你可能沒有意識到，但自然語言處理(NLP)不僅僅是一種新興的商業技術，它是一種廣泛使用的流行技術。在線搜索，拼寫檢查——幾乎所有涉及語言的功能都包含自然語言處理算法。

 

自然語言處理算法教導計算機像人一樣使用語言。如果你手動搜索來自一組文檔的信息，你也可以像搜索引擎一樣查看關鍵字。這就是為什么機器翻譯是自然語言處理的第一種形式，它是以二戰中的破譯技術為藍本。開發人員希望機器翻譯能將俄文翻譯成英文。翻譯結果是很糟糕的，但編碼人員堅持不懈，于是一種新型的機器學習誕生了。而且由于一家公司不能在沒有翻譯的情況下在國際上發展，自然語言處理就是一種從一開始就具有商業案例的技術。今天，自然語言處理就像通信本身一樣，是工作場所的一部分。

 

以下是當今的四個自然語言處理商業應用程序，我們會毫不猶豫地在未來投入使用，下面來談談出發點。

 

 

機器翻譯(MT)曾經是可笑的，但它現在是相當不錯的。由于自然語言處理軟件以人的方式學習語言，因此可以將早期的機器翻譯視為幼兒。隨著時間的推移，引擎中添加了更多的詞，很快它就變成了一個喋喋不休的少年。機器翻譯的質量本質上取決于你給的單詞的數量，這需要時間，也是最初使機器翻譯難以擴大規模的原因。

 

幸運的是，對于不想等引擎“長大”的企業來說，還有神經機器翻譯。在2016年，微軟的必應翻譯首次推出了該技術。谷歌翻譯和亞馬遜翻譯現在也提供競爭的系統。在實現神經網絡之前，機器翻譯引擎只在一個方向上運行——比如把西班牙語翻譯成英語。如果你想從英文翻譯成西班牙文，你必須從一個不同的數據集重新開始。如果你想添加第三種語言，那就太瘋狂了。但通過神經機器翻譯，工程師可以交叉應用數據。這從根本上加快了開發速度，幾個月的時間就能將機器翻譯引擎化腐朽為神奇，而不是幾年。因此，企業可以安全地使用機器翻譯來翻譯低影響力的內容：沒有人閱讀的產品評測、監管文檔、電子郵件。

 

但有一個警告：免費的機器翻譯工具——無論是否是神經系統——都有數據安全風險。所謂的Translate.com泄露導致員工密碼、合同和其它個人身份信息(PII)出現在谷歌搜索結果中。機器翻譯本身是非常安全的——如果你使用亞洲在線(Asia Online)、Systran等定制的專業類型。要小心你在網上免費工具中輸入的內容。

 

 

如果說機器翻譯是最古老的自然語言處理的例子之一，那么聊天機器人是最新的例子。機器人通過集成Slack、Skype和微軟團隊(Microsoft Teams)等程序來簡化功能。當他們首次出現時，聊天機器人是面向消費者的。例如，如果你在Facebook Messenger中輸入“披薩”，Domino的機器人會要求你下單。雖然像這樣的接觸點有助于推動B2C銷售，但在B2B世界中，在Slack中沒有人希望購買提醒來打斷他們。

 

所以在過去的一年中，初創公司已經將這項技術應用于其它領域：大多數企業機器人都在優化人力資源。首先有Talla，它是一種自然語言處理工具，它可以回答普通員工的問題，比如“我還剩多少假期?”以及“我的保險什么時候開始”?Chatbot Polly對工作場所滿意度到他們想在休息室吃什么零食等一切盡心民意調查。然后有Growbot，一個Slack兼Teams機器人，它監控聊天，看看員工互相恭維的頻率。當使用“贊”，“歡呼”，“道具”等詞匯時，員工就會得到獎勵。聯合創始人兼首席執行官Jeremy Vandehey表示，這有助于管理者提高人才留住率和士氣。

 

 

在人力資源方面，自然語言處理軟件長期以來一直在幫助招聘經理對簡歷進行整理。使用與谷歌搜索相同的技術，自動化的候選人搜索工具會掃描申請人的簡歷，以找到具有所需工作背景的人員。但是——像早期的機器翻譯——這些平臺使用的排序算法犯了很多錯誤。譬如說一個申請人自稱是“業務增長的集思廣益者”，而不是“外部銷售代表”：那么她的簡歷不會顯示在結果中，貴公司會忽略一個有創意的、客戶驅動的候選人。

 

如今的系統所做的遠不止確切的關鍵字匹配。例如，Scout通過搜索HR最初提供的關鍵字來解決同義詞問題，然后使用結果來識別要查找的新單詞。通過推斷新的術語(如“業務增長”)，以防止合格的候選人漏網。而且由于婦女和少數民族使用不同的語言，這個過程能確保不會漏掉他們。

 

當然，如果多樣化的候選人沒有申請的話，就不予考慮。為了解決這個問題，就有了Textio。聯合創始人兼首席執行官Kieran Snyder表示，增強的書寫工具使用語義分類(自然語言處理技術)來幫助招聘人員制作不分性別的崗位職責說明。Textio提供了從零到100分的文章評分，提供了詞匯、語法和格式化提示，如“添加更多欄目符號”。實施這些更改和客戶案例研究表明，你將看到申請人數量的急劇提高：Snyder說強生公司(Johnson & Johnson)的女性申請人增長了9%，艾利丹尼森公司(Avery Dennison)的女性申請人增長了60%，“Expedia發現，性別中立的工作的到崗速度比之前快了三周。

 

 

像Talla一樣，Second Mind想要回答你所有員工的問題。但是這個工具并不是一個機器人：它是一個語音激活的平臺，在公司會議上收聽“什么是”和“我想知道”這樣的觸發短語。當聽到這些短語時，Second Mind的搜索功能就起作用，為句子的剩余部分尋找答案。

 

比如說，你正在參加董事會會議，有人說：“去年的投資回報率是多少”?Second Mind會悄無聲息地掃描公司的財務狀況，或者其它任何他們詢問的事情，然后在房間的屏幕上顯示結果。創始人Kul Singh說，普通員工每天花費30%的時間搜索信息，公司每人每年的花費高達14209美元。通過精簡實時對話搜索，Second Mind有望提高生產力。

 

Talla的聯合創始人兼首席執行官Rob May表示：“據稱Wolfram，Semantic Machines，Nuance和微軟都在開展相關項目。”

 

版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。