Quando arriverà finalmente la PNL?

Chi non vorrebbe farlo: pronunciare rapidamente alcune idee sul proprio smartphone, l'app riconosce ciò che viene detto e lo scrive parola per parola. L'assistente vocale di Google ottiene già risultati interessanti con i parlanti di lingua inglese. In tedesco, i risultati non sono ancora impressionanti.

Oppure: si parla allo smartphone e questo dà risposte significative - si sviluppa un dialogo animato. Un controllo con Siri mostra quanto siamo ancora lontani da questo.

Oggi i chatbot sono presenti in diversi siti web per assistere gli utenti nelle loro richieste di informazioni su prodotti e servizi. Non sempre offrono una buona esperienza al cliente.

Non esistono ancora applicazioni affidabili in grado di stabilire con precisione il contesto di una determinata domanda. Ma non ci vorrà molto prima che l'elaborazione del linguaggio naturale (NLP) sia in grado di decifrare le insidie linguistiche e di inserire il linguaggio parlato nel giusto contesto.

La PNL è la capacità di un programma informatico di comprendere il linguaggio naturale esattamente come viene parlato o scritto. Elabora testi e discorsi in modo automatico. Viene utilizzato nel contesto della tecnologia AI (intelligenza artificiale). Una delle applicazioni più antiche e semplici della PNL è il rilevamento dello spam. Un programma informatico decide, sulla base dell'oggetto e del testo di un'e-mail, se si tratta di un messaggio di spam o meno. Si tratta di un approccio basato su regole, in cui agli algoritmi viene detto quali parole, frasi o frasi cercare in un testo. Gli attuali approcci NLP si basano sull'apprendimento automatico, o deep learning: un computer agisce sulla base di modelli pre-addestrati. Sulla base di innumerevoli esempi, la macchina stessa riconosce il significato di un testo. L'idea alla base è che un programma informatico impari la lingua quasi come un bambino.

Le applicazioni di PNL devono affrontare la sfida che i computer affrontano di solito con uno specifico linguaggio di programmazione. I linguaggi di programmazione devono essere precisi, non ambigui e strutturati. Il linguaggio naturale è tutt'altro che preciso. È spesso ambiguo e la struttura linguistica dipende da variabili complesse come i dialetti regionali, il contesto sociale, uno slang o un particolare argomento o campo.

Spesso l'elaborazione del linguaggio umano riguarda le query di ricerca. Gli esseri umani sono abituati a ottenere informazioni in un certo modo: pone una domanda. Allo stesso modo, vogliono interrogare i computer per ottenere set di dati: inseriscono una domanda, il computer riconosce gli elementi più importanti del set di domande, li assegna a determinate caratteristiche di un set di dati esistente e visualizza i risultati trovati. In gergo tecnico, questa operazione si chiama "tokenizzazione".

Un esempio:

Qualcuno cerca su Google: Quando è il prossimo volo da Zurigo ad Amsterdam? La tokenizzazione mette in moto un processo in cui il testo dato viene diviso e segmentato in elementi più piccoli, come intere frasi o parole.

Nell'esempio precedente, si riconosce che:

• Quando = una data dovrebbe essere
• Flyer = L'aeromobile è
• Zurigo, Amsterdam = Gli aeroporti sono

L'interrogazione del database cerca ora i voli nel prossimo futuro da Zurigo ad Amsterdam e visualizza i risultati trovati.

Tuttavia, la PNL può essere utilizzata anche per interpretare il testo libero e renderlo analizzabile. Ad esempio, i campi di testo libero sono importanti nei sondaggi per catturare suggerimenti concreti di miglioramento o opinioni individuali. Prima del Deep Learning, questi file di testo non erano né analizzabili al computer né sistematicamente. Ogni singola risposta doveva essere letta e valutata. Con l'NLP, un numero illimitato di risposte testuali può essere ricercato alla ricerca di informazioni rilevanti e analizzato o classificato. Oggi le piattaforme di intelligent insights sfruttano questo vantaggio per i sondaggi e impiegano l'NLP per l'analisi del testo. L'analisi del sentimento (sentiment mining) mostra, ad esempio, quali commenti riflettono opinioni e stati d'animo positivi, neutri o negativi.

Nel campo dell'IoT (Internet of Things), gli assistenti vocali vengono utilizzati per attivare un'azione in risposta a un preciso comando vocale: Il forno viene acceso a 200 gradi, le tapparelle vengono abbassate, il riscaldamento viene impostato a 21 gradi.

Funzioni di traduzione automatica di Google o DeepL utilizzano anche l'NLP e il Deep Learning. A tal fine, la macchina interpreta il significato dei testi e lo trasferisce in un'altra lingua.

La quantità quasi illimitata di nuovi file di testo che vengono prodotti online ogni giorno oggi aiuterà la PNL a migliorare la "comprensione del linguaggio" e la sicurezza contestuale in futuro. L'utente sarà presto in grado di avere una conversazione ragionevolmente significativa con l'assistente vocale. E forse, a un certo punto, un allenatore mentale e di fitness si prenderà cura della salute fisica e mentale dell'utente.

Per le aziende, questo offre una moltitudine di possibilità di applicazione nuove o migliorate: Un assistente vocale digitale accompagna le vendite ai clienti, ascolta le riunioni, le registra e le archivia nel CRM. Coadiuva l'acquisizione di nuovi clienti e segnala quali sono le domande e l'intonazione della voce che suscitano reazioni positive. I chatbot rispondono al telefono dei clienti, rispondono alle domande o inoltrano i clienti. Scrivono articoli su determinati argomenti specialistici, traducono cataloghi di prodotti, correggono testi e presentazioni aziendali. A livello interno, la PNL aiuta a risparmiare enormi quantità di tempo nella ricerca di informazioni. Con le applicazioni NLP nell'intranet, nella ricerca aziendale o anche su Internet, i dipendenti possono porre domande W per trovare le informazioni di cui hanno bisogno.

L'NLP consente alle aziende di migliorare continuamente l'approccio e l'esperienza dei clienti. Saranno in grado di analizzare un'ampia gamma di fonti di dati diverse e di utilizzare l'analisi predittiva, la previsione del futuro probabile e delle tendenze. In questo modo, è possibile riconoscere tempestivamente le tendenze e avviare sviluppi adeguati.