Non riflettiamo regolarmente sulla complessità delle lingue che parliamo. È un comportamento intuitivo, con cui si trasmettono informazioni e significati con elementi semantici, come parole, segni o immagini. Si dice che durante l'adolescenza sia più facile imparare una lingua e che risulti più naturale farlo, perché è un comportamento ripetibile che si può allenare, molto simile al camminare. E la lingua non segue un insieme di regole rigido: ci sono molte eccezioni.
Quello che risulta naturale per gli esseri umani è però estremamente difficile per i computer, a causa della grande quantità di dati non strutturati, della mancanza di regole formali e dell'assenza di un contesto o di un fine reale. Ecco perché l'apprendimento automatico e l'intelligenza artificiale (IA) ricevono sempre più attenzione e si diffondono, con le persone che dipendono in misura crescente dai sistemi informatici per comunicare e svolgere le loro attività. E via via che l'intelligenza artificiale diventa più sofisticata, anche l'elaborazione del linguaggio naturale (NLP) diventa più sofisticata. Anche se le sigle IA e NLP potrebbero evocare immagini di robot futuristici, nella nostra vita quotidiana troviamo già diversi esempi essenziali di NLP. Ecco alcuni esempi di spicco.
Filtri per le e-mail
I filtri per le e-mail sono tra le applicazioni più essenziali ed elementari della NLP online. Derivano dai filtri antispam, con cui si rilevano determinate parole o frasi che caratterizzano i messaggi di posta indesiderata. Ma il sistema di filtraggio è stato potenziato, proprio come è accaduto con i primi adattamenti della NLP.
Troviamo una delle applicazioni più diffuse e più recenti della NLP nella classificazione delle e-mail di Gmail. Il sistema rileva se le e-mail appartengono a una delle tre categorie di posta (Principale, Social, Promozioni) in base al contenuto. Questa soluzione aiuta gli utenti di Gmail ad avere una casella di posta di dimensioni gestibili, evidenziando le e-mail importanti e rilevanti, da leggere subito e a cui rispondere rapidamente.
Assistenti smart
Gli assistenti smart, come Siri di Apple e Alexa di Amazon, riconoscono gli schemi di enunciazione grazie al riconoscimento vocale, ne deducono il significato e forniscono una risposta. Ci siamo abituati a dire "Ehi Siri", fare una domanda e aspettarci che Siri capisca cosa abbiamo detto per poi dare risposte pertinenti in base al contesto. Ci stiamo anche abituando a vedere Siri o Alexa un po' ovunque nella nostra casa e nella nostra vita quotidiana, parlando con loro attraverso elementi come il termostato, gli interruttori della luce, l'automobile e altro.
Ora ci aspettiamo che gli assistenti come Alexa e Siri capiscano gli indizi contestuali mentre migliorano la nostra vita, facilitando certe attività come ordinare prodotti, e addirittura apprezziamo che rispondano con umorismo o rispondano a domande su se stessi. Via via che questi assistenti impareranno a conoscerci meglio, le nostre interazioni con loro diventeranno sempre più personali. Come spiega un articolo del New York Times intitolato "Why We May Soon Be Living in Alexa's World" (Perché presto potremmo vivere nel mondo di Alexa): "Sta succedendo qualcosa di grande. Alexa ha ottime possibilità di diventare la terza grande piattaforma informatica di consumo del decennio."
Risultati delle ricerche
I motori di ricerca utilizzano la NLP per ricavare risultati rilevanti in base ai comportamenti di ricerca analoghi o all'obiettivo dell'utente, in modo che l'utente medio trovi ciò che desidera senza essere un esperto di termini di ricerca.
Ad esempio, Google non solo prevede quali ricerche frequenti sono applicabili alla tua ricerca quando inizi a digitare, ma considera il contesto e riconosce ciò che stai cercando di dire, anziché i termini di ricerca esatti. Si può inserire un numero di volo in Google e ottenere informazioni sullo stato del volo o digitare la sigla di un titolo azionario e ricevere informazioni di borsa, oppure quando si inserisce un'equazione matematica Google può visualizzare una calcolatrice. Sono alcune delle varianti che si possono vedere quando si esegue una ricerca, perché la NLP nella ricerca associa la query ambigua a un'entità correlata e fornisce risultati utili.
Testo predittivo
Funzionalità come la correzione automatica, il completamento automatico e il testo predittivo sono così comuni negli smartphone che le diamo per scontate. Il completamento automatico e il testo predittivo sono simili ai motori di ricerca, perché anticipano ciò che si dirà in base a ciò che si digita, completando la parola o suggerendone una pertinente. A volte la correzione automatica cambia anche le parole in modo che il messaggio nel suo insieme sia più significativo.
E imparano da te. Il testo predittivo risulta sempre più personalizzato in base alle tue preferenze linguistiche, via via che lo usi. Si possono fare divertenti esperimenti in cui le persone si scambiano, via telefono, frasi complete composte interamente da testo predittivo. I risultati sono sorprendentemente personali e illuminanti; sono stati anche ripresi da diversi media.
Traduzione linguistica
Uno dei segni rivelatori del fatto che hai copiato i compiti di inglese è che sono colmi di errori grammaticali. Per molte lingue la traduzione diretta non è possibile: la sintassi segue ordini diversi che storicamente i servizi di traduzione online non riuscivano ad adattare correttamente. Ma hanno fatto parecchia strada.
Con la NLP, i traduttori online sono in grado di tradurre in modo più accurato, fornendo risultati grammaticalmente corretti: un risultato utilissimo per comunicare con qualcuno in un'altra lingua. Ma non è tutto: quando si traduce da un'altra lingua verso la propria, ora gli strumenti online riconoscono la lingua di partenza in base al testo inserito e lo traducono.
Telefonate digitali
Sentiamo spesso dire "questa chiamata potrà essere registrata per finalità di formazione", ma raramente ci chiediamo cosa questo comporti. Ebbene, queste registrazioni possono essere utilizzate per finalità di formazione, se un cliente non è soddisfatto, ma più spesso finiscono nel database di un sistema NLP per "addestrarlo" e per migliorarlo nel tempo. Dei sistemi automatizzati indirizzano le chiamate dei clienti a un operatore o a un chatbot online, i quali rispondono alle richieste dei clienti fornendo informazioni utili. Si tratta di una pratica di NLP adottata da molte aziende, compresi i grandi operatori del settore delle telecomunicazioni.
L'NLP consente anche di utilizzare un linguaggio generato dal computer simile a quello umano. Si possono automatizzare le telefonate per fissare un appuntamento per cambiare l'olio o tagliare i capelli, come dimostra questo video in cui l'Assistente Google fissa un appuntamento dal parrucchiere.
Analisi dei dati
Le capacità legate al linguaggio naturale vengono integrate nei flussi di lavoro di analisi dei dati perché sempre più fornitori di servizi di BI offrono un'interfaccia con linguaggio naturale per la visualizzazione dei dati. Un esempio è quello delle codifiche visive più intelligenti, che offrono la visualizzazione ottimale per l'attività desiderata in base alla semantica dei dati. Si espandono così le opportunità di esplorare i dati formulando frasi in linguaggio naturale o usando porzioni di domande composte da diverse parole chiave che possono essere interpretate e alle quali si può attribuire un significato.
L'uso del linguaggio nell'analisi dei dati non si limita a migliorare l'accessibilità, ma riduce le barriere nei confronti dell'analisi nelle organizzazioni, al di fuori dell'ambiente degli analisti e degli sviluppatori di software.
Per ulteriori informazioni su come il linguaggio naturale può aiutarti a visualizzare ed esplorare meglio i dati, dai un'occhiata a questo webinar.
Analisi del testo
L'analisi del testo converte i dati in formato testo non strutturati in dati significativi per l'analisi, avvalendosi di diverse tecniche linguistiche, statistiche e di apprendimento automatico.
L'analisi del sentiment appare scoraggiante per le aziende, soprattutto se hanno molti clienti, ma uno strumento che utilizza l'NLP analizza tipicamente le interazioni con i clienti, come i commenti o le recensioni sui social media o addirittura le occorrenze del nome dell'azienda, per vedere come ne parlano gli utenti. L'analisi di queste interazioni può aiutare le aziende a valutare l'andamento di una campagna di marketing o a monitorare i problemi dei clienti prima di decidere come reagire o di potenziare il servizio per migliorare l'esperienza del cliente.
Altri modi in cui la NLP contribuisce all'analisi del testo sono l'estrazione di parole chiave e la ricerca di strutture o modelli nei dati di testo non strutturati.
La NLP ha molte applicazioni nel mondo digitale e aumentano costantemente, via via che le aziende e i settori la adottano e ne scoprono il valore. È vero che un "tocco umano" è importante nelle situazioni comunicative più complesse, ma la NLP migliorerà la nostra vita gestendo e automatizzando prima le attività più semplici e in seguito anche quelle complesse, di pari passo con l'innovazione tecnologica.