ความเข้าใจภาษาธรรมชาติ (NLU) คืออะไร?

NLU อาจฟังดูเหมือนคำย่ออีกคำหนึ่งในระบบนิเวศ AI แต่มีความสำคัญในการทำให้ AI เข้าใจว่าเรากำลังหมายถึงอะไรจริงๆ 

Siri รู้ได้อย่างไรว่าคุณกำลังถามเส้นทางหรือกำลังเล่นเพลง?

AI Chatbot รู้ความแตกต่างระหว่างคำถามเกี่ยวกับผลิตภัณฑ์และคำขอการสนับสนุนได้อย่างไร

มาดูกันว่า NLU ทำงานอย่างไร และเหตุใดจึงจำเป็นสำหรับการโต้ตอบ AI ที่ชาญฉลาดยิ่งขึ้น

สร้าง NLP Chatbots

สร้างตัวแทน AI

เริ่มเลย

ไม่ต้องใช้บัตรเครดิต

NLU คืออะไร?

ความเข้าใจภาษาธรรมชาติ (NLU) เป็นส่วนย่อยของ การประมวลผลภาษาธรรมชาติ (NLP) ที่ทำให้เครื่องจักรสามารถตีความและเข้าใจภาษาของมนุษย์ได้

NLU ใช้ใน แชทบอท AI ผู้ช่วยเสมือน และเครื่องมือวิเคราะห์ความรู้สึก ช่วยให้เครื่องจักรตีความเจตนาของผู้ใช้ได้อย่างแม่นยำ ไม่ว่าจะเป็นข้อความหรือเสียง เพื่อให้สามารถติดตามการดำเนินการที่เหมาะสมได้ 

NLU ถือเป็นปัญหาที่ยากต่อ AI (เรียกอีกอย่างว่าปัญหา AI-complete) ซึ่งหมายความว่าปัญหาเหล่านี้ต้องใช้ปัญญาประดิษฐ์จึงจะแก้ไขได้ NLU เป็นไปไม่ได้หากไม่มีปัญญาประดิษฐ์ (AI)

NLU ทํางานอย่างไร

NLU แบ่งภาษาของมนุษย์ออกเป็นสองส่วนเพื่อตีความความหมายและเจตนาของมัน โดยแต่ละขั้นตอนจะมีการทำงานดังนี้:

1. ข้อความได้รับการประมวลผลล่วงหน้าเพื่อลบองค์ประกอบที่ไม่จำเป็นออก (เช่น เครื่องหมายวรรคตอนและคำหยุด)
2. ระบบระบุส่วนประกอบที่สำคัญ เช่น เอนทิตี คำสำคัญ และวลี จากข้อความ
3. วิเคราะห์โครงสร้างประโยคเพื่อทำความเข้าใจความสัมพันธ์ระหว่างคำและแนวคิด
4. โมเดล NLU จะจับคู่องค์ประกอบที่รู้จักกับเจตนาหรือเป้าหมายที่เจาะจง
5. เอ็นจิ้น NLU ปรับปรุงความเข้าใจตามบริบทและประวัติการโต้ตอบของผู้ใช้
6. ระบบจัดให้มีผลลัพธ์ที่มีโครงสร้างซึ่งสามารถกระตุ้นการดำเนินการหรือการตอบสนองที่เหมาะสมได้

ตัวอย่างจากโลกแห่งความเป็นจริง

มาแยกมันออกด้วยตัวอย่างกันดีกว่า 

แพทริคใช้ ตัวแทน AI ในการทำงานที่บูรณาการกับแอปพลิเคชันหลักทั้งหมดของเขา รวมถึงปฏิทินของเขาด้วย 

แพทริกพิมพ์ข้อความถึงเอเจนต์ AI ของเขาว่า “กำหนดนัดประชุมกับอันฉีพรุ่งนี้เวลาบ่ายโมงหรือเวลาอื่นที่ใกล้เคียง กำหนดนัดติดตามผลในอีกสองสัปดาห์ต่อมา”

ตัวแทน AI ของเขาจะ:

1. ระบุเจตนา: ตัวแทนระบุว่าแพทริกต้องการกำหนดเวลาการประชุม
2. แยกข้อมูลสำคัญ: ตัวแทนระบุว่าแพทริกกำลังพูดถึง 'อันฉี' ซึ่งเป็นข้อมูลติดต่อ 'บ่ายโมง' คือเวลา และ 'พรุ่งนี้' คือวันที่
3. การวิเคราะห์คำพูด: ตัวแทนระบุว่ารายการการดำเนินการคือ 'การกำหนดตาราง' และควรทำโดย Anqi และเวลาและวันควรเป็น 13.00 น. ของวันพรุ่งนี้ 
4. ความเข้าใจบริบท: ตัวแทนจะตรวจสอบปฏิทินของแพทริกและอันกีเพื่อให้แน่ใจว่ามีเวลาว่าง หากเวลา 13.00 น. ของวันพรุ่งนี้ไม่ว่าง ตัวแทนจะเสนอเวลาที่คล้ายกันตามที่ร้องขอ
5. การดำเนินการขั้นสุดท้าย: ตัวแทนกำหนดตารางการประชุมและการติดตามผลโดยการส่งคำเชิญปฏิทินไปยังแพทริกและอันฉี 

การใช้ NLU ในโลกแห่งความเป็นจริง

เป็นไปได้ว่าคุณอาจพบเจอ NLU ในชีวิตประจำวันโดยที่คุณไม่ทันสังเกต ต่อไปนี้คือแอปพลิเคชันทั่วไปบางส่วนในโลกแห่งความเป็นจริง:

ผู้ช่วยเสียง

ผู้ช่วยเสียงเช่น Siri, Alexa และ Google Assistant อาศัย NLU เพื่อทำความเข้าใจเจตนาเบื้องหลังคำสั่งพูดของคุณ 

ตัวอย่างเช่น เมื่อคุณพูดว่า "ตั้งการแจ้งเตือนสำหรับการนัดหมายทำเล็บตอน 14.00 น." ผู้ช่วยจะแยกประโยคของคุณ ระบุจุดประสงค์ (ตั้งการแจ้งเตือน) และแยกรายการต่างๆ ออกมา (การนัดหมายทำเล็บ พรุ่งนี้ 14.00 น.) 

NLU ช่วยให้ผู้ช่วยเหล่านี้สามารถรับรู้คำขอด้วยวาจาและติดตามด้วยการดำเนินการที่ถูกต้อง

แชทบอทบริการลูกค้า

เมื่อคุณโต้ตอบกับ แชทบอทของฝ่ายสนับสนุนลูกค้า และพิมพ์ว่า "พัสดุของฉันอยู่ที่ไหน" บอทจะใช้ NLU เพื่อระบุว่าคุณต้องการตรวจสอบสถานะการจัดส่ง 

ระบบจะดึงข้อมูลที่จำเป็น – ข้อมูลการสั่งซื้อของคุณ – และทำการอัพเดตข้อมูลอย่างถูกต้อง ความสามารถในการทำความเข้าใจและตอบคำถามต่างๆ ของลูกค้าคือสิ่งที่ทำให้ NLU เป็นส่วนสำคัญของระบบอัตโนมัติในการบริการลูกค้าในยุคใหม่

การเรียงลำดับและการทำงานอัตโนมัติของอีเมล์

NLU ยังพบได้ในระบบอัตโนมัติของอีเมลด้วย ตัวอย่างเช่น เครื่องมือที่ขับเคลื่อนด้วย NLU สามารถอ่านอีเมลขาเข้า ทำความเข้าใจเนื้อหา และจัดเรียงอีเมลเหล่านั้นโดยอัตโนมัติตามหมวดหมู่ เช่น "เร่งด่วน" "โปรโมชัน" หรือ "การประชุม" 

ระบบเหล่านี้สามารถสร้างการตอบกลับที่เหมาะสมได้โดยอิงตามเนื้อหาของอีเมล ช่วยให้ธุรกิจประหยัดเวลาในการจัดการการสื่อสาร

การวิเคราะห์ข้อความสำหรับการตอบรับและการสำรวจ

บริษัทต่างๆ มักใช้ NLU เพื่อวิเคราะห์ข้อเสนอแนะจากแบบสำรวจ บทวิจารณ์ และโพสต์บนโซเชียลมีเดีย 

NLU ช่วยระบุรูปแบบและความรู้สึกในภาษาเขียน ทำให้สามารถเข้าใจความต้องการและความคิดเห็นของลูกค้าได้ 

ตัวอย่างเช่น ระบบ NLU สามารถสแกนรีวิวของลูกค้าหลายร้อยรายและระบุได้ว่าผู้ใช้ส่วนใหญ่มีความรู้สึกในเชิงบวกหรือเชิงลบเกี่ยวกับฟีเจอร์เฉพาะหนึ่งๆ โดยใช้การวิเคราะห์ความรู้สึก

ส่วนประกอบหลัก

โทเค็น

การสร้างโทเค็นคือกระบวนการแบ่งประโยคให้เป็นหน่วยที่เล็กลง เช่น คำหรือวลี เพื่อให้ AI ประมวลผลได้ง่ายขึ้น

ตัวอย่าง : "กำหนดการประชุมเวลา 15.00 น. พรุ่งนี้" ถูกแปลงเป็น ["กำหนดการ" "a" "การประชุม" "สำหรับ" "15.00 น." "พรุ่งนี้"]

การแท็กส่วนของคำพูด (POS)

การแท็ก POS ระบุโครงสร้างไวยากรณ์ของประโยคโดยการติดป้ายกำกับแต่ละคำเป็นคำนาม กริยา คำคุณศัพท์ เป็นต้น

ตัวอย่าง : ใน "กำหนดการประชุม" AI จะแท็ก "กำหนดการประชุม" เป็นกริยา และ "การประชุม" เป็นคำนาม

การจดจําเอนทิตีที่มีชื่อ (NER)

การจดจำเอนทิตีที่มีชื่อ (NER) ตรวจจับและจัดหมวดหมู่เอนทิตีที่สำคัญ เช่น ชื่อ สถานที่ และวันที่ภายในข้อความ

ตัวอย่าง : ใน "จองเที่ยวบินไปนิวยอร์กวันศุกร์หน้า" AI จะระบุ "นิวยอร์ก" เป็นสถานที่ และระบุ "วันศุกร์หน้า" เป็นวันที่

การจำแนกประเภทเจตนา

การจำแนกประเภทความตั้งใจจะกำหนดเป้าหมายหรือจุดประสงค์พื้นฐานเบื้องหลังข้อมูลอินพุตของผู้ใช้

ตัวอย่าง : “จองโต๊ะสำหรับสองท่าน” ถือเป็นการแสดงเจตนาที่จะทำการจอง

การวิเคราะห์การอ้างอิง

การวิเคราะห์การอ้างอิงจะวิเคราะห์ความสัมพันธ์ระหว่างคำเพื่อทำความเข้าใจโครงสร้างทางไวยากรณ์ของประโยค

ตัวอย่าง : ใน "ส่งรายงานไปยัง Maria" AI ระบุว่า "Maria" คือผู้รับรายงาน

การวิเคราะห์เชิงบริบท

การวิเคราะห์บริบทใช้บทสนทนาโดยรอบหรือการโต้ตอบก่อนหน้านี้เพื่อให้แน่ใจว่าคำตอบมีความเกี่ยวข้องและถูกต้องแม่นยำ

ตัวอย่าง : หากผู้ใช้ถามเกี่ยวกับโครงการเฉพาะก่อนหน้านี้ AI อาจปรับแต่งคำตอบในอนาคตตามบริบทนั้น

สร้างตัวแทน NLU ที่กำหนดเอง

ด้วยความก้าวหน้าอย่างรวดเร็วของเทคโนโลยี AI ใครๆ ก็สามารถสร้างตัวแทน AI ที่มีขีดความสามารถ NLU ได้ 

Botpress เป็นแพลตฟอร์มการสร้างบอทที่ขยายได้อย่างไม่มีที่สิ้นสุดที่สร้างขึ้นสำหรับองค์กร stack ช่วยให้นักพัฒนาสามารถสร้างแชทบอทและตัวแทน AI สำหรับกรณีการใช้งานใดๆ ได้

เริ่มต้นใช้งานได้ง่ายด้วยระดับการใช้งานฟรี บทช่วยสอนที่ครอบคลุม และ Botpress Academy

เริ่มสร้างวันนี้ มันฟรี. 

สร้าง NLP Chatbots

สร้างตัวแทน AI

เริ่มเลย

ไม่ต้องใช้บัตรเครดิต