Qu'est-ce que la compréhension du langage naturel (NLU) ?
La compréhension du langage naturel (NLU) est une branche de l'intelligence artificielle (IA) qui utilise des logiciels informatiques pour comprendre des données sous forme de phrases en utilisant le texte ou la parole. La compréhension du langage naturel permet l'interaction entre l'homme et l'ordinateur en analysant le langage et pas seulement les mots.
Le NLU permet aux ordinateurs de comprendre les sentiments exprimés dans une langue naturelle utilisée par les humains, comme l'anglais, le français ou le mandarin, sans la syntaxe formalisée des langages informatiques. Le NLU permet également aux ordinateurs de communiquer avec les humains dans leur propre langue.
L'analyse syntaxique est une forme élémentaire de NLU. Elle prend un texte écrit et le convertit en un format structuré compréhensible par les ordinateurs. Au lieu de s'appuyer sur la syntaxe du langage informatique, le NLU permet à un ordinateur de comprendre un texte écrit par un être humain et d'y répondre.
L'un des principaux objectifs de la NLU est de créer des robots capables d'interagir avec les gens sans supervision, que ce soit par la voix ou par le chat. De nombreuses startups, ainsi que de grandes entreprises informatiques, telles qu'Amazon, Apple, Google et Microsoft, ont travaillé ou travaillent sur des projets d'ULA et des modèles de langage.
Pourquoi la compréhension du langage naturel est-elle importante ?
Le langage humain est généralement difficile à comprendre pour les ordinateurs, car il est rempli de significations complexes, subtiles et en constante évolution. Les systèmes de compréhension du langage naturel permettent aux entreprises de créer des produits ou des outils capables de comprendre les mots et d'en interpréter le sens.
Le NLU permet de dialoguer avec un ordinateur en utilisant un langage humain. C'est utile pour les produits de consommation ou les fonctions des appareils, tels que les assistants vocaux et la synthèse vocale.
Comment fonctionne la compréhension du langage naturel ?
Le NLU analyse les données pour en déterminer le sens en utilisant des algorithmes pour réduire le discours humain en une ontologie structurée - un modèle de données composé de définitions sémantiques et pragmatiques. Les deux concepts fondamentaux du NLU sont l'intention et la reconnaissance d'entités :
- La reconnaissance de l'intention est le processus d'identification du sentiment de l'utilisateur dans un texte d'entrée et de détermination de son objectif. C'est la première et la plus importante partie de la NLU, car elle établit le sens du texte.
- La reconnaissance d'entités est un type spécifique de NLU qui se concentre sur l'identification des entités dans un message et l'extraction des informations les plus importantes sur ces entités. Il existe deux types d'entités : les entités nommées et les entités numériques. Les entités nommées sont regroupées en catégories, telles que les noms de personnes, les noms d'entreprises et les lieux. Les entités numériques sont reconnues comme des quantités, des dates, des devises et des pourcentages.
Lorsqu'elle reçoit une entrée en langage naturel, la NLU la divise en mots individuels - appelés tokens - qui incluent la ponctuation et d'autres symboles. Les tokens sont passés par un dictionnaire qui peut identifier un mot et sa partie du discours. Les jetons sont ensuite analysés en fonction de leur structure grammaticale, y compris le rôle du mot et les différentes ambiguïtés possibles dans le sens.
Par exemple, la saisie d'une requête dans un moteur de recherche pour une "excursion en camping sur l'île de Vancouver le 18 août" peut être décomposée comme suit :
billets de ferry [intention] / besoin : réservation d'un terrain de camping [intention]Île de Vancouver [lieu]18 août [date]
Dans ce cas, l'objectif de la personne est d'acheter des billets, et le ferry est le moyen de transport le plus probable car le terrain de camping est situé sur une île. Les résultats d'une recherche effectuée à l'aide d'un moteur de recherche doté d'une NLU afficheraient probablement les horaires du ferry et les liens permettant d'acheter des billets, car le processus a décomposé l'entrée initiale en un besoin, un lieu, une intention et un moment pour que le programme puisse comprendre l'entrée. L'île de Vancouver est l'entité nommée, et le 18 août est l'entité numérique.
NLU vs. NLP vs. NLG
Le NLU est un sous-ensemble du traitement du langage naturel (NLP). Le NLP tente d'analyser et de comprendre le texte d'un document donné, et le NLU permet de dialoguer avec un ordinateur en utilisant le langage naturel.
Alors que les deux comprennent le langage humain, l'ULA communique avec des personnes non formées afin d'apprendre et de comprendre leurs intentions. En plus de comprendre les mots et d'interpréter le sens, le NLU est programmé pour comprendre le sens, malgré les erreurs humaines courantes, telles que les mauvaises prononciations ou les transpositions de lettres et de mots.
L'autre sous-ensemble du NLP est la génération de langage naturel (NLG). Les systèmes de NLG permettent aux ordinateurs de générer automatiquement des textes en langage naturel, imitant la façon dont les humains communiquent naturellement, ce qui constitue une différence par rapport aux textes traditionnels générés par ordinateur.
En général, le contenu généré par ordinateur n'a pas la fluidité, l'émotion et la personnalité qui rendent le contenu généré par l'homme intéressant et captivant. Cependant, le NLG peut être utilisé avec le NLP pour produire un texte semblable à celui d'un rédacteur humain. Pour ce faire, on identifie le sujet principal d'un document, puis on utilise le NLP pour déterminer la manière la plus appropriée de rédiger le document dans la langue maternelle de l'utilisateur. Le texte est généré en fonction de cette décision.
Par exemple, grâce au NLG, un ordinateur peut générer automatiquement un article d'actualité sur la base d'un ensemble de données recueillies sur un événement spécifique ou produire une lettre de vente sur un produit particulier sur la base d'une série d'attributs du produit.
Applications de compréhension du langage naturel
Les applications suivantes sont conçues pour comprendre le langage comme le font les humains, et non comme une simple liste de mots-clés :
- Réponse vocale interactive (RVI) et acheminement des messages. Le RVI est utilisé pour le libre-service et l'acheminement des appels. Les premières versions étaient strictement tactiles et ne faisaient pas appel à l'intelligence artificielle. Cependant, au fur et à mesure que la technologie SVI a évolué, des fonctions telles que le NLP et le NLU ont élargi leurs capacités afin que les utilisateurs puissent interagir avec le système téléphonique par le biais de la voix. Le système traite la voix de l'utilisateur, convertit les mots en texte, puis analyse la structure grammaticale de la phrase afin de déterminer l'intention probable de l'appelant.
- Assistance et service à la clientèle par l'intermédiaire d'assistants personnels intelligents. Le NLU est la technologie qui sous-tend les chatbots, des programmes informatiques qui conversent avec un humain en langage naturel par le biais du texte ou de la voix. Ces assistants personnels intelligents constituent un complément utile au service à la clientèle. Par exemple, les chatbots sont utilisés pour fournir des réponses aux questions fréquemment posées. Pour ce faire, la technologie NLU fait appel à différents processus, tels que l'extraction et la classification de caractéristiques, la mise en relation d'entités et la gestion des connaissances.
- Sentiment et intention de l'utilisateur. Les organisations peuvent utiliser le NLU pour analyser le sentiment et l'intention des clients. Par exemple, le NLU peut aider une organisation à analyser plusieurs commentaires sur les médias sociaux pour déterminer si ses clients ont un sentiment majoritairement positif ou négatif à l'égard de l'entreprise ou d'un produit proposé. Le NLU peut rassembler et comprendre les termes et les phrases utilisés dans la barre de recherche d'un site web pour mieux comprendre l'intention d'un client lorsqu'il navigue sur son site web.
- Traduction automatique. L'apprentissage automatique est une branche de l'IA qui permet aux ordinateurs d'apprendre et de modifier leur comportement sur la base de données d'apprentissage. Les algorithmes d'apprentissage automatique sont également utilisés pour générer des textes en langage naturel à partir de zéro. Dans le cas de la traduction, un algorithme d'apprentissage automatique analyse des millions de pages de texte, comme des contrats ou des documents financiers, pour apprendre à les traduire dans une autre langue. Plus il analyse de documents, plus la traduction est précise. Par exemple, si un utilisateur traduit des données à l'aide d'un outil linguistique automatique, tel qu'un dictionnaire, il effectue une substitution mot à mot. En revanche, lorsqu'il utilise la traduction automatique, il recherche les mots dans leur contexte, ce qui permet d'obtenir une traduction plus précise.
- Saisie des données. La capture de données est le processus de collecte et d'enregistrement d'informations sur un objet, une personne ou un événement. Par exemple, si une entreprise de commerce électronique utilisait l'ULA, elle pourrait demander à ses clients de saisir verbalement leurs informations de livraison et de facturation. Le logiciel comprendrait ce que le client veut dire et entrerait les informations automatiquement.
- Interfaces conversationnelles. De nombreux appareils à commande vocale, dont Amazon Alexa et Google Home, permettent aux utilisateurs de parler naturellement. En utilisant NLU, les interfaces conversationnelles peuvent comprendre et répondre au langage humain en segmentant les mots et les phrases, en reconnaissant la grammaire et en utilisant la connaissance sémantique pour déduire l'intention.
Découvrez comment NLU et NLP sont utilisés pour rendre les chatbots plus intelligents.
