Doğal Dil İşleme Nedir

Anlamlı konuşma yeteneğine sahip sistemler oluşturmak, yapay zeka araştırmacılarının karşılaştığı en zor görevlerden biridir.

Saatlerce süren telefon görüşmeleri ve sayısız ilgisiz seçeneklerden, oldukça yararsız bazı tavsiyelere kadar, müşteri desteği yardım hatlarıyla iletişime geçmek, kimsenin en sevdiği eğlence olmaktan çok uzaktır. Bununla birlikte, yakın zamanda yerel muayenehanenizde bir NHS randevusu aldıysanız, iptal edilen bir uçuş hakkında bilgi aldıysanız veya BT desteği ile iletişime geçtiyseniz, daha müşteri dostu bir yaklaşım deneyimlemekten zevk almış olabilirsiniz.

Müşteri desteği yardım hatları, işletmelerin yavaş yavaş giderek daha etkileşimli otomatik sistemler kullanmayı tercih etmesiyle son on yılda önemli ölçüde yenilenmiştir. Bunun nedeni daha yaygın kullanılması için makine öğrenme Örnekleri arasında teknoloji, sesli asistanlar gibi Google Nest ve Amazon Yankı‘nın Alexa, hatta iPhone‘lar Siri.

İlk başta garip görünse de, müşteri hizmetlerini otomatikleştirmek, günlük yaşamlarımızda yapay zeka (AI) uygulamanın doğal bir ilerlemesidir . Aslında, birçok fayda sağlar: personelin iş yükünü azaltmaktan, hayal kırıklığına uğramış müşterilerin aldığı sözlü taciz miktarını sınırlayarak daha güvenli bir çalışma ortamına katkıda bulunmaya kadar.

Sistemin müşteriler için kullanımı da giderek daha kolay hale geldi. Kolayca unutulan numaralardan birini seçmeye yönelik önceden kaydedilmiş geleneksel talepler, konuşmada kullandığınız kelimelere göre hangi departmanla konuşmak istediğinizi anlayabilen sistemlerle yavaş yavaş değiştiriliyor. Hatta bazı işletmeler, müşterilerin hesap bilgileriyle entegre edilebilen ve sohbetin ortasında tüm ayrıntıları dikte etmek zorunda kalmadan zaman kazandıran sohbet robotlarını kullanmayı tercih ediyor.

Bu ilerlemelerin temeli olarak kullanılan çerçeve olan doğal dil işleme (NLP) olmadan bu teknolojilerin hiçbiri mümkün olmazdı.

Doğal dil işleme: Bu karmaşık bir problem

Bununla birlikte, etkili bir konuşma yapmak veya metin okumak, nüanslar, çıkarımlar ve yargılarla doludur. Bir dili isimlere, fiillere, sıfatlara ve diğerlerine ayırmak bir şeydir, ancak dil bir cümleyi yapılandıran çeşitli mekanizmalardan çok daha fazlasıdır – ve bilgisayarların insan etkileşimini yorumlamasını ve taklit etmesini zorlaştıran bu ek karmaşıklıktır.

Aynı kelime, kullanıldığı bağlama bağlı olarak farklı anlamlara sahip olabilir. Şu örneği ele alalım: ‘Sola yatmış uçak’ veya ‘Bana verdiğin çeki yatırdım’. “Mark ayakkabı bağcığını bir yaya bağladı” ile karşılaştırıldığında “geminin pruvasında durdum” a ne dersiniz? Seyirciye boyun eğme eylemi veya ok atmak için kullanılan cihazdan bahsetmeye bile gerek yok.

Bu cümlelerin her birinde ‘selamlama’nın nasıl kullanıldığını bilmek, çevreleyen kelimelerin sağladığı bağlama bağlıdır. Yine de bazen çevreleyen kelimelerin bağlamı da yardımcı olmuyor. Örneğin, “Yürüyüşçüyü yolda dürbünle gördüm” diyelim. Dürbün kimde – bende mi yoksa yürüyüşçüde mi?

İngiliz dili, büyük ölçüde bağlama bağlıdır, bu, İngilizce konuşmayanların zorluk çektiği bir şeydir, bir makineye aldırmayın. Ve bu, biz insanların bile tek başına cümlelerden çıkarmakta zorlanabileceği ironi, alay ve mizah gibi konuşan kişiyi karakterize eden çeşitli oldukça kişisel özellikleri hesaba katmaya başlamadan önce.

Doğal dil işleme: Neler yapabilir?

Doğal dil işleme, bağlam oluşturmak için verileri ve algoritmaları birleştirerek konuşulan dili anlamayla ilgili tüm sorunların üstesinden gelmeye yardımcı olur. Bunun nasıl çalıştığının iki ana yönü vardır – sözdizimi ve anlambilim.

Sözdizimi, açıkça tanımlanmış kurallarla ilgilendiği göz önüne alındığında, ikisi arasında uygulanması en kolay olanıdır. Bu, sözlük tanımlarını, cümlelerin yapısını ve en önemlisi cümlenin gerçekte ne anlama geldiğini anlamakla ilgili ayrıştırmayı içerir. Yukarıdaki ‘dürbün’ örneğiyle, ayrıştırma, önceki veya sonraki cümleleri kullanarak kime ait olduklarını belirlemeye yardımcı olur.

Doğal dil işleme ile algoritmalar, bu kuralları yıkmaya yardımcı olmak için bir dizi farklı sözdizimsel işleme tekniği uygulayabilir. Bunlar, büyük metin parçalarını farklı bölümlere ayıran ‘kelime bölümleme’; Çekilmiş bir kelimeyi kök biçimine çevirmeyi içeren “kökten türetme”; ve bir kelimeyi en küçük anlamlı birimlerine ayırmayı içeren morfolojik bölümleme, örneğin “içeri geliyor” için “içeri”, “gel”, “-yor” gibi.

Bununla birlikte, anlambilim çok daha az yapılandırılmıştır ve genellikle yorumlanması daha zordur. Bu yön, cümlenin daha geniş bağlamında tek tek kelimelerin anlamını anlamayı içerir. Yukarıdaki örneklerde olduğu gibi, bu, ‘yay’ kelimesinin çeşitli ve en uygun kullanımlarını anlamaktır.

Anlamsal analiz ‘adlandırılmış giriş tanımayı’ içerebilir; bu, hangi metin parçalarının uygun adlarla eşleştiğini bulmayı ve ardından bunun bir kişinin adı mı yoksa bir konumun adı mı, ne tür bir ad olduğunu belirlemeyi içerir. Sistemler, verilen bir adı kolayca tanımlamak için ilk harfin büyük harfle yazılması kuralına güvenebilir, ancak bu aynı zamanda bir cümlenin ilk harfi için de geçerlidir ve birçok kuruluş adı her harfi büyük yazmaz. Dahası, büyük harf kullanımı kuralları diller arasında tek tip değildir – örneğin Almanca’da her isim büyük harfle yazılır.

Bu, genel olarak anlambilimsel analizin belirtisidir – mevcut teknikler olmasına rağmen, hala üstesinden gelinmesi gereken bazı engeller vardır.

Doğal dil işleme: Henüz orada mıyız?

Binlerce yıl içinde gelişen insan dilinin doğası, bilgisayar sistemlerinin esnek olması, tahminlere uyum sağlaması ve nihayetinde eğitimli tahminler yapabilmesi gerektiği anlamına gelir.

Doğal dil işlemeye dayalı sistemler hala geliştirilmektedir ve yalnızca oldukça ilkel modeller genel kullanım için yaygın olarak mevcuttur. Siri, Alexa ve Google Home gibi akıllı asistanlar aslında sadece soru ve cevap makineleridir ve konuşmayı anlamlandırma yeteneğine sahip değildir.

Apple, Amazon, Google, IBM ve diğer büyük teknoloji oyuncularının tümü, çeşitli zorlukları ele almak için kendi NLP sistemleri üzerinde çalışıyor. Bunlar, belgelerdeki büyük metin akışlarını analiz edebilen, önemsiz postaları elemek için e-postaları değerlendirebilen ve bir müşteri hizmetleri aracının parçası olarak konuşmaları sürdüren sistemleri içerir.

Çevrimiçi sohbet robotlarının karmaşıklığı her zaman gelişiyor, ancak yine de yalnızca basit soru ve cevap etkileşimlerini idare edebiliyorlar ve kullanıcının belirli hedeflenmiş anahtar kelimeler sağlamasını gerektiriyorlar. Bir sorun daha incelikli hale geldiğinde şikayetler genellikle bir insan çalışana iletilir ve bu maalesef müşteri için fazla bir şey gerektirmez.

Müşteri hizmetleri endüstrisinin öngördüğü kesintisiz etkileşimden çok uzaktayız.

Yazının orijinali için tıklayınız.