[[187102]]

當(dāng)你每次問Siri方向時，一串復(fù)雜的代碼就會被激活，代碼使“她”理解你的問題，搜索你想要的信息，然后以你能理解的語言回答你的問題。這在過去幾年中成了現(xiàn)實(shí)。直到現(xiàn)在，我們還在與電腦以他們能理解的語言互動，而不是以我們的語言。我們已經(jīng)學(xué)會了他們的語言。

但是現(xiàn)在，他們在學(xué)習(xí)我們的語言。

這項(xiàng)支撐人機(jī)關(guān)系變革的技術(shù)是自然語言處理(Natural Language Processing, NLP)。它已經(jīng)在改變商業(yè)智能，這比簡單的互動走得更遠(yuǎn)。不久后，商業(yè)領(lǐng)域會轉(zhuǎn)型，僅僅通過與聊天機(jī)器人交談即可獲得改變?nèi)松男畔ⅰ?/p>

這個未來并不遙遠(yuǎn)。甚至可以說，它就在眼前。

什么是自然語言處理?

自然語言處理，也被稱為計(jì)算機(jī)語言學(xué)，結(jié)合了機(jī)器學(xué)習(xí)、人工智能和允許我們和類人機(jī)器對話的語言學(xué)。

想想幾年前，我們通過使用關(guān)鍵詞結(jié)合“與、或、非”的布爾搜索術(shù)語來實(shí)現(xiàn)有效的谷歌搜索。為了得到你想從谷歌得到的答案，你得知道它的語言。

然后，谷歌引入了語義搜索。它的算法學(xué)習(xí)了單詞之間的關(guān)聯(lián)，使你能夠把谷歌當(dāng)作朋友一樣詢問問題。在計(jì)算機(jī)內(nèi)部，它把這個問題翻譯成計(jì)算機(jī)能理解的布爾結(jié)構(gòu)化搜索——但這個過程是隱形的。

這和你問Siri“今天天氣如何”或“明天去北京哪一航班***”用的技術(shù)是一樣的，不用將你的英文修改為計(jì)算邏輯門。

你只需要問Siri：“明天去北京哪一航班***?”“她”就會回答：“理解，”然后便開始搜索從你所在的位置到北京的飛機(jī)航線，比較費(fèi)用，找到***的航班。Siri能理解“明天”和“***”，而不需要你指出具體的日期或定義“***”為***的價格。

這些例子還相對初級。盡管讓人印象深刻，它們還是會犯錯。當(dāng)它們犯錯時，說明你的問題需要以高度整合的數(shù)據(jù)回答。而自然語言處理的目的就是，廢棄用戶圖形界面——甚至是用戶界面，讓與機(jī)器互動變得與人對話一樣簡單。

這將是商業(yè)智能應(yīng)用的巨大分支。

自然語言處理將會使數(shù)據(jù)民主化

總體而言，***的影響將會是降低或徹底移除阻擋通入商業(yè)智能和大數(shù)據(jù)的屏障。許多商業(yè)智能領(lǐng)域的公司已經(jīng)注意到這個趨勢并取得了重大進(jìn)展，確保數(shù)據(jù)正變得便于用戶訪問且能輕松獲取。然而，這還有很長的路要走。

想像一下，未來你只需問出一個問題，就能在任何時間任何地點(diǎn)得到答案。把商業(yè)智能轉(zhuǎn)變成與聊天機(jī)器人的對話，了解信息將簡單得只需要問“過去三個季度的收入如何?”，不需要多年的經(jīng)驗(yàn)，不需要熟悉軟件，也不需要擔(dān)心提出的問題機(jī)器是否能理解。

基于對用戶圖形界面的需求正在減退的趨勢，自然語言處理將使訪問變得更容易。用戶可通過智能手機(jī)上的文本或語音命令進(jìn)行查詢，處理過程將在云端進(jìn)行。

谷歌現(xiàn)在可能會告訴你明天天氣如何，但不久后，你將能向你的私人數(shù)據(jù)聊天機(jī)器人了解到你的顧客今天感受如何，他們下周將會如何看待你的品牌等等主觀問題。

自然語言處理將使商業(yè)智能更具洞察力

目前，自然語言處理趨向于建立在將自然語言轉(zhuǎn)化為機(jī)器語言的基礎(chǔ)上。然而，當(dāng)這項(xiàng)技術(shù)成熟后——尤其是人工智能部分——電腦將會更好地“理解”需求并提供答案，而不用去搜索結(jié)果。

這要比用自然語言問問題向前走了進(jìn)一步。最初，數(shù)據(jù)聊天機(jī)器人可能在回答一個問題時，如“過去三個季度的收入如何變化”，跳出幾頁數(shù)據(jù)讓你去分析。

一旦它學(xué)會語義關(guān)系和問題推論，它將能自動篩選并組織成一個智能答案而不再是僅僅告訴你數(shù)據(jù)。

你將不會再用自然語言問問題。

自然語言處理將駕馭非結(jié)構(gòu)化數(shù)據(jù)

自然語言處理通過使機(jī)器理解非結(jié)構(gòu)化數(shù)據(jù)擴(kuò)展了答案可能會在的范圍。

情緒分析的早期嘗試成效已經(jīng)遠(yuǎn)遠(yuǎn)超出預(yù)期，比如，可以做到從一條關(guān)于你業(yè)務(wù)的微博中分析周圍文本并決定這條微博傳遞的情緒是正面的，負(fù)面的，還是中立的。當(dāng)語言識別技術(shù)提升后，音頻和視頻同樣將成為更容易獲得的資源。

現(xiàn)在還只是這項(xiàng)技術(shù)的初期，情緒分析目前達(dá)成的水平可從使用谷歌翻譯一篇德語新聞(一個依賴于自然語言處理各個方面的過程)的準(zhǔn)確度中略見一斑。走在語義分析前沿的國際商業(yè)機(jī)器公司的沃森系統(tǒng)(IBM’s Watson)，如今僅能檢測到喜悅、恐懼、悲傷、惡心和憤怒等情緒，而人類能感受更多種情感。

隨著沃森公司的任務(wù)更加細(xì)化，自然語言處理開放了大量的公共多媒體，用于機(jī)器的大量分析、獲取過去需要人工分析才能得到的數(shù)據(jù)，并給出量化答案、自然語言答案或是同時給出兩種答案。

雇傭一個私人數(shù)據(jù)助手

這個即將實(shí)現(xiàn)的界面與你今日在網(wǎng)上所見的服務(wù)型聊天機(jī)器人類似。它能驅(qū)動你的各種應(yīng)用，結(jié)合你的商業(yè)智能分析滲入你業(yè)務(wù)的方方面面，任意時刻都能提供數(shù)據(jù)驅(qū)動的處理。

想象你的商業(yè)智能聊天機(jī)器人在不遠(yuǎn)的未來就會像過去的回形針一樣，隨時能回答Slack聊天、Skype會議或微軟日歷標(biāo)注的事件上的問題。

誰是你公司今年的***售貨員?要得到這個問題的答案將不再通過問你自己，而是點(diǎn)擊你的數(shù)據(jù)。你將能問聊天機(jī)器人任意問題并得到答案，這過程就像你求助***的朋友圈一樣簡單。