Menu

Acht manieren om AI met ondersteuning voor natuurlijke taal te verwerken

Een persoon met een smartphone in de hand
Table of Contents

Share this page

Mike McNamara
149

In de wereld van vandaag is AI met ondersteuning voor natuurlijke taal niet alleen ‘leuk om te hebben’, maar zelfs onmisbaar. Volgens Gartner heeft “tegen 2024 tot 80% van de consumenten digitaal contact met merken via virtuele medewerkers.”

Gespreks-AI gaat veel verder dan chatbots. Als in een AI-systeem natuurlijke taal wordt verwerkt, levert dit menselijke gesprekken op, kan context worden herkend en kunnen binnen enkele milliseconden intelligente antwoorden worden gegeven. Simpel gezegd is natuurlijke-taalverwerking een computerprogramma dat de menselijke taal begrijpt zoals deze wordt gesproken. De natuurlijke-taalverwerking verandert voortdurend: nieuwe technologische ontwikkelingen en continu veranderende strategieën verfijnen de manier waarop taal wordt verwerkt op basis van AI.

Gartner heeft acht manieren voor de verwerking van natuurlijke taal vermeld in 2021 Strategic Roadmap for Enterprise AI: Natural Language Architecture, Anthony Mullen, Magnus Revang, Stephen Emmott, Erick Brethenoux, Bern Elliot, Jessica Ekholm, 15 december 2020:

1. Gegeneraliseerde taalmodellen of transformatiemodellen

In 2020 hebben veel leveranciers deze revolutionaire aanpak overgenomen in hun taalverwerking. De modellen worden gebruikt voor inzichten-engines, tekstanalyses, natuurlijke-taalgeneratie en gespreks-AI met alle aspecten van de technologieworkflow voor natuurlijke taal. Gegeneraliseerde taalmodellen worden vaak gebruikt bij overdrachtslearning om vooraf ontwikkelde deep learning-modellen (met biljoenen parameters) toe te passen om aangepaste modellen te maken voor branches en organisaties. Voorbeelden van deze modellen zijn BERT/Meena en GPT2/3.

2. Conversationele middleware

Met deze middleware kunt u spraak- en gespreksengines flexibel combineren. De onderliggende engine wordt hierbij losgekoppeld van de trainingsdata en het ontwerp en de integratie van de dialoog. Amazon Lex, Microsoft Bot Framework, Google Dialogflow, IBM Watson en Rasa zijn voorbeelden van engines die door deze middleware-leveranciers worden gebruikt. (Zie “Using Conversational AI Middleware to Build Chatbots and Virtual Assistants”.)

3. Zoekacties en gesprekken uitbreiden naar computationele query's

In de meeste BI-tools (Business Intelligence) is natuurlijke taal op de een of andere manier ingebouwd. Bij de meeste van deze tools is de interface echter niet volledig gespreksgebaseerd. Daartentegen worden computationele query's snel verbeterd. De meest recente veelbelovende tool is Google TAPAS, waarbij gebruik wordt gemaakt van gegeneraliseerde taalmodellen om toegang te krijgen tot tabellaire data. Lees meer over de evolutie van BI en natuurlijke taal in dit rapport: Worlds Collide as Augmented Analytics Draws Analytics, BI and Data Science Together.

4. Modulaire deep learning-stacks en -modules van leveranciers voor natuurlijke-taalverwerking

Grote leveranciers zoals Alibaba, Oracle, IBM en Microsoft ontwikkelen document-, spraak-, vertaling- en gespreksfunctionaliteit vanuit een gedeelde stack natuurlijke-taalmodellen en gemeenschappelijke componenten.

5. ‘Citizen-ontwikkeling’ voor natuurlijke taal democratiseren

Of het nu gaat om zoeken of het voeren van een gesprek, veel leveranciers hebben de WYSIWYG-ervaring van hun ‘citizen developer’-tools verbeterd en hun niet-technische interfaces toegankelijker gemaakt. Er zijn ontwerptools beschikbaar voor meer dan alleen dialoog, waarbij u (vrijwel) geen kennis hoeft te hebben van code. Gespreksdialoog is slechts een van de vele dingen die ‘citizen developers’ kunnen ontwerpen zonder technische kennis. Tegenwoordig kunnen met platforms waarvoor u geen tot weinig code hoeft te gebruiken niet alleen dialogen, maar ook RPA- en zoekapplicaties worden ontwikkeld, samen met meer standaard Web 2.0-ontwerpelementen.

6. Leveranciers met multimodale oplossingen die taalmodellen uitbreiden naar computervisie en -vertaling

Taalservices worden in steeds grotere mate multimodaal, wat leidt tot een interactievere en natuurlijke communicatie tussen mensen en machines. Openstream biedt u bijvoorbeeld de mogelijkheid om gelijktijdig te praten en te communiceren met kaartapplicaties. En Baidu Translate haalt aanwijzingen niet alleen uit gesproken woorden, maar ook uit visuele voorwerpen in videobeeld.

7. Evolutie van datatoegang, metadatamanagement en graph-systemen

Tegenwoordig is de datafabric het allernieuwste wat het management en de verrijking van verspreide data betreft. Via uw datafabric kunt u beschikken over herbruikbare dataservices, pipelines, semantische tiers en API's door de mogelijkheid om data op verschillende manieren te integreren. U kunt uw datafabric nog verder verbeteren door herkenning voor dynamische schema's of zelfs kostengebaseerde optimalisatie te integreren (zie “Demystifying the Data Fabric”).

8. Een opkomende pipeline met tools en services voor natuurlijke-taalprojecten

Bedrijven die data labelen en aantekenen, ondersteunen steeds meer tekst-, spraak- en documentannotieservices in combinatie met computervisie. Vertaalbedrijven beheren hun workloads door vertaalhubs in te zetten met zowel modellen als mensen.

Meer informatie

NetApp vereenvoudigt datamanagement, zodat u zich kunt concentreren op de AI-wetenschap. We bieden meer rekenkracht, voor meer data, voor meer AI, sneller. Met NetApp®-oplossingen hebt u minder risico en hebt u toegang tot uw data waar u deze nodig hebt. AI-oplossingen van NetApp nemen knelpunten weg rondom uw netwerk en in de cloud. Hierdoor kunt u efficiënter data verzamelen, workloads voor natuurlijke-taalverwerking versnellen en de cloud gemakkelijker integreren. Ga voor meer informatie naar onze AI-startpagina en lees onze blog over gespreks-AI.

Mike McNamara

Mike McNamara is Senior Leader of Product and Solution Marketing bij NetApp en heeft al 25 jaar ervaring met marketing op het gebied van datamanagement en -storage. Voordat Mike meer dan 10 jaar geleden bij NetApp kwam werken, werkte hij bij Adaptec, EMC en HP. Mike speelde een centrale rol bij de lancering van het eerste, met de cloud verbonden AI-/ML-product (NetApp), uniforme scale-out storagesysteem en -software voor de hybrid cloud (NetApp), iSCSI- en SAS-storagesysteem en -software (Adaptec) en Fibre Channel-storagesysteem (EMC CLARiiON). Naast zijn eerdere rol als marketingvoorzitter bij de Fibre Channel Industry Association is hij nu lid van de Ethernet Technology Summit Conference Advisory Board, is hij lid van de Ethernet Alliance, levert hij regelmatig bijdragen aan vaktijdschriften en treedt hij frequent op als spreker tijdens evenementen. Mike heeft ook een boek gepubliceerd via FriesenPress met de titel “Scale-out Storage – The Next Frontier in Enterprise Data Management” en hij is door Kapos op de lijst met 50 vooraanstaande B2B-productmarketeers geplaatst.

View all Posts by Mike McNamara