Von Chatbots zu Alexa: die Entwicklung der natürlichen Sprachverarbeitung

Deep Learning klingt mysteriös und leicht bedrohlich. Doch Sie haben bereits täglich Kontakt damit, wenn Sie ein Smartphone oder einen Echo besitzen. Jedes Mal, wenn Sie Siri, Google oder Alexa eine Frage stellen, wird Ihnen die Antwort mit Hilfe von Deep Learning bereitgestellt.

Als Teilgebiet des maschinellen Lernens dient Deep Learning dazu, äußerst komplexe Probleme zu lösen. Deep Learning nutzt ein Modell, das sich am Gehirn orientiert: künstliche neurale Netze, die mit Hilfe von Daten ihre Prognosefähigkeiten stetig verbessern. Durch diese Technologie konnten Informatiker und Datenforscher große Fortschritte in der natürlichen Sprachverarbeitung (NLP) machen, und genau aus diesem Grund leben wir heute in einer Welt, die voll von der bereits erwähnten Sprachtechnologie ist. Sprachwissenschaftler untersuchen seit siebzig Jahren Sprache mit Computersoftware, doch erst seit Kurzem können wir durch KI und Deep Learning wirklich sehen, wo das Potenzial der NLP liegt.

In dieser Folge von Cloud Talk spricht Jeff DeVerter, CTO von Rackspace Technology, mit drei Expertinnen und Experten in Data Science und KI über das Thema NLP. Seine Gäste sind Spyro Ananiades und Mark McQuade von Rackspace Technology sowie Carla Margalef Bentabol – Mitgründerin und CTO von Babbly.

Folgende Themen werden im Podcast besprochen:

• Die Entwicklung der NLP vom ersten Chatbot 1966 bis zur modernen Welt mit mehr Daten, Rechenleistung und fortschrittlicher KI
• So nutzt Babbly KI und Deep Learning, um Eltern dabei zu helfen, die Entwicklung ihrer Babys nachzuvollziehen
• Die Herausforderungen der natürlichen Sprachverarbeitung, des natürlichen Sprachverständnisses und der natürlichen Spracherzeugung lösen
• Fortschritte in der NLP durch unbeaufsichtigtes Lernen

Mark McQuade, Practice Manager of Data Science & Engineering bei Rackspace Technology, liefert Beispiele für geschäftliche Anwendungsfälle mit NLP. „Denken Sie einmal daran, wie viel Text es dort draußen gibt. Wir alle wissen, wie viele Daten heute in Welt umherschwirren. Nehmen wir uns aber einmal nur die Textdaten – beschränken wir das Ganze auf Beiträge und Kommentare in Social Media. Ein schon jetzt riesiger Anwendungsfall ist der Einsatz von NLP auf Twitter. Sie können eine Stimmungsanalyse machen, also eine Form von NLP. Sie können Stichwörter oder Sätze abrufen und herausfinden, worüber alle reden. Was sagen die Menschen über Ihr Unternehmen? Wie zufrieden sind Ihre Kunden? Das ist ein hervorragendes Beispiel für den Einsatz von NLP in Ihrem Unternehmen.“

Carla Margalef Bentabol, Mitgründerin und CTO von Babbly, erklärt, wie ihr Team eine Software entwickelt, die Geräusche statt Sprache erkennt. „Babys machen Geräusche, die noch keine voll entwickelte Sprache sind. Babbly analysiert die Tonsegmente und klassifiziert erkennbare Lautäußerungen anhand unserer Forschung und unserer eigenen Daten. Wenn sie wissen, in welcher Phase sich ihr Baby befindet, können Eltern das Lernen fördern und Babbly empfiehlt auf Forschung basierende Aktivitäten, um Kindern zu helfen, den nächsten Meilenstein bis zu dem Moment zu erreichen, wo das Kind seine ersten Worte spricht.“

Spyro Ananiades, Data Science Architect bei Rackspace Technology, erklärt, wie unbeaufsichtigtes Lernen den NLP-Fortschritt beschleunigen kann. „Seit 2000 haben wir uns auf unbeaufsichtigtes Lernen konzentriert; das umfasst Algorithmen und erfordert keine Anmerkungen von Menschen an den Lerndatensätzen mehr. Und wir sehen große Steigerungen bei diesem Ansatz, denn der menschliche Faktor war schon immer der Flaschenhals. Jetzt können wir die Deep-Learning-Modelle einfach mit Unmengen von Daten füttern und sie gruppieren Dinge nach Ähnlichkeit und ziehen eigene Schlussfolgerungen. Das ist in diesem Bereich gerade wirklich faszinierend!“