We staan normaal gesproken niet stil bij de complexiteit van onze eigen taal. Het is intuïtief gedrag dat gebruikt wordt om informatie en betekenis over te brengen door middel van semantische aanwijzingen zoals woorden, gebaren en beelden. Er wordt gezegd dat het makkelijker en natuurlijker is om een taal te leren tijdens je jeugd, omdat het herhaald, aangeleerd gedrag is, vergelijkbaar met lopen. En taal volgt geen strikte regels, met allerlei uitzonderingen zoals ''t kofschip'.
Maar wat voor mensen heel natuurlijk is, is bijzonder lastig voor computers door de hoeveelheid ongestructureerde data, gebrek aan formele regels en het ontbreken van context en intentie. Machine Learning en AI winnen dan ook aan momentum en aandacht, nu mensen afhankelijker worden van communicatie en taakuitvoering door computersystemen. En doordat AI steeds verfijnder wordt, wordt natuurlijke-taalverwerking (NLP) dat ook. Hoewel de termen AI en NLP misschien beelden opwekken van futuristische robots, zijn er al eenvoudige voorbeelden van NLP te vinden in ons dagelijks leven. Dit zijn een aantal voorbeelden.
E-mailfilters
E-mailfilters zijn een van de eenvoudigste en eerste online toepassingen van NLP. Het begon met filters voor ongewenste mail door op bepaalde woorden en zinnen te zoeken die duiden op een ongewenst bericht. Maar het filteren is verbeterd, net zoals vroege aanpassingen aan NLP.
Een van de meest gangbare, nieuwere toepassingen van NLP is de e-mailclassificatie van Gmail. Het systeem herkent op basis van de inhoud of een e-mail in een van de drie categorieën thuishoort (primair, sociaal en reclame). Dat houdt de inbox van Gmail-gebruikers overzichtelijk met belangrijke, relevante e-mails die je snel wilt lezen en beantwoorden op de eerste 'bladzijde'.
Slimme assistenten
Slimme assistenten zoals Siri van Apple en Alexa van Amazon herkennen spraakpatronen dankzij spraakherkenning, leiden vervolgens de betekenis af en geven een nuttige reactie. We zijn eraan gewend geraakt dat we "Hoi Siri" kunnen zeggen, dan een vraag kunnen stellen en dat zij dan begrijpt wat we bedoelen en relevante antwoorden geeft op basis van de context. En we beginnen er ook aan te wennen dat we Siri of Alexa overal in huis en ons dagelijks leven tegenkomen, terwijl we met ze communiceren via dingen zoals de thermostaat, lichtknoppen en de auto.
We verwachten inmiddels dat assistenten zoals Alexa en Siri contextuele hints begrijpen, terwijl ze onze levens verbeteren en bepaalde activiteiten, zoals het organiseren van spullen, gemakkelijker maken. We waarderen het zelfs als ze met humor reageren of vragen over zichzelf beantwoorden. Onze interacties met deze assistenten worden steeds persoonlijker, waardoor ze steeds meer over ons weten. Zoals uitgelegd in een artikel in de New York Times 'Why We May Soon Be Living in Alexa's World': "Er is iets groots op til. Alexa heeft de beste kans om het derde beste consumentenplatform van dit decennium te worden".
Zoekresultaten
Zoekmachines gebruiken NLP om relevante resultaten op te halen, gebaseerd op vergelijkbaar zoekgedrag of vergelijkbare gebruikersintenties, zodat de gemiddelde persoon kan vinden wat hij zoekt, zonder een diepgaande kennis van zoektermen nodig te hebben.
Google voorspelt bijvoorbeeld niet alleen welke populaire zoekopdrachten van toepassing zouden kunnen zijn op een vraag, maar kijkt ook naar het grotere geheel en herkent wat je probeert te zeggen in plaats van de exacte zoektermen te volgen. Iemand kan een vluchtnummer intypen op Google en de vluchtstatus te zien krijgen, een tickerteken intoetsen en beursinformatie ontvangen, of er komt een rekenmachine in beeld als er een wiskundige vergelijking wordt getypt. Dit zijn een aantal variaties die je tegen kunt komen bij het invoeren van een zoekopdracht, doordat NLP de dubbelzinnige vraag in de zoekopdracht associeert met een verwant onderwerp en handige resultaten oplevert.
Voorspellende tekst
Dingen zoals automatisch corrigeren, automatisch aanvullen en voorspellende tekst zijn zo gebruikelijk op onze smartphones dat we ze voor lief nemen. Automatisch aanvullen en voorspellende tekst zijn vergelijkbaar met zoekmachines, omdat ze voorspellen wat je wilt zeggen op basis van wat je typt en het woord voor je afmaken of een relevant woord suggereren. En automatisch corrigeren verandert woorden soms zo dat het bericht in zijn geheel begrijpelijker is.
Ze leren ook van jou. Hoe langer je voorspellende tekst gebruikt, hoe meer die zichzelf aanpast aan jouw persoonlijke taalgebruik. Dat levert grappige experimenten op, waarin individuen via de telefoon hele zinnen delen die volledig uit voorspelde tekst bestaan. De resultaten zijn verrassend persoonlijk en verhelderend. Ze zijn zelfs door verschillende media uitgelicht.
Vertaling
Een van de dingen die verraadt dat je voor je Spaanse huiswerk vals hebt gespeeld, is dat het grammaticaal een bende is. Veel talen kunnen niet rechtstreeks worden omgezet en hebben een andere zinsbouw, die vertaaldiensten vaak niet in acht namen. Maar er is veel veranderd.
Met NLP kunnen online vertaalprogramma's talen accurater vertalen en grammaticaal correcte resultaten retourneren. Dat is ongelofelijk handig als je met iemand in een andere taal probeert te communiceren. En dat niet alleen: als je een andere taal vertaalt naar je eigen taal, herkennen de programma's nu de taal op basis van de tekst die je invoert en vertalen die.
Digitale telefoongesprekken
We krijgen allemaal weleens "dit gesprek kan worden opgenomen voor trainingsdoeleinden" te horen, maar we vragen ons zelden af wat dat eigenlijk inhoudt. Het blijkt dat deze opnames gebruikt kunnen worden voor trainingsdoeleinden wanneer een klant benadeeld is, maar meestal worden ze toegevoegd aan de database van een NLP-systeem om van te leren en producten te verbeteren. Geautomatiseerde systemen wijzen telefoontjes van klanten toe aan een medewerker of online chatbot die op klantverzoeken reageert met handige informatie. Dit is een NLP-praktijk die veel bedrijven, waaronder grote telecombedrijven, toepassen.
Met NLP is het ook mogelijk om door de computer gegenereerde taal op een menselijke stem te laten lijken. Telefoontjes voor het inplannen van afspraken, zoals het vervangen van de olie van je auto of een knipbeurt, kunnen geautomatiseerd worden, zoals aangetoond in deze video waarin Google Assistant een afspraak bij de kapper maakt.
Data-analyse
Natuurlijke-taalcapaciteiten worden in data-analyseworkflows geïntegreerd, waardoor meer BI-leveranciers een natuurlijke-taalinterface bieden voor datavisualisatie. Een voorbeeld daarvan is slimmere visuele codering, die de beste visualisatie biedt voor de juiste taak op basis van de semantiek van de data. Dat levert meer kansen op voor mensen om hun data met natuurlijk taalgebruik te verkennen of vragen te stellen over fragmenten die uit verschillende sleutelwoorden bestaan, die geïnterpreteerd kunnen worden en waar een betekenis aan kan worden toegekend.
De toepassing van taal voor het onderzoeken van data maakt het niet alleen toegankelijker, maar verlaagt ook de lat naar analyse binnen een organisatie, en maakt dit mogelijk voor meer mensen dan de gebruikelijke groep analisten en softwareontwikkelaars.
Bekijk deze webinar voor meer informatie over hoe natuurlijke taal kan helpen om je data beter te visualiseren en verkennen.
Tekstanalyse
Tekstanalyse zet ongestructureerde data om in betekenisvolle data voor analyse door middel van verschillende linguïstische, statistische en Machine Learning-technieken.
Hoewel sentimentanalyse afschrikwekkend klinkt voor merken (vooral als ze een groot klantenbestand hebben), doorzoeken programma's die gebruikmaken van NLP vaak interacties van klanten, zoals beoordelingen of berichten op social media, of zelfs benoemingen van de merknaam, om te zien wat er gezegd wordt. Analyse van die interacties kan merken helpen vaststellen hoe goed een marketingcampagne het doet, of actuele klantproblemen monitoren voordat ze besluiten hoe ze erop zullen reageren of de service verbeteren voor een betere klantervaring.
Waar NLP ook bij helpt in tekstanalyse, is extractie van sleutelwoorden en het vinden van structuren of patronen in ongestructureerde tekstdata.
NLP wordt op grote schaal ingezet in de digitale wereld en deze lijst groeit, doordat steeds meer bedrijven en branches er gebruik van maken en de waarde ervan inzien. Hoewel menselijk contact belangrijk is voor complexere communicatieproblemen, maakt NLP ons leven makkelijker door eerst kleinere en, naarmate de technologie verder ontwikkeld wordt, steeds complexere taken te beheren en automatiseren.