图灵汇官网

自然语言处理（NLP）：高效构建与应用

Arthur Coleman深入研究了18个月的自然语言处理（NLP）的人工智能。其中最激动人心的项目叫作ABBY，她是Acxiom Research的第一位人工智能员工。

Coleman提出了两个关于NLP的观点：

1. 开源技术在NLP领域非常强大，利用这些技术，一个小团队也能创造出高效的NLP应用。但要创造一个用户友好的前端NLP（即对话）则需要远见和毅力。远见是指能够看到技术的力量，并将其推销给内部利益相关者；毅力是指在看到成果前需要大量前期投入，还需要学习面向消费者的营销技巧，并处理用户的行为。

2. 后端NLP更容易实现，且回报更快。后端驱动或语言分析项目通常能在短时间内提供成本效益最高的NLP应用。例如，Cloudera展示了一个后端NLP的成功案例，通过分析呼叫中心的通话记录，提高了客户满意度。

与前端NLP相比，会话NLP更加昂贵，需要更长远的规划。会话NLP的目标是让机器像人类一样自然地交流。虽然市场上已经有一些开源平台，可以支持团队在一年内构建一个基础的会话AI平台，但这仍需要大量的资金和技术支持。

我们评估了会话NLP平台的投资回报率（ROI），认为在两年内能够实现投资回报。例如，我们计划增加48个新应用，每个应用的成本会增加1万美元。尽管成本较高，但一些复杂的应用程序，如会议室预订，依然能带来显著的投资回报。

开源工具是构建NLP项目的理想选择。为了成功，会话AI平台需要两方面的采用：终端用户和开发人员。终端用户往往对新技术持保留态度，因此需要精心设计的内部营销策略。开发人员的采用同样重要，因为需要他们的支持来构建更多功能。

在设计NLP应用时，效率和任务导向是关键。用户希望快速解决问题，而不是被复杂的交互过程困扰。例如，ABBY在处理通讯录查询和会议室预订时表现出色，但在执行简单的谷歌搜索时却收到负面反馈。

杀手级应用并不一定存在。虽然客户服务是NLP的一个重要应用领域，但并非所有应用都能吸引广泛的用户群体。个人偏好和应用场景决定了哪些应用最受欢迎。因此，开发一个灵活的平台，支持不同部门的需求，是非常重要的。

用户体验是NLP项目成功的关键。用户希望AI能够提供流畅、自然的交互体验。为此，AI需要具备灵活性，能够适应不同场景和情绪背景。此外，AI应适当地处理其不理解的内容，并设置合理的期望值。

以任务为导向的AI设计是成功的另一要素。用户主要希望通过AI完成特定任务，而不是闲聊。简洁明了的交互方式更能赢得用户的青睐。例如，用户可以通过简单的命令来预订会议室。

无处不在的设计也是关键。AI需要在各种环境中可用，包括企业聊天工具、浏览器插件和移动设备。记忆功能对于提升用户体验也非常关键，因为它能让AI更好地理解和回应用户的历史交互。

总之，虽然我们距离高质量的人工智能还有很长的路要走，但NLP技术已经在帮助企业降低成本、提高客户满意度方面取得了显著进展。企业和开发者应当充分利用现有的开源工具，构建高效且用户友好的NLP应用。