลี อาจมีวลีที่ถูกต้องตามหลักไวยากรณ์แต่ไม่มีความหมาย และวลีที่ไม่ถูกต้องตามหลักไวยากรณ์แต่มีความหมาย เพื่อแยกความแตกต่างของคำที่มีความหมายมากที่สุด NLU ใช้เทคนิคต่างๆ มากมายที่มีจุดมุ่งหมายเพื่อรับความหมายของกลุ่มคำโดยพึ่งพาโครงสร้างและกฎเกณฑ์ทางไวยากรณ์น้อยกว่า

NLU เป็นสาขาที่มีการพัฒนาและเปลี่ยนแปลง และถือว่าเป็นหนึ่งในปัญหาหนักของ AI มีการพัฒนาเทคนิคและเครื่องมือต่างๆ เพื่อให้เครื่องจักรเข้าใจภาษามนุษย์ ระบบ NLU ส่วนใหญ่มีองค์ประกอบหลักบางอย่างที่เหมือนกัน จำเป็นต้องมีคำศัพท์สำหรับภาษา เช่นเดียวกับตัวแยกวิเคราะห์ข้อความและกฎไวยากรณ์บางประเภทเพื่อเป็นแนวทางในการสร้างการแสดงข้อความ ระบบยังต้องการทฤษฎีความหมายเพื่อให้สามารถเข้าใจการเป็นตัวแทนได้ มีทฤษฎีความหมายมากมายที่ใช้ในการตีความภาษา เช่น การวิเคราะห์ความหมายเชิงสุ่มหรือความหมายไร้เดียงสา

เทคนิค NLU ทั่วไปประกอบด้วย:

• ชื่อการรับรู้เอนทิตี
• ความไม่กำกวมของความรู้สึกคำ

Named Entity Recognition คือกระบวนการจดจำ “Named Entity” ซึ่งก็คือบุคคลและสถานที่/สิ่งของที่สำคัญ การรู้จำเอนทิตีที่มีชื่อดำเนินการโดยแยกแยะแนวคิดพื้นฐานและการอ้างอิงในเนื้อหาของข้อความ ระบุเอนทิตีที่มีชื่อและวางไว้ในหมวดหมู่ เช่น สถานที่ วันที่ องค์กร บุคคล งาน เป็นต้น โดยทั่วไปแล้ว แบบจำลองที่มีการควบคุมตามกฎไวยากรณ์จะใช้เพื่อดำเนินการ NER งาน

การแก้ความกำกวมของ Word-Sense เป็นกระบวนการในการกำหนดความหมายหรือความรู้สึกของคำตามบริบทที่คำนั้นปรากฏ การแก้ความกำกวมของ Word-Sense มักจะใช้ส่วนหนึ่งของแท็กเกอร์คำพูดเพื่อกำหนดบริบทของคำเป้าหมาย วิธีการแก้ไขความกำกวมด้านความรู้สึกของคำที่ได้รับการดูแล ได้แก่ ผู้ใช้เครื่องเวกเตอร์ที่รองรับและการเรียนรู้โดยใช้หน่วยความจำ อย่างไรก็ตาม โมเดลการแก้ความกำกวมด้านความรู้สึกของคำส่วนใหญ่เป็นแบบจำลองกึ่งกำกับดูแลที่ใช้ทั้งข้อมูลที่ติดป้ายกำกับและไม่มีการติดป้ายกำกับ

ตัวอย่างของ NLU (ความเข้าใจภาษาธรรมชาติ)

ตัวอย่างทั่วไปของ NLU ได้แก่ การให้เหตุผลอัตโนมัติ การกำหนดเส้นทางตั๋วอัตโนมัติ การแปลด้วยคอมพิวเตอร์ และการตอบคำถาม

การให้เหตุผลอัตโนมัติ

การให้เหตุผลโดยอัตโนมัติ เป็นระเบียบวินัยที่มีจุดมุ่งหมายเพื่อให้เครื่องจักรได้รับประเภทของตรรกะหรือเหตุผล มันเป็นสาขาหนึ่งของวิทยาศาสตร์การรู้คิดที่พยายามทำการหักเงินตามการวินิจฉัยทางการแพทย์หรือแก้ทฤษฎีบททางคณิตศาสตร์โดยทางโปรแกรม/โดยอัตโนมัติ NLU ใช้เพื่อช่วยรวบรวมและวิเคราะห์ข้อมูลและสร้างข้อสรุปตามข้อมูล

การกำหนดเส้นทางตั๋วอัตโนมัติ

NLU มักใช้เพื่อทำให้งานบริการลูกค้าเป็นแบบอัตโนมัติ เมื่อมีการสร้างตั๋วบริการลูกค้า แชทบอทและเครื่องอื่นๆ สามารถตีความลักษณะพื้นฐานของความต้องการของลูกค้าและกำหนดเส้นทางไปยังแผนกที่ถูกต้อง บริษัทต่างๆ ได้รับการร้องขอการสนับสนุนนับพันคำขอทุกวัน ดังนั้นอัลกอริทึมของ NLU จึงมีประโยชน์ในการจัดลำดับความสำคัญของตั๋ว และทำให้ตัวแทนฝ่ายสนับสนุนสามารถจัดการตั๋วเหล่านั้นด้วยวิธีที่มีประสิทธิภาพมากขึ้น

การแปลด้วยเครื่อง

การแปลคำพูดหรือข้อความจากภาษาหนึ่งไปยังอีกภาษาหนึ่งอย่างถูกต้องเป็นเรื่องยาก ในความเป็นจริง, การแปลด้วยเครื่อง เป็นหนึ่งในปัญหาที่ยากที่สุดใน NLP และ NLU ระบบการแปลด้วยคอมพิวเตอร์จำนวนมากใช้กฎทางภาษาศาสตร์ในการแปลระหว่างภาษาต่างๆ แต่นักวิจัยกำลังแสวงหาวิธีการแปลระหว่างภาษาที่ซับซ้อนมากขึ้น การแปลด้วยเครื่อง NLU พยายามเปิดใช้งานการแปลที่แม่นยำยิ่งขึ้นโดยการรักษาบริบทและข้อมูลความหมายที่เกี่ยวข้องกับข้อความเป้าหมาย ระบบการแปลด้วยเครื่องที่แม่นยำที่สุดจะรวมกฎทางภาษาเข้ากับอัลกอริทึมที่แยกความหมายเชิงความหมาย

ตอบคำถาม

การรู้จำเสียงใช้เทคนิค NLU เพื่อให้คอมพิวเตอร์ เข้าใจคำถาม โพสด้วยภาษาธรรมชาติ NLU ใช้เพื่อตอบกลับผู้ใช้อุปกรณ์ในภาษาธรรมชาติ แทนที่จะให้รายชื่อคำตอบที่เป็นไปได้ เมื่อคุณถามคำถามกับผู้ช่วยดิจิทัล ระบบจะใช้ NLU เพื่อช่วยให้เครื่องเข้าใจคำถาม โดยเลือกคำตอบที่เหมาะสมที่สุดตามคุณลักษณะต่างๆ เช่น เอนทิตีที่รู้จักและบริบทของข้อความก่อนหน้า