في سبتمبر ، كشف معهد ألن للذكاء الاصطناعي (AI2) عن برنامج كمبيوتر يسمى أريستو يمكنه الإجابة بشكل صحيح على أكثر من 90 في المائة من الأسئلة في اختبار علمي للصف الثامن. قد يبدو اجتياز اختبار المدارس المتوسطة أمرا سهلا ، لكنه معقد بالنسبة لأجهزة الكمبيوتر.
وجد أريستو إجاباته من بين مليارات الوثائق و الملفات التي تستخدم معالجة اللغة الطبيعية – Natural Language Processing (NLP).
ماهي معالجة اللغة الطبيعية – Natural Language Processing ؟
هي فرع من فروع علوم الحاسب والذكاء الاصطناعي AI و الذي يمكّن أجهزة الكمبيوتر من استخراج المعنى من نص غير منظم.
على الرغم من أننا لا نزال بعيدين عن الآلات التي يمكنها فهم وتحدث اللغة البشرية ، فقد أصبحت البرمجة اللغوية العصبية – NLP تلعب دورا محوريًا في العديد من التطبيقات التي نستخدمها يوميًا ، بما في ذلك المساعدين الرقميين – Digital Assistant والبحث على الويب -والبريد الإلكتروني والترجمة الآلية – Automatic translation .
طريقة التغلب على صعوبة الكلمات وكثره صيغ الجمل التي تؤدي نفس المعني في الذكاء الإصطناعي:
قدرات معالجة العقل البشري للغه للعقل هو مشكله تاريخية للذكاء الاصطناعي.
تخيل تطبيق الذكاء الاصطناعي الذي يجب أن يستجيب لاستفسارات حالة الطقس يجب أن يفهم كل الطرق المختلفة التي يمكن لأي شخص أن يسألها عن الطقس.
تستخدم المقاربات الكلاسيكية لمعالجة اللغة الطبيعية في أنظمة الذكاء الاصطناعى الرمزية ، حيث حدد مهندسو البرمجيات بشكل صريح قواعد تحليل معنى اللغة.
كانت العملية كثيفة العمالة وكان لها تطبيق محدود. على سبيل المثال ، سيتعين على المطورين تدوين جميع الطرق التي قد يسألها المستخدم عن الطقس ومن ثم تقديم الإجابة المناسبة.
التعلم العميق و البرمجة اللغوية الطبيعية:
شهدت السنوات القليلة الماضية ثورة في التعلم العميق ، وهي تقنية في التعامل مع المعلومات غير المنظمة مثل الصور والصوت والنص.
بدلاً من تحديد سلوك خوارزميات التعلم العميق يدويًا ، يقوم “مهندسو البرمجيات” بتدريبهم من خلال تزويدهم بالعديد من الأمثلة.
لتدريب خوارزمية الإبلاغ عن الطقس ، يزودها المهندسون بالعديد من الأمثلة المختلفة حول كيفية مطالبة المستخدمين بالطقس والطريقة المناسبة للإجابة عليها.
تقوم تحليلات الخوارزمية بإنشاء نموذج إحصائي يمثل السمات الشائعة في تسلسل الكلمات المستخدمة لطلب الطقس و يمكنه بعد ذلك تعيين جمل جديدة لم يرها من قبل للإجابات الصحيحة.
لا يقتصر التعلم العميق – Deep learning على تجنب الحاجة إلى سلوك هندسي يدويًا ، ولكنه يساعد أيضًا في أداء مهام البرمجة اللغوية العصبية الأكثر تعقيدًا ، مثل الترجمة.
تطبيقات معالجة اللغة الطبيعية – Natural Language Processing :
تترك البرمجة اللغوية العصبية NLP بصماتها في العديد من المجالات ، ولكن في العديد من المناطق ، ساهمت التطورات في هذا المجال في تمهيد الطريق للتطبيقات الجديدة.
المساعد الرقمي – Digital Assistant :
تستخدم Alexa و Siri و Cortana معالجة اللغة الطبيعية لتعيين جملك لمهارات وتطبيقات محددة.
و بفضل التقدم في البرمجة اللغوية العصبية ، يمكنك التحدث إلى مساعدك الإلكتروني بطريقة غير عادية تقريبا.
يمكن للمساعدين الرقميين الاستجابة لأشكال الأوامر البسيطة مثل ضبط الإنذارات والتذكيرات وتشغيل الموسيقى وتشغيل الأنوار وإيقافها.
Chatbots:
جددت التطورات في معالجة اللغة الطبيعية في السنوات القليلة الماضية الاهتمام بتجارب الدردشة ، والتطبيقات التي تحل محل عناصر واجهة المستخدم (الأزرار والقوائم وما شابه) بواجهات تحادثية مثل messenger وتطبيقات الوسائط الاجتماعية.
ستجد تطبيقات catbots في العديد من المجالات المختلفة ، بما في ذلك الرعاية الصحية والخدمات المصرفية وخدمة العملاء والأخبار. يمكن للمستخدمين التفاعل مع chatbot كما لو كانوا يتفاعلون مع شخص (تقريبًا) ، مثل الطبيب أو المستشار المصرفي.
البحث على الويب:
في السابق ، كان البحث على الويب مقصورًا على البحث عن الكلمات الرئيسية على صفحات الويب. تستخدم محركات البحث حاليًا تقنيات مثل تضمين الكلمات ، وهو نوع من نموذج الذكاء الاصطناعي الذي يبحث عن الكلمات الرئيسية والمصطلحات المرتبطة باستعلام البحث الأصلي.
أصبحت حدود الأنظمة المستندة إلى القواعد أكثر وضوحًا عندما عالجت مقتطفات طويلة من النص مؤلفة من عدة جمل تتطلب الكثير من المعرفة السياقية. كان هذا صحيحًا بشكل خاص في مجالات مثل الترجمة ، حيث يتطلب تحويل النص الطويل من لغة واحدة معلومات حول لغات المصدر والوجهة وكذلك التاريخ والثقافة. في هذه الحالات ، أصبح سلوك الذكاء الاصطناعي خاطئًا للغاية بحيث أصبح استخدامه شبه مستحيل ، باستثناء المهام البسيطة للغاية.
