آینده تجهزات هوشمند با “پردازش زبان طبیعی” چگونه خواهد بود؟

پردازش زبان طبیعی

اینترنت اشیا و هوش مصنوعی بسیار مرتبط هستند. اینترنت اشیا صنعتی اطلاعات را در مقیاسی بزرگ تولید می کند. داده ها نقش اصلی در هوش مصنوعی (Artificial Inteligence) و یادگیری ماشینی (Machine Learning) ایفا می کنند. امروزه با گسترش و فراگیر شدن استفاده از تجهیزات هوشمند و متصل به هم، نقش تکنولوژی نیز بالطبع در این حوزه در حال افزایش است.

امروزه، کاربری و نقش کامپیوتر در تجهیزات مبتنی بر اینترنت اشیا، متفاوت است.  در این مقاله، ما قصد داریم به دامنه از کاربرد هوش مصنوعی به نام “پردازش طبیعی زبان” یا “Natural Lonuage Processing” بپردازیم.

در واقع پردازش زبان طبیعی به معنای قدرت درک گفتار است.

یکی از مفاهیم اصلی پردازش زبان طبیعی ، توانایی درک گفتار انسانی است. کنترل صدای سیستم های مختلف بدون پردازش زبان طبیعی یا NLP امکان پذیر نیست.

در تجهیزات مبتنی بر اینترنت اشیا، دشوار است که ارزش تشخیص گفتار را بیش از حد ارزشمند بدانیم. با استفاده از تجهیزاتی که بر پایه پردازش زبان طبیعی توسعه داده شده اند، می توان در ساختارهایی که از اینترنت اشیا بهره می برند، رابط کاربری صوتی داشته باشیم. در برخی از موارد، هرچه سیستم پیچیده تر بوده و از اجزای بیشتری بهره ببرد، رابط کاربری آن نیز بالطبع پیچیده تر خواهد شد. از طرفی، رابط کاربری صوتی به واسطه ماهیتی که دارد، به سادگی قابل انجام بوده  و پیچیدگی خاصی ندارد.

پردازش زبان طبیعی

در برخی موارد، رابط کاربری صوتی فقط در رابطه با عملکرد های سیستم محدود نمی شود؛ بلکه می توان از آن در تامین امنیت سیستم ها نیز بهره جست. مثلا یک تکنیسین برق می توان به کمک یک رابط کاربری صوتی، به جای اینکه در ارتفاع 150 فوتی قرار گیرد و بصورت دستی به بررسی و تعمیر سیستم ها بپردازد، از فرمان های صوتی استفاده کرده و آنها را به ابزارهای دیجیتالی مخابره کند تا کار او را به نحو احسن انجام دهد. یا مثلا راننده ها می توانند بدون اینکه از دست خود استفاده کنند، کارکرد هایی همچون کنترل سیستم صوتی ماشین خود را به کمک فرمان های صوتی در اختیار داشته باشند.

در بازار امروزی نیز استفاده از تجهیزاتی که بر پایه کنترل هوشمند صوتی هستند، به سرعت در حال افزایش است. حدود 50 درصد از خانه ها در آمریکا از تجهیزات مبتنی بر فرامین صوتی استفاده می کنند. بنابراین رفته رفته استفاده از چنین تجهیزاتی گسترده تر شده و به انقلابی در دنیای تکنولوژی تبدیل خواهد شد.

علاوه بر این، پردازش زبان طبیعی این امکان را برای ما فراهم می کند تا بتوانیم تجهیزاتی را مبتنی بر صوت در ساختارهای کنترلی همچون اینترنت اشیا پیاده سازی کنیم. به لطف قابلیت ها و توانایی های یادگیری ماشینی، پردازش زبان طبیعی باعث محلی سازی ویژگی ها (Localization Features) خواهد شد.

ترجمه ماشینی برای هر دستگاهی که مبتنی بر اینترنت اشیا بوده و قابلیت تشخیص صدا را دارد، بسیار با ارزش است. هرچند خود ترجمه ماشینی نیز به نوبه خود ارزشمند است.

برای مثال، Tokyo-Based-Startup ili وسیله ای پوشیدنی است که این امکان را بریای مسافران فراهم می کند که بدون داشتن دسترسی به اینترنت، می تواند عبارات ساده پرا برای مسافران ترجمه کند. Pilot نیز وسیله ای دیگر است که می تواند صداهای دریافتی را ترجمه کند.

برخلاف ili، پایلوت (Pilot) باعث تسهیل گفتگو به صورت دوطرفه خواهد شد؛ یعنی نه تنها زبان های مختلف را درک خواهد کرد، بلکه می تواند به زبان های مختلف نیز پاسخ دهد.

پردازش زبان طبیعی

کمک های ضروری

تشخیص صوت و گفتار به کمک پردازش زبان طبیعی قابل دستیابی است. این اصطلاح در واقع بگونه ای است که ماهیت خود را توضیح می دهد. استفاده از روش پرسش و پاسخ باعث می شود تا نیاز شما سنجیده شود.

امروزه تجهیزات و دستگاه های زیادی وجود دارند که از متد پرسش و پاسخ استفاده کرده تا بتوانند به نیاز های شما پاسخ دهند. رایج ترین نمونه های موجود در این زمنیه که بسیار محبوب هستند، دستیاران صوتی همچون Amazon Alexa و Google Home و Apple HomePod هستند..

این تجهیزات می توانند از طریق صوت کنترل شده و به سوالات و فرامین شما به درستی پاسخ دهند. در نتیجه، دستیارهای صوتی موجب افزایش بهره وری برای کاربران می شوند؛ زیرا به افراد کمک می کنند تا سریعا به اطلاعات مربوطه و مورد نظر خود دسترسی پیدا کنند.

متدی همچون پرسش و پاسخ که در بالا به آن پرداخته شد، زمانی که به مسائلی همچون حوزه سلامت بر می خوریم، بیش از پیش کارایی خود را نشان خواهد داد. دانشگاه Thomas Jefferson به کمک شرکت IBM این ایده را پیاده سازی کرده اند. آنها ساختاری را توسعه داده اند که به کمک آن افراد می توانند در اتاق های بیمارستان تنها به کمک صدایشان، درخواست ها و پیگیری های مربوط به خود را داشته باشند. این سیستم دیجیتالی صدای بیمار را دریافت کرده و طبق خواسته وی اعمالی همچون میزان نور و روشنایی محیط، دمای آن و سار ویژگی ها را تنظیم می کند.

این مثال نشان می دهد که چگونه می توان به کمک پردازش زبان طبیعی و تشخیص گفتار، به بشر کمک کرد.

به کمک پردازش زبان طبیعی می توان کارهای دیگری نیز انجام داد. مثلا به کمک آن سیستم می تواند اطلاعات مربوطه را از منابع مختلفی مانند مقالات علمی، اسناد و فیدها استخراج کند. علاوه بر این، یادگیری ماشینی نه تنها می تواند به این روند کمک کرده و استخراج اطلاعات را با سرعت بیشتری نتیجه دهد، بلکه می تواند داده ها را آنالیز کرده و الگوهای مشابه یا مختلف را در آنها بیابد.

در تجهیزاتی که مبتنی بر اینترنت اشیا هستن، استفاده از پردازش طبیعی زبان و یادگیری ماشینی می تواند در جهت هوشمند سازی تجهیزات و دادن پاسخ به کاربران، کمک دهنده باشد. استفاده این امکانات در ماشین های امروزی، یکی از نمونه های مورد توجه و مهم در این زمنیه محسوب می شود. به لطف توسعه و پیشرفت پردازش طبیعی زبان و یادگیری ماشینی، امکاناتی همچون سیستم ناوبری ماهواره ای، ویژگی های امنیتی و کنترلر های صدا برای ماشین های امروزی فراهم شده است.

درک احساسات

توانایی درک یک  متن به خودی خود با ارزش است، اما درک گفتار انسانی و تجزیه وتحلیل آن بسیار پیچیده تر از درک و تحلیل متن است. معمولا وقتی صحبت میکنیم، صحبت کردن ما با احساسات توام خواهد بود.

به کمک تجزیه و تحلیل احساسات (Sentiment Analysis) که  از آن بعنوان هوش مصنوعی احساسی (EmotionAI/Emotion Artificial Inteligence) یاد می شود، دستگاه می تواند علاوه بر گفتار فرد، احساسات وی را نیز درک کرده و به آن پاسخ دهد.

تجزیه و تحلیل احساسات به ما کمک می کند تا اطلاعات ذهنی مانند واکنش های احساسی را شناسایی، استخراج و مطالعه کنیم. برای مثال، شرکت IBM سیستمی به نام IBM Watson API توسعه داده که به کمک آن می توان توسعه دهندگان تجهیزات هوشمند قادر خواهند بود تا که قادر به شناسایی احساساتی همچون توافق، وجدان، برون گرایی، دامنه عاطفی و باز بودن در زبان طبیعی باشد.

این ویژگی ها باعث خواهند شد تا تجهیزات هوشمند جدید وارد دنیای تازه ای شوند و قابلیت های آنها به شدت افزایش یابد. سیستم های تجزیه و تحلیل کننده احساسات برای فروشگاه ها بسیار مناسب خواهند بود. با استفاده از این سیستم، فروشگاه ها قادر خواهند بود تا با روش بهتر و پیشرفته تری به فعالیت بپردازند.

امروزه این ویژگی توسط Disney Research پیاده سازی شده است. این شرکت به کمک سیستم های تجزیه و تحلیل کننده احساسات به کمک پردازش های کامپیوتری، سعی بر آن داشته تا دریابد چگونه مردم به فیلم ها واکنش نشان می دهند.

پردازش زبان طبیعی

سیستم های مشابه دیگری که از پردازش طبیعی زبان بهره می برند، می توانند کنجر به افزایش خانه های هوشمند شوند. به کمک سیستم های تجزیه و تحلیل احساسات، سیستم های کنترلی می توانند بازخود افراد را در مسائلی همچون پخش اخبار، پخش کردن موسیقی و … را دریافت کرده و ر صورت لزوم، تغییراتی را در سیستم های کنترلی پیاده سازی کنند.

مشتریان نیز می توانند از این سیستم ها نهایت استفاده را ببرند. همچنین این سیستم ها می توانند بازخورد مشتریان را دریافت کرده و میزان رضایت آنها را بسنجد.

در کل این ویژگی ها می توانند از طرفی یک مزیت رقابتی برای توسعه دهندگان ایجاد کند و از طرفی دیگر، شخصی سازی محصولات و خدمات را برای مشتریان فراهم کند. علاوه بر این، به لطف سیستم های درک کننده احساسات و مانیتورینگ، دستگاه های مختلف و متصل به هم می توانند در نهایت پاسخ های کاربران را تشخیص داده و آنگونه که کاربران نیاز دارند، واکنش نشان دهند.

بنابراین همانگونه که مشاهده کردید، اینترنت اشیا نه تنها سبب اتصال تجهیزات به یکدیگر خواهد شد، بلکه سبب ادغام تکنولوژی ها با یکدیگر نیز می شود. به کمک اینترنت اشیا، جهانی را می توان متصور شد که در آن تجهیزات و وسایل، می توانند احساسات و نیاز های کاربران را تشخیص داده و در صدد رفع آنها برآیند. برای رسیدن به چنین هدفی، زمنیه های همچون پردازیش زبان طبیعی (NLP) و هوش مصنوعی نیاز است تا توسعه داده شده تا به کمک آن بتوان این امکانات فراهم شود.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *