NLU 聽起來可能只是 AI 生態系統中的另一個縮寫，但它對於讓 AI 理解我們真正的意思是不可或缺的。
Siri 如何知道您是在問路還是在播放歌曲？
AI 代理如何分辨產品問題和支援請求？
讓我們來分析一下 NLU 如何運作，以及為什麼它對於更智慧的 AI 互動是必要的。
什麼是 NLU？
自然語言理解 (NLU) 是自然語言處理 (NLP)的一個子集，可讓機器詮釋和理解人類語言。
NLU 可用於AI 聊天機器人、虛擬助理和情感分析工具。它可讓機器準確詮釋使用者的意圖 - 不論是文字或語音 - 以便採取適當的後續行動。
NLU 被認為是 AI-hard（也稱為 AI-complete）問題，意即需要人工智慧才能解決。如果沒有人工智慧 (AI)，NLU 是不可能的。
NLU 如何運作？
NLU 分解人類語言以解釋其含義和意圖。以下是它的逐步工作原理：
1.預先處理文字
在分析開始之前，會先清除文字中不必要的元素，例如標點符號和停頓字，以集中在有意義的內容上。
2.識別關鍵元件
系統會擷取實體、關鍵字和短語，找出文字中最相關的部分，以便進一步分析。
3.分析句子結構
透過檢查字詞關係和文法，NLU 可判斷不同的字詞和概念在句子中如何互動。
4.映射到意向和目標
擷取的元件與預先定義的意圖或目標相匹配，幫助系統了解使用者的目的。
5.根據上下文完善理解
過去的互動和情境線索有助於提高準確性，讓 NLU 系統可以根據對話歷史調整回應。
6.產生結構化的輸出
最後，系統產生結構化的回應，可以觸發行動、執行指令或提供相關資訊。
實際案例
讓我們舉例說明。
Patrick 在工作中使用一個AI 代理 程式，它整合了他所有的主要應用程式，包括行事曆。
Patrick 對他的 AI 代理打字："安排明天下午 1 點或類似的時間與安琪見面。安排兩週後的跟進。
在其代理 AI 工作流程中，他的代理將：
- 確定意圖：代理識別 Patrick 想要安排會議
- 擷取關鍵實體：代理識別出 Patrick 正在談論聯絡人 'Anqi「、時間 」1pm「 以及日期 」明天'。
- 語句分析：代理識別出行動項目是 「排程」，它應該使用 Anqi 來完成，時間和日期應該是明天下午 1 點。
- 情境瞭解：代理檢查 Patrick 和 Anqi 的行事曆，以確保有空。如果明天下午 1 點沒有空檔，它會按照要求提出類似的時間。
- 最後行動：經紀人透過傳送行事曆邀請函給 Patrick 和 Anqi 來安排會議和後續行動。
NLU 的實際應用
您很可能會在日常生活中遇到 NLU，而且往往是在不知不覺間。以下是一些最常見的實際應用：
潛在客戶開發
NLU 是AI 線索生成的關鍵組成部分，是一種透過會話式 AI 篩選線索的形式。利用自然語言理解，聊天機器人可以識別潛在客戶的需求和能力。在篩選出潛在客戶後，聊天機器人甚至可以直接與銷售代表預約行事曆會議。
語音助理
Siri、Alexa 和 Google Assistant 等語音助理依靠 NLU 來理解您口頭命令背後的意圖。
例如，當您說「設定下午 2 點的美甲約會提醒」時，助理會分解您的句子，識別出您的意圖 (設定提醒)，並擷取實體 (美甲約會、明天、下午 2 點)。
NLU 可讓這些助理理解口頭請求，並採取正確的後續行動。
客戶服務聊天機器人
當您與客戶支援聊天機器人交談，並輸入「我的包裹在哪裡？」時，聊天機器人會使用 NLU 判斷您的意圖是要檢查送貨狀態。
它會擷取必要的實體 - 您的訂單資訊 - 並提供正確的更新。這種了解並回應各種客戶查詢的能力，讓 NLU 成為現代客戶服務自動化的重要部分。
電子郵件分類與自動化
NLU 也出現在電子郵件自動化系統背後。例如，由 NLU 驅動的工具可以閱讀收到的電子郵件、瞭解內容，並自動將電子郵件分類，例如「緊急」、「促銷」或「會議」。
這些系統甚至可以根據電子郵件的內容產生適當的回應，節省企業管理溝通的時間。
針對回饋和調查的文字分析
公司通常會使用 NLU 來分析調查、評論和社群媒體貼文的回饋。
NLU 有助於識別書面語言的模式和情感，從而瞭解客戶的需求和意見。
例如，NLU 系統可以掃描數百個客戶評論，並使用情感分析判斷大多數使用者對特定功能的感覺是正面還是負面。
主要元件
代幣化
標記化 (Tokenization) 是將句子分割成較小單位 (例如單字或短語) 的過程，以方便人工智能處理。
範例：「排定明天下午 3 點舉行會議 」被標記為 ["Schedule," "a," "meeting," "for," "3 PM," "tomorrow" ]。
語音部分 (POS) 標記
POS 標記透過標示每個字為名詞、動詞、形容詞等，來識別句子的語法結構。
範例：在「排定會議」中，AI 將「排定」標記為動詞，將「會議」標記為名詞。
命名實體辨識 (NER)
命名實體辨識 (NER) 可偵測文字中的重要實體，如姓名、地點和日期，並將其分類。
範例：在「預訂下星期五飛往紐約的班機」中，AI 會將「紐約」識別為地點，將「下星期五」識別為日期。
意圖分類
意圖分類可判斷使用者輸入內容背後的潛在目標或目的。
例如："預訂二人桌」被歸類為預訂的意向。
相依性解析
依存解析分析字詞之間的關係，以了解句子的語法結構。
範例：在「傳送報告給 Maria」中，AI 識別「Maria」是報告的收件人。
情境分析
情境分析使用周遭的對話或先前的互動來確保回覆的相關性和正確性。
範例：如果使用者之前詢問過特定專案，AI 可能會根據該情境量身打造未來的回應。
建立自訂 NLU 代理程式
隨著人工智能技術的快速發展，任何人都可以建立具有 NLU 功能的人工智能代理。
Botpress 是專為企業打造的無限擴充殭屍建置平台。我們的stack 讓開發人員可以針對任何使用個案建立聊天機器人和 AI 代理。
透過我們的免費等級、豐富的教學內容以及 Botpress Academy.
今天就開始建立。這是免費的。
.svg)
