自然言語処理がビジネスインテリジェンスの未来である理由

[[187102]]

Siri に道順を尋ねるたびに、複雑なコード列がアクティブ化され、「Siri」は質問を理解し、必要な情報を検索し、ユーザーが理解できる言語で質問に答えることができます。これはここ数年で現実のものとなりました。これまで私たちは、私たちの言語ではなく、コンピューターが理解できる言語でコンピューターとやりとりしてきました。私たちは彼らの言語を学びました。

しかし今、彼らは私たちの言語を学んでいます。

人間と機械の関係の変革をサポートするテクノロジーが自然言語処理 (NLP) です。すでに、単純なやりとりを超えたビジネス インテリジェンスを変革しています。近い将来、ビジネスの世界は一変し、チャットボットと話すだけで人生を変えるような情報が得られるようになるでしょう。

この未来は遠くない。それはまさに目の前にあると言ってもいいでしょう。

自然言語処理とは何ですか?

計算言語学としても知られる自然言語処理は、機械学習、人工知能、言語学を組み合わせて、人間のような会話を機械と行えるようにします。

数年前、キーワードと「and、or、not」などのブール検索用語を組み合わせて、効果的な Google 検索を実行できたことを考えてみてください。 Google から必要な回答を得るには、その言語を知っておく必要があります。

その後、Google はセマンティック検索を導入しました。アルゴリズムは単語間の関連性を学習し、友人のように Google に質問できるようになります。内部的には、問題をコンピュータが理解できるブール構造検索に変換しますが、このプロセスは目に見えません。

これは、論理ゲートを計算するために英語を変更することなく、Siri に「今日の天気はどうですか」または「明日の北京行きのフライトはどれですか」と尋ねるときに使用するのと同じテクノロジーです。

Siri に「明日の北京行きの最適なフライトはどれですか？」と尋ねるだけで、「わかりました」と答え、現在地から北京までのフライトルートの検索、コストの比較、最適なフライトの検索が始まります。 Siri は、特定の日付を指定したり、「***」を *** の価格として定義したりしなくても、「明日」と「***」を理解できます。

これらの例は比較的初歩的なものです。彼らはとても印象的ですが、それでも間違いを犯す可能性があります。それらが間違っている場合、質問には高度に統合されたデータで回答する必要があります。自然言語処理の目的は、ユーザーのグラフィカル インターフェイス、さらにはユーザー インターフェイスさえも廃止し、機械との対話を人間と話すのと同じくらい簡単にすることです。

これはビジネス インテリジェンス アプリケーションの巨大な分野になります。

自然言語処理はデータを民主化する

全体として、最大の影響は、ビジネス インテリジェンスとビッグ データへのアクセスを妨げる障壁を下げるか、完全に排除することです。ビジネス インテリジェンス分野の多くの企業がこの傾向に注目し、ユーザーがデータにアクセスし、簡単に取得できるようにするための大きな進歩を遂げています。しかし、まだ道のりは長いです。

いつでもどこでも質問するだけで答えが得られる未来を想像してみてください。ビジネス インテリジェンスをチャットボットとの会話に変えることで、情報を取得するのは「過去 3 四半期の収益はいくらでしたか?」と尋ねるのと同じくらい簡単になります。何年もの経験やソフトウェアの知識は不要で、質問が機械に理解されるかどうかを心配する必要もありません。

グラフィカル ユーザー インターフェイスの必要性が減少しているため、自然言語処理によってアクセスが容易になります。ユーザーはスマートフォンでテキストまたは音声コマンドを使用してクエリを実行でき、処理はクラウドで実行されます。

Google は明日の天気がどうなるかを教えてくれるかもしれませんが、近い将来、プライベート データ チャットボットに、今日の顧客の気分や、来週のブランドに対する顧客の感想など、主観的な質問をすることができるようになります。

自然言語処理によりビジネスインテリジェンスがより洞察力に富むものになる

現在、自然言語処理は、自然言語を機械言語に変換することに基づいている傾向があります。しかし、テクノロジー、特に AI の部分が成熟するにつれて、コンピューターはニーズを「理解」し、結果を検索しなくても答えを提供できる能力が向上します。

これは、自然言語で質問するよりも一歩進んだものです。最初は、データ チャットボットは、分析用に数ページのデータを表示して、「過去 3 四半期の収益はどのように変化しましたか」などの質問に答える場合があります。

意味関係と質問の推論を学習すると、単にデータを伝えるのではなく、それらを自動的にフィルタリングして整理し、インテリジェントな回答を生成できるようになります。

自然言語で質問することはなくなります。

自然言語処理は非構造化データを活用する

自然言語処理は、機械が非構造化データを理解できるようにすることで、回答が存在する可能性のあるコンテキストを拡張します。

感情分析の初期の試みは、ビジネスに関するツイートの周囲のテキストを分析し、ツイートによって伝えられる感情が肯定的か、否定的か、中立的かを判断できるなど、期待をはるかに上回る成果を上げています。音声認識技術が向上するにつれて、オーディオとビデオもよりアクセスしやすいリソースになります。

この技術はまだ初期段階ですが、感情分析の現状は、Google 翻訳 (自然言語処理の側面に依存するプロセス) を使用して翻訳されたドイツ語のニュース記事の精度によって測定できます。意味解析の最前線に立つIBMのワトソンは現在、喜び、恐怖、悲しみ、嫌悪、怒りといった感情しか検出できないが、人間はもっと幅広い感情を感じることができる。

Watson のミッションがより洗練されるにつれて、自然言語処理によって大量の公開マルチメディアが機械分析に利用されるようになり、以前は手動分析が必要だったデータが取得され、定量的な回答、自然言語による回答、またはその両方が提供されるようになります。

パーソナルデータアシスタントを雇う

実現されるインターフェースは、現在オンラインで見られるサービス チャットボットに似ています。さまざまなアプリケーションを駆動し、ビジネス インテリジェンス分析と統合してビジネスのあらゆる側面に浸透し、いつでもデータ駆動型処理を提供できます。

それほど遠くない将来、ビジネス インテリジェンス チャットボットが昔のペーパークリップのようになり、Slack チャット、Skype 会議、または Microsoft カレンダーにマークされたイベントに関する質問に答えられるようになることを想像してみてください。

今年、あなたの会社のトップセールスマンは誰でしたか? この質問の答えは、自分自身に尋ねるのではなく、データをクリックすることで得られます。友達に助けを求めるのと同じくらい簡単に、チャットボットに質問して答えを得ることができます。