<< Back

NLP ultima frontiera: Le macchine ci comprendono?

E’ capitato anche a voi?

NLP: è il tema del momento! Qual è la relazione e l’interazione tra uomo e macchine al giorno d’oggi?

NLP: Comunicazione uomo-macchina

Le macchine ci capiscono?
Comprendono quello che diciamo?
Saranno mai in grado di farlo veramente?
Queste sono le domande che, molto probabilmente, ognuno di noi si è fatto quando si è trovato per la prima volta davanti a un computer.

Le stesse domande hanno affascinato e affascinano la fantasia di tutti i programmatori. Fin dalla creazione dei primissimi sistemi operativi si era pensato di utilizzare un approccio interattivo uomo-macchina addirittura di tipo vocale.

NLP – Il Passato: Le intuizioni

NLP: Gli albori dei PC

Il 12 agosto 1981, IBM immette nel mercato il primo di una serie di personal computer che diventerà molto popolare: l’IBM 5150. Qualcuno pensò subito a un tipo di sistema operativo interattivo. Anche se in modo romanzato chi ha visto la serie TV Halt and Catch Fire sa di cosa sto parlando.

Ovviamente l’entusiasmo iniziale fu subito frenato dalle enormi difficoltà di programmazione e delle enormi necessità di potenza di calcolo richieste.

NLP – Il Presente: Lo stato di fatto (introduzione e campi d’applicazione)

NLP: Il presente - i moderni data center

Con la realizzazione di elaboratori sempre più potenti, lo sviluppo di nuove tecniche di programmazione e l’introduzione delle reti neurali (deep learning) quello che sembrava fantascienza solo qualche decennio fa, ora sta diventando realtà!

Introduzione

NLP: Definizione diagrammi ai Venn

NLP ovvero Natural Language Processing è un campo di ricerca interdisciplinare che include informatica, intelligenza artificiale e linguistica. La NLP studia come processare, analizzare e “comprendere” le informazioni verbali o testuali comunicate tramite l’utilizzo di un linguaggio naturale.

La nascita embrionale della NLP viene fatta risalire agli anni Cinquanta. Alan Turing pubblicò il suo articolo “Machine and Intelligence”.
Propose il test per determinare se un’intelligenza artificiale fosse indistinguibile da quella umana nell’ambito della conversazione naturale. Il famoso Test di Touring per l’appunto.

I campi d’applicazione

Tra i vari settori di studio e d’impiego nel campo dell’intelligenza artificiale, come è intuitivo immaginare, quello della NLP è forse quello più complesso. Solo recentemente sta dando luogo a dei risultati fruibili con un grado di accettabile affidabilità: si basti pesare alle traduzioni automatiche di soli 4-5 anni fa rispetto a quelle attuali.

È solo nell’ultimo decennio, infatti, che l’NLP si sta affermando e sta realmente evolvendo. Nel 2011, per la prima volta, un algoritmo basato sul deep learning è stato applicato a differenti problemi di NLP. In particolare nell’identificazione di entità e nell’assegnazione di categorie morfologiche a parole. Le prestazioni furono decisamente migliori rispetto ad altri approcci rappresentativi dello stato dell’arte di quel momento. Da allora, sono stati realizzati algoritmi sempre più complessi e schemi di reti neurali più efficienti. Come risultato, ora è possibile affrontare problemi di NLP ancora non risolti o trattati in passato, ma con risultati insoddisfacenti.

Tra gli ambiti in cui le tecniche di intelligenza artificiale per il Natural Language Processing stanno producendo risultati più soddisfacenti, troviamo i sistemi conversazionali intelligenti, in grado non solo di imitare il dialogo umano, ma anche di rispondere a domande su argomenti di diversa natura (dalle ultime news ai film in TV) e di eseguire task complessi (come pianificare un viaggio). Un esempio sono i chatbot generativi sempre più presenti nei siti internet. Oppure gli assistenti virtuali: Cortana di Microsoft, Alexa di Amazon, Siri di Apple e Assistant di Google.

NLP – Il Futuro: Le sfide

Nonostante i risultati convincenti ottenuti in differenti campi d’applicazione, l’esigenza di migliorare ulteriormente le capacità di comprensione automatica di contenuti in linguaggio naturale, raggiungendo livelli simili a quelli umani, rappresenta tuttora una sfida su cui il mondo della ricerca sta lavorando. Ad esempio: l’ottenimento di capacità di sintesi o parafrasi di testo, paragonabili a quelle umane, è ancora una sfida aperta.

Conclusioni

Recentemente ho seguito due progetti nei quali sono state impiegate tecniche di NLP per conseguire gli obiettivi richiesti da un importante cliente nel settore comunicazioni.

  1. Nel primo progetto sono state utilizzate tecniche di Speech to Text (trascrizione del testo da un’origine vocale) di Sentiment Analysis (analisi emozionale) e di Document Classification per poter identificare e verificare in modo automatico se la gestione dell’income d’informazioni avvenisse in modo corretto e coerente.
  2. Nel secondo, l’enorme quantità d’informazioni derivanti dai rumors e dal tam tam dei diversi canali Social è stata convertita in un enorme potenziale di monitoraggio del sentiment e delle campagne di advertising e marketing dei competitors. In particolare l’aspetto advertising è stato monitorato tramite processi NLP di valutazione della similarity.

Abbiamo potuto verificare oggettivamente che, anche grazie all’ausilio di knowhow e di strumenti di ultima generazione, come Alteryx e Tableau, i risultati sono stati molto positivi. Un chiaro segnale che le tecnologie sono mature per un utilizzo in azienda. Possiamo affermare con entusiasmo che l’applicazione dell’NLP nel campo della Business Intelligence è per TheInformationLab una realtà di fatto!

Mauro Zampieri

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.