八種方法啟用可支援自然語言的 AI

在當今的世界中，支援自然語言的 AI 不僅僅「值得擁有」，更是一種必需品。Gartner 表示：「到 2024 年，高達 80% 的品牌數位體驗將透過虛擬化人員提供給消費者。」

對話式 AI 遠超越聊天機器人。處理自然語言的 AI 系統會模擬人類對話、瞭解背景，並在幾毫秒內提供隨需智慧回應。簡而言之，自然語言處理是一種可以理解人類語言的電腦程式。自然語言處理技術不斷改變，新技術的開發和瞬息萬變的策略使 AI 處理語言的方式更臻完善。

Gartner 在 Gartner 2021 年企業 AI 策略藍圖：自然語言架構（ Anthony Mullen、 Magnus Revang、 Stephen Emmott、 Erick Brethenoux、 Bern Elliot、 Jessica Ekholm，2020 年 12 月 15日）中列出了八種處理自然語言的方法：

2020 年，許多廠商將這種全新的顛覆性方法納入語言處理。這些模型適用於洞察引擎、文字分析、自然語言產生 (NLG)，以及橫跨 NL 技術工作流程所有領域的對話式 AI 。這些通用語言模型通常與遷移學習搭配使用，以運用預先建置的深度學習模型（含數兆個參數），為產業和組織建立自訂模型。這些模型的範例包括 BERT/Meena 和 GPT2/3 。

此中介軟體可讓您靈活地組合使用語音和對話引擎。將底層引擎與其訓練資料及對話設計和整合分離。這些中介軟體廠商使用的典型引擎包括 Amazon Lex、Microsoft Bot Framework、Google Dialogflow、IBM Watson 和 Rasa。（請參閱使用對話式 AI 中介軟體來建置聊天機器人和虛擬助理）。

大部分的商業情資 (BI) 工具都為其工作提供某種自然語言介面。但大部分的方法並不完全是對話式的。不過，運算查詢的速度卻在快速改善。Google TAPAS 是最新的實用工具，它使用通用語言模型來存取表格式資料。請參閱下列報告中有關 BI 和自然語言演進的更多資訊：隨著擴增分析將分析、BI 和資料科學互相結合，世界將會發生碰撞。

Alibaba、Oracle、IBM 和 Microsoft 等大廠正從共享的 NL 模型和通用元件堆疊中開發文件、語音、翻譯和對話功能。

無論是用於搜尋或對話，許多廠商都改善了其素人開發者 (citizen developer) 工具的所見即所得，並使其非技術介面更容易存取。低程式碼和無程式碼設計工具不僅適用於對話。對話式對話只是素人開發者在不具備技術知識的情況下所能設計的眾多項目之一。如今，低程式碼與無程式碼平台不僅提供對話設計，也提供 RPA 與搜尋應用程式開發，以及更多標準的 Web 2.0 設計元素。

語言服務正朝著更加多模式的方向發展，讓人與機器之間能夠進行豐富且自然的溝通。例如，Openstream 可讓您同時與對應的應用程式交談及互動。而「百度翻譯」不僅從口語中獲得線索，也從視覺場景中的視覺物件取得線索。

現今，最先進的分散式資料管理與擴充技術就屬 Data Fabric。Data Fabric 可透過組合的資料整合方法，為您提供可重複使用的資料服務、管線、語義層和 API。您可以透過新增動態架構辨識，甚至是成本型最佳化來進一步改善 Data Fabric（請參閱 Data Fabric 解密）。

資料標記和註解公司越來越支援文字、語音和文件註解服務以及電腦視覺。翻譯公司使用模型和人員的翻譯中心來管理工作負載。

NetApp 簡化資料管理，讓您可以專注於 AI 科學。我們提供更強大的功能，讓您可以更快處理更多資料並獲得更多 AI 效益。憑藉 NetApp^® 解決方案，您可以降低風險，並在需要的地方存取資料。NetApp AI 解決方案消除了邊緣、核心和雲端的瓶頸，從而實現更有效率的資料收集、更快速的 NLP 工作負載，以及更順暢的雲端整合。若要深入瞭解，請造訪 AI 首頁並閱讀我們關於對話式 AI 的部落格 。