Im Jahr 2021 können Computer verstehen, was Menschen sagen - Was ist natürliche Sprachverarbeitung?

Natürliche Sprachverarbeitung ermöglicht es Computern, die menschliche Sprache zu verstehen und zu verarbeiten. NLP kann in vielen verschiedenen Bereichen eingesetzt werden, z.B. im Kundenservice, bei der Übersetzung, in intelligenten Häusern und vielen mehr.

Vor 53 Jahren las ein Computer das Gespräch zwischen zwei Astronauten von den Lippen ab und beschloss kurz darauf, sie zu töten. Wenn Sie ein Kinofan sind, erkennen Sie wahrscheinlich, woher diese Geschichte stammt. Aber heute ist diese futuristische Vision nicht mehr Hollywood - mit Natural Language Processing, kurz NLP, wird sie Realität. (Zum Glück ohne den tödlichen Teil; ich bezweifle, dass Amazons Alexa sich in absehbarer Zeit in einen mörderischen HAL 9000 verwandeln wird).

Was ist natürliche Sprachverarbeitung?

Kurz gesagt, NLP ist eine Form der künstlichen Intelligenz (KI), die Computer in die Lage versetzt, die natürliche menschliche Sprache zu verstehen. Seine Einsatzmöglichkeiten gehen weit über virtuelle Assistenten hinaus. NLP ist das Herzstück von Tools, die wir täglich nutzen - von Suchmaschinen und Spamfiltern bis hin zu Übersetzungssoftware, Chatbots oder Grammatikkorrekturprogrammen.

NLP Geschichte

Die Ursprünge der natürlichen Sprachverarbeitung liegen in den frühen... 1900s! Zwischen 1906 und 1911 unterrichtete der Schweizer Linguistikprofessor Ferdinand de Saussure Vorlesungen über die Betrachtung von Sprachen als "Systeme", in denen ein Laut ein Konzept darstellt.

Im Jahr 1950 beschrieb Alan Turing einen Test für eine "denkende Maschine". Er argumentierte, dass eine Maschine, die technisch an einem Gespräch teilnehmen kann (über einen... Fernschreiber) und einen Menschen so gut imitieren kann, dass niemand den Unterschied feststellen kann, als kognitiv angesehen werden kann.

Nicht lange danach, 1952, stellte das Hodgkin-Huxley-Modell dar, wie Neuronen ein elektrisches Netzwerk im Gehirn bilden.

Diese Ereignisse aus dem 20. Jahrhundert (und viele, VIELE andere) inspirierten die Entwicklung der modernen natürlichen Sprachverarbeitung. Im Jahr 2001 wurden die ersten NLP-Modelle erstellt und in den folgenden 20 Jahren wurde die Technologie zu dem entwickelt, was wir heute beschreiben.

Werfen wir also einen Blick darauf, worüber wir eigentlich reden!

Techniken zur Verarbeitung natürlicher Sprache

Die natürliche Sprachverarbeitung kann die Struktur und Bedeutung der menschlichen Sprache analysieren, indem sie verschiedene Aspekte von Sätzen wie Syntax, Semantik, Morphologie oder Pragmatik untersucht. Sie wird als Teilgebiet der Linguistik, der Informatik und der KI betrachtet. Die NLP-Verarbeitung funktioniert über maschinelles Lernen (ML). ML-Systeme speichern Wörter (und die Art und Weise, wie sie zusammenkommen) wie jede andere Form von Information. Mit diesen Daten kann der Computer - der zuvor mit einer Menge Text gefüttert wurde, z.B. aus ganzen Büchern - grammatikalische Regeln oder sogar die sprachlichen Gewohnheiten der Menschen erkennen und diese nutzen, um Muster zu finden und zu verstehen, worum es in dem Text geht. Interessanterweise kann NLP auch eine so genannte Sentiment-Analyse durchführen, die es ihm ermöglicht, Emotionen in Textdaten zu interpretieren und zu klassifizieren.

NLP-Algorithmen

Nehmen wir zum Beispiel einen solchen Satz: Die Mitarbeiter war sehr freundlichIch empfehle unbedingt, den köstlichen Cobb-Salat zu essen ! Mit Natural Language Processing kann ein Computer erkennen, dass diese Bewertung positiv ist (markiert mit ___); außerdem kann er auch erkennen, worum es in der Bewertung geht - in diesem Fall würde er verstehen, dass der Kunde das Essen und die Servicequalität lobt.

Vorteile der Verarbeitung natürlicher Sprache

Die Verarbeitung natürlicher Sprache kann natürlich zahlreiche Vorteile für Ihr Unternehmen bringen (Wortspiel beabsichtigt). Ursprünglich bezog sich der Begriff auf die Fähigkeit eines Systems, zu lesen. Inzwischen ist er jedoch zu einem umgangssprachlichen Begriff für die gesamte Computerlinguistik geworden. Dazu gehören NLG - Natural Language Generation -, das die Fähigkeit des Computers darstellt, eigene Kommunikation zu erstellen, oder NLU - Natural Language Understanding -, das es Computern ermöglicht, die Wörter im Kontext des Textes zu verstehen (einschließlich Rechtschreibfehler, falsche Aussprache und sogar Slang). Alle oben genannten Punkte zusammengenommen eröffnen Ihnen viele potenzielle Geschäftsmöglichkeiten. Hier sind - in unseren Augen - die 3 wertvollsten Nutzenkategorien:

• Durchführung von umfangreichen Analysen. NLP ermöglicht es Maschinen, große Mengen unstrukturierter Textdaten automatisch zu verstehen und zu analysieren - zum Beispiel Tickets für den Kundensupport, Kommentare in sozialen Medien, Online-Rezensionen oder Nachrichtenberichte. Dadurch dauert die Verarbeitung riesiger Informationsmengen nur noch wenige Sekunden oder Minuten statt Tage oder sogar Wochen.
• Prozesse automatisieren. Mit Hilfe von NLP-Tools können Maschinen lernen, wie sie Daten ohne (oder mit nur minimaler) menschlicher Interaktion sortieren und weiterleiten können. Und das alles schnell, effizient, präzise und rund um die Uhr. In der Praxis kann Natural Language Processing Automatisierungslösungen wie z.B. Chatbots (die noch nicht perfekt sind, aber einfache Aufgaben erledigen können) unterstützen und Mitarbeitern helfen, sich auf wertschöpfende Aufgaben zu konzentrieren und ihre Produktivität zu steigern.
• Verwertbare Erkenntnisse gewinnen. Die unstrukturierten Daten aus bestimmten Quellen - wie z.B. offene Umfrageantworten oder Online-Bewertungen - erfordern eine zusätzliche Analyseebene. Damit Maschinen den Text verstehen können, muss er aufgeschlüsselt werden; KI-gesteuerte NLP-Tools machen dies möglich. Sie müssen sich nicht mehr auf Vermutungen oder einfache, oberflächliche Analysen verlassen - dank NLP sind Sie in der Lage, unstrukturierte Texte zu analysieren, um datengestützte, reale und sofort umsetzbare Erkenntnisse zu gewinnen.

Beispiele für die Verarbeitung natürlicher Sprache

Wie wir bereits erwähnt haben, wird NLP bereits in vielen Lösungen eingesetzt, die wir (und zahlreiche Unternehmen) täglich nutzen. Hier sind ein paar Beispiele:

• E-Mails filtern. Beginnen wir mit dem, was am trivialsten erscheinen mag, aber das tägliche Leben von Milliarden von Menschen beeinflusst. Nehmen Sie z.B. Gmail - es kategorisiert Nachrichten automatisch als Promotions, Social, Primary oder Spam und hält so unerwünschte Müll-E-Mails von uns fern. Dies ist dank einer NLP-Aufgabe möglich, die als Schlüsselwort-Extraktion bezeichnet wird. Damit kann Gmail Wörter in Betreffzeilen mit vorgegebenen Tags "lesen" und E-Mails automatisch Kategorien zuordnen.
• Unterstützen... unterstützen. Die Verarbeitung natürlicher Sprache wird häufig bei Helpdesks für ein Live-Support-System verwendet, das dem Mitarbeiter wertvolle Informationen liefert, wie z. B. Antwortvorschläge oder... die Stimmung des Kunden (basierend auf der Erkennung bestimmter Wörter oder der Art der Zeichensetzung).
• Maschinelle Übersetzung. Noch vor ein paar Jahren wurde Google Translate allgemein für seine Inkompetenz verspottet und als nahezu nutzloses Tool betrachtet. Aber heute werden die maschinellen Übersetzungsprogramme immer besser und können sogar richtig gute Ergebnisse liefern. So sehr, dass Google Translate derzeit von 500 Millionen Menschen täglich genutzt wird, um mehr als 100 Weltsprachen zu verstehen. Und Sie haben es erraten - das alles ist dank NLP möglich!
• Wartung von Flugzeugen (!). Das ist eine interessante Frage. Dank NLP-Tools können Flugzeugmechaniker Informationen aus wortreichen Flugzeughandbüchern leichter zusammenfassen. Dies basiert auf Natural Language Generation - kurz NLG -, die sehr effizient bei der Textzusammenfassung ist (sie kann zum Beispiel auch kurze Auszüge aus Tausenden von Nachrichten erstellen - ideal für FinTechs oder Medienunternehmen).
• Smart Home-Geräte und mehr. Wir haben bereits Alexa und den Google Assistant erwähnt. Fassen wir also zusammen, dass NLP diese Geräte in die Lage versetzt, Sprachbefehle zu verarbeiten und die richtigen Aktionen auszuführen. NLP arbeitet auch hinter den Kulissen... auf Ihrem Smartphone, damit das System Ihre Anweisungen versteht.
• Autokorrektur, Autovervollständigung. Diese Tools (besonders nützlich für Smartphone-Nutzer mit großen Fingern) erleichtern Ihnen das Schreiben. Dank NLP können sie den nächstmöglichen Begriff zu Ihrem Rechtschreibfehler identifizieren (oder das falsch geschriebene Wort automatisch ersetzen) oder den Kontext Ihrer Nachricht erkennen und "automatisch vervollständigte" Wörter vorschlagen.

Für NLP verwendete Werkzeuge

Es gibt viele verschiedene Tools für alle Arten von Aufgaben der natürlichen Sprachverarbeitung. Einige von ihnen sind frei verfügbar (Open Source), andere sind kostenpflichtig und werden von führenden Computerunternehmen entwickelt. Je nach Zielsetzung kann NLP durch verschiedene Anwendungen für Bereiche wie automatische Textzusammenfassung, Themenextraktion, Entity-Erkennung, Sentiment-Analyse oder Sprachtagging unterstützt werden. Sehen wir uns nun ein paar Beispiele an.

Natural Language Toolkit (NLTK)

NLTK ist eine führende Plattform für die Erstellung von Python-Programmen für die Arbeit mit menschlichen Sprachdaten (siehe nltk.org). Die Plattform enthält detaillierte Einführungen in die Grundlagen der Programmierung sowie Themen wie Computerlinguistik und ausführliche API-Dokumentationen. Daher kann NLTK nicht nur von Ingenieuren, sondern auch von Linguisten oder Forschern verwendet werden.NLTK eignet sich hervorragend für den Unterricht und zum Spielen mit natürlicher Sprache. Wenn Sie also kein Programmiergenie sind, könnte dies ein gutes Tool für den Anfang sein.

spaCy

SpaCy ist eine Textanalyse-Bibliothek, die es Entwicklern ermöglicht, eine Vielzahl von NLP-Projekten in Angriff zu nehmen. Im Gegensatz zu NLTK, das für Lehre und Forschung verwendet werden kann, wird spaCy hauptsächlich für die professionelle Softwareentwicklung eingesetzt. Wie spacy.io es ausdrückt, wurde spaCy entwickelt, um bei der realen Arbeit zu helfen - um echte Produkte zu bauen oder echte Erkenntnisse zu sammeln. Die Bibliothek respektiert die Zeit des Benutzers, ist einfach zu installieren und ihre API ist einfach und produktiv.

Funken-NLP

Spark NLP ist eine Textverarbeitungsbibliothek, die auf die fortgeschrittene Verarbeitung natürlicher Sprache abzielt. Die Bibliothek bietet produktionsreife, skalierbare und trainierbare Versionen der neuesten Forschungsergebnisse auf dem Gebiet der natürlichen Sprachverarbeitung . Spark NLP ist auch die am häufigsten verwendete NLP-Bibliothek in Unternehmen.

Zukunft der natürlichen Sprachverarbeitung

Was das Jahr 2021 betrifft, so ist die Mehrdeutigkeit der menschlichen Sprache eine der größten Herausforderungen, denen sich NLP stellen muss. Eines der interessantesten Beispiele sind Ironie und Sarkasmus. Da sie genau das Gegenteil von dem ausdrücken sollen, was wörtlich gesagt oder geschrieben wird, kann es sein, dass NLP bei der Identifizierung der richtigen Bedeutung versagt (aber hey - selbst Menschen verstehen manchmal keinen Sarkasmus). Gegenwärtig versucht Natural Language Processing, diese Herausforderung zu überwinden, indem es nach Phrasen sucht, die häufige Begleiter von Ironie sind - wie z.B. "Jahr, richtig!" oder "was auch immer". Zu den weiteren Herausforderungen gehören Umgangssprache und Slang, domänenspezifische Sprache oder Sprachen mit geringen Ressourcen. Doch obwohl Natural Language Processing immer noch seine Grenzen hat, hat es in den letzten Jahren einen rasanten Entwicklungssprung gemacht und bietet Unternehmen heute viele interessante Vorteile. Und ihre Zukunft sieht sehr rosig aus. Mit dem Aufkommen neuer Technologien wird NLP sicherlich noch nützlicher und präziser werden.

Dieser Artikel wurde Ihnen vom Innovation Lab zur Verfügung gestellt

Das Innovation Lab ist eine neue Initiative, die darauf abzielt, Unternehmen bei der Umsetzung bahnbrechender Ideen zu unterstützen. Die Prototypen des Labs dienen als Grundlage für die Bewertung von Wert und Risiken, um optimale Investitionsentscheidungen zu ermöglichen. Wir glauben fest an Software-Handwerk und Rapid Prototyping und erforschen die neuesten Technologien in den Bereichen Data Engineering, Data Science, Computer Vision, IoT, moderne Visualisierung (3D/AR/VR) und mehr. Im Innovation Lab verwenden wir auch unsere eigenen Natural Language Processing Frameworks, die es uns ermöglichen, das Wesentliche aus Textdaten zu extrahieren und sie auf die vorteilhafteste Weise zu nutzen.

Quellen:
1) https://monkeylearn.com/blog/nlp-benefits/
2) https://capacity.com/enterprise-ai/faqs/what-are-the-advantages-of-natural-language-processing-nlp/
3) https://www.forbes.com/sites/bernardmarr/2019/06/03/5-amazing-examples-of-natural-language-processing-nlp-in-practice/?sh=1c0515531b30
4) https://www.wonderflow.ai/blog/20-natural-language-processing-examples-for-businesses