处理支持自然语言的 AI 的八种方法

在当今的世界中，支持自然语言的 AI 不仅仅是一款“值得拥有的产品”，它更是一款必需品。据 Gartner 报告，“到 2024 年，多达 80% 的品牌化数字体验将通过虚拟人员提供给消费者。”

对话式 AI 远远超越了聊天机器人。处理自然语言的 AI 系统参与类似于人类的对话，理解上下文，并在几毫秒内提供智能响应。简而言之，自然语言处理是一种计算机程序，它理解人类语言的表达方式。自然语言处理一直处于发展变化之中，技术的新发展以及不断变化的策略完善了 AI 处理语言的方式。

Gartner 在“Gartner 2021 年企业 AI 战略路线图：自然语言架构，Anthony Mullen、Magnus Revang、Stephen Emmott、Erick Brethenoux、Bern Elliot、Jessica Echolm，2020 年 12 月 15 日”中列出了八种处理自然语言的方法。

2020 年，许多供应商将这种全新的颠覆性方法纳入了语言处理。在 NL 技术工作流的各个领域中，洞察引擎、文本分析、自然语言生成 (NLG) 以及对话式 AI 都使用这些模型。这些通用语言模型通常与迁移学习一起使用，以利用预先构建的深度学习模型（具有数万亿个参数）为行业和组织创建自定义模型。这些模型的示例包括 BERT/Meena 和 GPT2/3。

通过此中间件，您可以灵活地组合使用语音和对话引擎。将底层引擎与训练数据及其对话设计和集成分离开来。这些中间件供应商使用的典型引擎包括 Amazon Lex、Microsoft Bot Framework、Google Dialogflow、IBM Watson 和 Rasa。（请参见使用对话式 AI 中间件构建聊天机器人和虚拟助手）。

大多数业务智能 (BI) 工具已经为它们所做的事情提供了某种自然语言接口。但是，它们大多数的方法并不是完全对话式的。然而，计算查询正在快速改进。最新的有前景的工具是 Google TAPAS，它使用通用语言模型访问表格数据。有关 BI 和自然语言演变的更多信息，请参见本报告：随着增强分析将分析、BI 和数据科学整合到一起，世界将发生碰撞。

阿里巴巴、Oracle、IBM 和 Microsoft 等大型供应商，正在利用 NL 模型和通用组件的共享堆栈开发文档、语音、翻译和对话功能。

无论是搜索还是对话，许多供应商都改进了自身公民开发人员工具的“所见即所得”，并使其非技术界面更易于访问。少代码和无代码设计工具不仅适用于对话。会话式对话只是公民开发人员在没有技术知识的情况下可以设计的众多内容之一。如今，少代码和无代码平台不仅通常提供对话设计，而且还提供 RPA 和搜索应用程序开发，以及更多的标准 Web 2.0 设计元素。

语言服务正朝着更加多模式的方向发展，从而可以在人机之间实现丰富而自然的交流。例如，Openstream 使您能够同时与映射应用程序进行通信和交互。而百度翻译不仅可以从所说的话中获取线索，还可以从视频场景中的视觉对象中获得提示。

今天，分布式数据管理和丰富的先进之处在于 Data Fabric。通过数据集成方法的组合使用，您的 Data Fabric 可以为您提供可重复使用的数据服务、管道、语义层和 API。通过添加动态模式识别，或者甚至基于成本的优化，您可以进一步改进 Data Fabric（请参见 Data Fabric 揭秘）。

数据标记和标注公司越来越多地支持文本、语音和文档标注服务，以及计算机视觉。翻译公司通过使用由模型和人员组成的翻译中心来管理工作负载。

NetApp 简化了数据管理，让您可以专注于 AI 科学。我们以更快的速度为更多的数据和 AI 提供更多的动力。借助 NetApp^® 解决方案，您可以降低风险，并根据需要访问数据。NetApp AI 解决方案消除了边缘、核心和云端的瓶颈，从而实现了更高效的数据收集、提速的 NLP 工作负载和更流畅的云集成。如需了解更多信息，请访问我们的 AI 主页，并阅读我们有关对话式 AI 的博客。