ما المقصود بفهم اللغة الطبيعية (NLU)؟

يُتيح فهم اللغة الطبيعية للمؤسسات استخلاص الأفكار من البيانات غير المنظمة، مثل اللغة المنطوقة أو المدخلات المكتوبة باللغة الطبيعية. من خلال NLU، يمكن لأجهزة الكمبيوتر أيضًا التواصل مع مستخدمين غير مدرَّبين دون استخدام لغات البرمجة.  

نظرًا لأن اللغة البشرية غنية بالفروق الدقيقة ومعقدة ومليئة بالغموض، فإن فهم اللغة الطبيعية يشكِّل تحديًا كبيرًا في التعلم الآلي للعلماء والمهندسين العاملين مع النماذج اللغوية الكبيرة (LLMs). تُتيح أنظمة NLU لأجهزة الكمبيوتر فهم تفاصيل اللغة المكتوبة والمنطوقة، بما في ذلك الفروق الدقيقة، وتركيبات الجمل المعقدة، واستخدامات الكلمات التي قد تكون محيرة، واللهجة العامية واللهجات المختلفة، وغيرها. 

ونتيجةً لظهور الذكاء الاصطناعي التوليدي واستخدامه في روبوتات المحادثة للمستهلكين والإجابة عن الأسئلة والترجمة الآلية وغيرها من التطبيقات، يتلقى NLU استثمارًا تجاريًا كبيرًا. فلو لم يكن هناك فهم للغة الطبيعية، لما كانت روبوتات المحادثة التفاعلية مثل ChatGPT ممكنة - ففهم اللغة الطبيعية يمكِّن روبوتات المحادثة المدعومة بالذكاء الاصطناعي التوليدي من التحدث مع المستخدمين بطريقة طبيعية وواقعية.

يُعَد NLU نوعًا من معالجة اللغة الطبيعية (NLP)، وهو المجال الأوسع الذي يُتيح لأجهزة الكمبيوتر فهم اللغة البشرية والتواصل بها. بالإضافة إلى تركيز NLU على فهم المعنى، تغطي مهام معالجة اللغة الطبيعية أيضًا ربط العناصر اللغوية، مثل التركيب النحوي وتعريفات الكلمات وأجزاء الكلام. 

قبل تطوير NLP، كان المستخدمون يتواصلون مع أجهزة الكمبيوتر من خلال لغات البرمجة مثل Python و++C. على الرغم من أن الترميز لا يزال يعتمد على لغات البرمجة، تمكِّن تطبيقات البرمجيات دون كود المستخدمين من توجيه أجهزة الكمبيوتر مباشرةً باستخدام اللغة الطبيعية.

نشأت معالجة اللغة الطبيعية من مجال علوم الكمبيوتر المعروف باللغويات الحاسوبية، والذي يستخدم أجهزة الكمبيوتر لتحليل اللغة. أتاح إدخال خوارزميات التعلم الآلي ونماذج التعلم العميق لأجهزة الكمبيوتر أداء مهام متعلقة باللغة، مثل التعرُّف على الكلام وتوليد المحتوى. 

توليد اللغة الطبيعية (NLG) هو الطريقة التي تستخدمها أجهزة الكمبيوتر لإنشاء محتوى تلقائيًا بلغة البشر، مثلما يحدث عندما يقدِّم روبوت المحادثة ملخصًا نصيًا أو يُجري محادثة مع المستخدم. عادةً ما يكون NLG مقترنًا بتقنية NLU. يستقبل نموذج التعلم العميق إدخالًا باللغة الطبيعية، ويحوِّله إلى بيانات قابلة للاستخدام باستخدام معالجة اللغة الطبيعية، بما في ذلك فهم اللغة الطبيعية، ثم يولِّد استجابة باستخدام توليد اللغة الطبيعية يمكن للمستخدم فهمها. 

معالجة اللغة الطبيعية وتوليد اللغة الطبيعية وفهم اللغة الطبيعية جميعها مترابطة، وتُعَد معالجة اللغة الطبيعية المجال الأشمل الذي يحتوي على الأخيرين. توليد اللغة الطبيعية هو ما يجعل روبوتات المحادثة مثل ChatGPT، وروبوتات دعم العملاء الحديثة، والمساعدات الصوتية مثل Alexa من Amazon تبدو شبيهة بالبشر عند التفاعل مع المستخدمين.

يعمل فهم اللغة الطبيعية عن طريق استخدام خوارزميات التعلم الآلي لتحويل الكلام أو النص غير المنظم إلى نموذج بيانات منظم يمثِّل محتواه ومعناه. تطبِّق أنظمة NLU التحليل النحوي لفهم كلمات الجملة والتحليل الدلالي لمعالجة معنى ما يُقال. 

تتضمن تقنيات التعلم الخاضع للإشراف لخوارزميات NLU تزويد الخوارزمية ببيانات تدريب مصنّفة. توجِّه هذه الطريقة الخوارزمية بشكل صريح لفهم الفروق اللغوية الدقيقة، مثل استخدام كلمة mean في سياق إحصائي بدلًا من استخدامها في تقييم الشخصية. 

تُظهر تقنيات التعلم غير الخاضعة للإشراف الخوارزميات لمجموعات بيانات ضخمة غير مصنّفة بهدف تمكين الخوارزمية من اكتشاف العلاقات والأنماط الكامنة فيها. عادةً ما يتم تدريب نماذج NLU المعاصرة بمزيج من الأساليب الخاضعة للإشراف وغير الخاضعة للإشراف. 

تشمل الآليات الأساسية التي تجعل NLU ممكنًا ما يلي: 

• التجزئة والتضمين

• التعرف على الكيانات المسماة (NER) 

• التعرُّف على الهدف

التجزئة في NLU هي استخدام خوارزميات التعلم الآلي لتقسيم النص غير المنظم إلى أجزاء أصغر يمكن بعد ذلك تحليلها بشكل أكبر. ويُعرَف كل جزء ناتج باسم الرمز المميز. تعمل خوارزميات التضمين على تحويل كل وحدة نصية إلى تمثيل رقمي يتم رسمه بعد ذلك في فضاء متجه ثلاثي الأبعاد لتوضيح العلاقات بين الوحدات النصية. 

عادةً ما تستخدم نماذج NLU المعاصرة نماذج قائمة على المحوِّلات، مثل GPT؛ لأنها تتفوق في التقاط التبعيات بين الرموز المميزة. التبعيات هي علاقات طويلة المدى بين الرموز المميزة البعيدة في التسلسل. إن التقاط التبعيات بشكل صحيح يجعل من الممكن لأجهزة الكمبيوتر الحفاظ على الفهم السياقي عبر تسلسلات الإدخال الطويلة.

التعرُّف على الكيانات المسماة (NER) هو تقنية لاستخراج المعلومات تحدِّد وتصنِّف الكيانات المسماة، أو الكائنات الواقعية، في بيانات النصوص. يمكن أن تكون الكيانات المسماة مادية، مثل الأشخاص والأماكن والعناصر، أو مجردة، مثل التاريخ أو عمر الشخص ورقم هاتفه.

يخبر التعرُّف على الهدف خوارزمية NLU بما يريد المستخدم القيام به. تستخدم محركات البحث التعرُّف على الهدف لتقديم النتائج ذات الصلة بالاستعلام المقابل ليس فقط من الناحية الواقعية، ولكن أيضًا لإعطاء المستخدم المعلومات التي يريدها. 

على سبيل المثال، من المرجح أن يؤدي البحث عن "دجاج تيكا ماسالا" إلى ظهور قائمة بالوصفات. لكن ماذا لو كتب المستخدم بدلًا من ذلك "دجاج تيكا ماسالا بالقرب مني؟"، يخبر التعرُّف على الهدف محرك البحث أن المستخدم لا يريد طهي الدجاج بنفسه، بل يريد الاستمتاع به في مطعم محلي.

تشمل تطبيقات NLU مجموعة واسعة من حالات الاستخدام التي يكون فيها من الضروري لأجهزة الكمبيوتر التواصل مباشرةً مع البشر أو معالجة البيانات باللغة البشرية. تتضمن حالات الاستخدام لفهم اللغة الطبيعية ما يلي: 

• تحليل المشاعر

• نية المستخدم 

• الترجمة الآلية 

• دعم العملاء

• التعرُّف على الكلام 

• تصنيف النص

• الوكلاء الافتراضيون

تحليل المشاعر هو تطبيق نماذج التعلم الآلي لتحديد الحالة المزاجية والعاطفة في جزء من المحتوى. على سبيل المثال، يمكن للباحثين استخدام تحليل المشاعر على منشورات وسائل التواصل الاجتماعي والتقييمات لتحديد شعور المستخدمين تجاه العلامة التجارية. يمكن تطبيق المعلومات التي يتعلمونها على تطوير المنتجات المستقبلية والتسعير والتغييرات الأخرى. 

تستخدم محركات البحث NLU لتقديم إجابات أكثر صلة. ينطبق المبدأ نفسه على مواقع الويب ذات وظائف البحث - على سبيل المثال، يمكن لموقع التجارة الإلكترونية زيادة المبيعات من خلال عرض العناصر الأكثر صلة استجابةً لعمليات بحث المستخدمين. من المرجح أن يؤدي تحسين نتائج البحث إلى استمرار المزيد من المستخدمين في استخدام محرك البحث أو إجراء عملية شراء.

الترجمة الآلية هي استخدام أجهزة الكمبيوتر لإجراء ترجمة آلية للغة. على سبيل المثال، تخيَّل تطبيقًا لأجهزة محمولة يعمل على الترجمة بين الإنجليزية والإسبانية المنطوقة في الوقت الفعلي. قد يستخدم المستخدم الناطق بالإسبانية مثل هذا التطبيق للتحدث مع المتحدثين باللغة الإنجليزية وفهم أي شيء يُقال باللغة الإنجليزية من حوله. 

أصبحت روبوتات المحادثة لدعم العملاء أكثر تطورًا مع تحسُّن الذكاء الاصطناعي التوليدي. يُتيح فهم اللغة الطبيعية لروبوتات المحادثة إجراء محادثات شبيهة بالبشر مع المستخدمين، وقد زادت المؤسسات من نشرها للتعامل مع استفسارات خدمة العملاء والإجابة عن الأسئلة الشائعة. في المقابل، يُكمل العنصر البشري واجهة تجربة العملاء من خلال التعامل مع المشكلات التي تكون معقدة جدًا بحيث لا يمكن للذكاء الاصطناعي التعامل معها. 

يُعَد استخدام روبوتات المحادثة لدعم العملاء مثالًا على كيفية تبسيط التطورات في الذكاء الاصطناعي، بما في ذلك فهم اللغة الطبيعية، لمهام سير العمل وزيادة أتمتتها.

تساعد أنظمة NLU المستخدمين على التواصل شفهيًا مع البرامج، مثل أنظمة التوجيه الآلي التي يواجهها المرء عند الاتصال بالشركات الكبيرة. وبدلًا من الضغط المتكرر على الرقم 0 حتى يحوِّل النظام المكالمة إلى شخص حقيقي، يمكن للمتصلين ببساطة قول: "أريد التحدث إلى موظف". بفضل NLU، يمكن للبرنامج تحويل طلب المستخدم المنطوق إلى بيانات منظمة في الوقت الفعلي وتمرير المكالمة. 

بدأت المؤسسات في نشر الوكلاء الافتراضيين كجزء من تجربة العملاء الكبرى. يمكن لهذه النماذج التفاعل مباشرةً مع المستخدمين -باستخدام NLU وNLG لتسهيل التفاعل- والعمل نيابةً عن المستخدمين والمؤسسات. يستخدم المساعدون الافتراضيون مثل Alexa وSiri أيضًا تقنية NLU لتلبية طلبات المستخدمين.