تتحدث اللغة الطبيعية بصوت عالٍ عن تحول كبير في الذكاء الاصطناعي
في عالم اليوم، تعد البيانات موردًا طبيعيًا ثريًا يستحق ثروة في معرفة العلاقات. من أحدث أساليب العمل لفهم البيانات بشكل أكثر دقة معالجة اللغة الطبيعية أو معالجة اللغات الطبيعية. يتضمن مجال الذكاء الاصطناعي هذا تحليل الكلام والنص البشري لاستخلاص المعنى منه.
إن الخوض في البرمجة اللغوية العصبية هو كل شيء عن جمع البيانات – الكثير منها. يقوم رجال الأعمال والباحثون بالتعدين عليها لاكتساب نظرة ثاقبة حول كيفية تفاعلهم مع العملاء المحتملين والعملاء.
خبير بتطوير منصة ذكاء اصطناعي مبتكرة لفهم اللغة. يجمع نهجها الفريد للغة الطبيعية الهجينة بين الفهم الرمزي الشبيه بالإنسان والتعلم الآلي. الهدف هو استخراج المعرفة المفيدة والبصيرة من البيانات غير المهيكلة لتحسين عملية صنع القرار.
بدأت الشركة في مرآب لتصليح السيارات قبل أن تصبح مبتذلة. اليوم، أصبحت شركة مساهمة عامة (EXAI: IM) ولها مكاتب في أوروبا وأمريكا الشمالية.
تتمثل مهمتها في مساعدة الشركات العالمية والوكالات الحكومية على تحويل اللغة إلى بيانات. لماذا؟ تتمثل الاستجابة البسيطة في تحليل المستندات المعقدة، وفهم مخاطر السوق والفرص، وتسريع أتمتة العمليات الذكية لتحسين عملية صنع القرار.
قد يبدو هذا بسيطًا. وأشار لوكا سكالياريني ، كبير مسؤولي المنتجات في Expert.ai، إلى أن الأمر يتطلب الكثير من الذكاء الاصطناعي والكثير لجعله يعمل.
“من بين جميع تحديات الذكاء الاصطناعي، يعد فهم اللغة الطبيعية من أصعب التحديات. في حين أن معظم الحلول يمكن أن تتغلب بسرعة على كميات هائلة من البيانات المنظمة، فإن تعدد المعاني والفروق الدقيقة في اللغة أمر مختلف، “قال لموقع TechNewsWorld.
تجربة منصة فريدة
اعتمد مطورو Expert على منصة البرمجة اللغوية العصبية (NLP) على خبرة الشركة الواسعة في نشر المئات من حلول فهم اللغة الطبيعية (NLU). إنه يستفيد من التكنولوجيا الخاصة بالمطورين ويدمج خوارزميات ML الأكثر شيوعًا لتقديم نهج هجين فريد من نوعه لـ NLU، كما قدم Scagliarini.
كان المبدأ التوجيهي وراء تطويره هو تسهيل إنشاء حلول أو تطبيقات للذكاء الاصطناعي تعتمد على NLU. ومع ذلك، وبنفس القدر من الأهمية، قاموا بتصميم النظام الأساسي لسهولة الاستخدام من قبل أولئك الذين ليسوا خبراء في موضوع الذكاء الاصطناعي.
وقال: “من خلال جعل نظامنا الأساسي سهل الاستخدام وبديهيًا للأشخاص في جميع أنحاء المؤسسة، فإننا قادرون على مساعدة العملاء على زيادة عملياتهم التجارية، وتسريع وتوسيع قدرات علوم البيانات، وتمهيد الطريق لاعتماد الذكاء الاصطناعي”.
وتابع أنه لا توجد منصة أخرى جاهزة للمؤسسات ومصممة لهذا الغرض لـ NLP وNLU تغطي سير العمل الكامل. يتضمن ذلك تصميم وتطوير واختبار ونشر حل البرمجة اللغوية العصبية في الإنتاج.
“نحن نوفر أيضًا مجموعة مختلطة من التقنيات للجمع بين أفضل تقنيات الذكاء الاصطناعي من جميع العوالم. يمكن لـ Expert.ai العمل من خوارزميات ML والاستفادة من الرموز لفهم اللغة كما يفعل الناس. نحن المنصة الوحيدة التي أثبتت نجاحها في تحقيق كل هذا والقيام بذلك على المستوى الذي تحتاجه المؤسسات “.
الشفافية، الفارق الكبير
تتغلب المنصة أيضًا على أكبر عائق فردي أمام تقدم الذكاء الاصطناعي. هذا هو سيناريو الصندوق الأسود الشائع في ML.
الخطوات المستخدمة لحل المشكلة محجوبة وغير شفافة. نتيجة لذلك، لا توجد نظرة ثاقبة حول كيفية عملها أو ما يحدث بين كل مدخلات ومخرجات، كما أوضح Scagliarini.
وقال: “ينتج عن هذا نتائج لا يمكن تفسيرها دائمًا للمستخدمين العاديين، كما أنه يمثل مشكلة خاصة إذا شعر العملاء أنهم يعاملون بطريقة غير عادلة”.
يعمل استخدام Expert.ai للذكاء الاصطناعي الرمزي من نهج قائم على القواعد، مما يمكّن النظام الأساسي بشكل فريد من توفير رؤية كاملة لأي نموذج معين. باستخدام هذه الشفافية، يمكن للمستخدمين اكتشاف الأخطاء بسرعة في البيانات أو الخوارزمية وإنشاء قواعد جديدة لتصحيحها.
هذا النهج يبسط مشاريع الذكاء الاصطناعي ويقلل التكاليف. كما أنه يقلل من كمية البيانات المطلوبة لتدريب النظام والمخاطر الكامنة في جمع البيانات من خلال تسليط الضوء على كيفية استخدامه. يمكن بعد ذلك مشاركة هذا مع العملاء أو أي قاعدة مستخدمين أخرى، Scagliarini المشتركة.
فك رموز البرمجة اللغوية العصبية للأعمال
اللغة ضرورية لجميع جوانب نشاط المؤسسة. تعد الاستفادة من الذكاء الاصطناعي لتوسيع نطاق القدرة على الاستفادة من البيانات المخفية في اللغة عاملاً هامًا من عوامل النجاح.
طلبت TechNewsWorld من Scagliarini إزالة الغموض عن معالجة اللغة الطبيعية كمكون حيوي في الأعمال التجارية الحديثة والتكنولوجيا الكامنة وراء ما يقوم به Expert.ai.
TechNewsWorld: ماذا تفعل منصة البرمجة اللغوية العصبية الخاصة بـ Expert.ai؟
Luca Scagliarini: نظامنا الأساسي لفهم اللغة يجمع بين الأدوات البسيطة والقوية مع نهج الذكاء الاصطناعي المختلط المثبت. فهو يجمع بين التعلم الرمزي والآلي لحل مشاكل العالم الحقيقي.
تم نشر قدراتنا اللغوية الطبيعية القائمة على الذكاء الاصطناعي عبر مجموعة من الصناعات، بما في ذلك التأمين، والخدمات المصرفية والتمويل، والنشر، والإعلام، والدفاع، وخدمة العملاء مثل AXA XL، و Zurich Insurance Group، و Generali ، و The Associated Press، و Bloomberg INDG، BNP Paribas و Rabobank و Gannett وEBSCO.
ما الذي يميز نهج منصة Expert المختلطة؟
سكالياريني: لا توجد تقنية NLU مناسبة لكل تطبيق. بدلاً من ذلك، يجب أن تتمتع المنظمات بالمرونة لتنفيذ أفضل تقنية تناسب الاحتياجات الفريدة لكل تطبيق. نحن نجمع بين Symbolic AI و ML. إنهم لا يعملون معًا فحسب، بل يتفوقون عند الجمع بينهما.
يحاكي الذكاء الاصطناعي الرمزي قدرة الإنسان على قراءة وفهم معنى الكلمات في السياق. تخفف هذه القدرة من بعض قيود ML، ولهذا السبب، فإن المجموعة المدمجة من التقنيات هي الطريقة الأكثر فاعلية لإلغاء تأمين قيمة بيانات اللغة غير المهيكلة بالدقة والسرعة والحجم الذي تتطلبه أعمال اليوم.
على سبيل المثال، من خلال الفهم العميق للتأمين، يمكن استخراج البيانات من جميع أنواع المستندات. يسمح ذلك بأتمتة الأنشطة مثل معالجة المطالبات ومراجعات السياسة وتقييمات المخاطر. كل هذا يبسط سير العمل ويمكن أن يسمح لمتعهدي الاكتتاب بمعالجة أربعة أضعاف حجم مراجعات السياسة مع تقليل مخاطرهم بشكل كبير.
كيف تصبح بيانات التعدين مفيدة لفئات الأعمال الأخرى؟
Scagliarini: في التصنيع، يمكن أن يشمل التخفيف من مخاطر الطرف الثالث المستند إلى NL غربلة ملايين المقالات والمنشورات وبيانات مراقبة وسائل التواصل الاجتماعي “للإشارات الضعيفة” مثل الممارسات المشكوك فيها من قبل المورد. يمكّن هذا الشركة من اتخاذ خطوات لتحسين العمليات وحماية سمعتها.
يمكن لبائع التجزئة أيضًا تطبيق نهجنا لتحسين التحليلات لاتصالات العملاء. يمكن لبائعي التجزئة بعد ذلك التعلم من رسائل البريد الإلكتروني أو وسائل التواصل الاجتماعي أو روبوت الدردشة. في المقابل، يكتسب هذا فهمًا في الوقت الفعلي لسلوك الشراء والمنتجات والاتجاهات الناشئة.
ما هي حالات الاستخدام النموذجية للذكاء الاصطناعي لـ Expert.ai؟
Scagliarini: ثلاث مجالات رئيسية تساعد بشكل خاص الشركات.
تعمل أتمتة العمليات الذكية على سحب بيانات اللغة غير المهيكلة من جميع أنواع المستندات، مما يتيح أتمتة مجموعة من المهام. يستخرج اكتشاف المعرفة البيانات بسرعة لدعم اتخاذ قرارات أقوى وأسرع. تطبق تحليلات النص المتقدمة قدراتنا على أي تدفق للمعلومات غير المنظمة لتوفير نظرة ثاقبة لأشياء مثل سلوك العملاء والاتجاهات الناشئة.
يمكننا مساعدة شركات التأمين على تبسيط العمليات عبر الإنترنت من خلال الأتمتة. تستخدم المؤسسات المالية التكنولوجيا لتحديد الاحتيال. يستخدم الناشرون قدرات اكتشاف المعرفة لإثراء المحتوى واستخراج البيانات وتصنيفها. التطبيقات لا حصر لها.
ما هي مزايا هذه المنصة؟
Scagliarini: اللغة تُعزز الأعمال. إنها تغذي العمليات وتشكل الاتصالات الداخلية والخارجية وتوفر رؤية للأسواق المستهدفة والمزيد.
توفر المنصة فهمًا عميقًا للغة – بدءًا من المستندات المعقدة (مثل العقود ورسائل البريد الإلكتروني والتقارير وما إلى ذلك) إلى رسائل الوسائط الاجتماعية – وتحويلها إلى معرفة ورؤية ثاقبة. يؤدي هذا إلى اتخاذ قرارات أسرع وأفضل بدون كل الأعمال اليدوية والمستهلكة للوقت والمكلفة.
تم تصميمه لدعم العمليات اللغوية الأكثر صعوبة وبسيطة بما يكفي ليستخدمها رجال الأعمال. يكشف النظام الأساسي عن اللغة المخفية لمؤسسة ما لقيادة أي عملية أو تطبيق يعتمد على بيانات اللغة. إنها تفعل ذلك من خلال نهج هجين يسمح للمؤسسات بتسخير أفضل ما في عالم الذكاء الاصطناعي وتطبيقه بطرق قوية بشكل فريد لتحقيق ميزة تنافسية إضافية.
ماذا عن الآثار السلبية لاستخدام هذه التكنولوجيا؟
سكالياريني: تدور معظم الأفكار السلبية حول تقنية الذكاء الاصطناعي بشكل عام. قبل كل شيء، خلق الضجيج حول الذكاء الاصطناعي انطباعًا بأن الآلات يمكنها فعل كل ما يستطيع البشر القيام به بشكل أفضل. هذا بعيد عن الحقيقة
كانت المفاهيم الخاطئة مدفوعة من قبل البائعين وأصحاب الرؤى الذين يتوقعون أكثر بكثير مما هو ممكن ووضعوا توقعات غير واقعية. يمكّن الذكاء الاصطناعي الأشخاص من القيام بالمزيد والتركيز على المهام التي تحقق قيمة أكبر لمؤسستهم.
إنه مجرد شكل آخر من أشكال البرامج. يجب برمجتها واختبارها. يجب أن يكون الأشخاص دائمًا في الحلقة وعلى استعداد لتحري الخلل وإصلاحه. إنها بالكاد مجموعة وننسى ذلك الوضع. ولا يمكن للآلات أن تزيح الناس الذين تجعلهم يركضون.
كيف ترتبط اللغة الطبيعية الهجينة والبيانات الضخمة؟
سكالياريني: تشير البيانات الضخمة إلى السيناريو الشائع للمؤسسات لتوفير كميات كبيرة من البيانات. ومع ذلك، في العالم الحقيقي وفي العديد من العمليات، مثل تلك التي وصفناها من قبل، فإن البيانات المتاحة أو المتوافقة مع متطلبات الخصوصية ليست كافية لتدريب نموذج لغوي بفاعلية باستخدام ML الخالص.
باستخدام Hybrid NL بدلاً من ذلك، يمكنك معالجة هذه القيود واكتساب قيمة هائلة بكمية محدودة من البيانات. يحمل هذا النهج قيمة إضافية لأنه يمكن تطبيقه على العديد من حالات استخدام المؤسسات القائمة على اللغة.
المصدر: technewsworld
شاهد ايضا:
