IBM强化Watson对商业语言的理解能力

IBM强化Watson对商业语言的理解能力

• 来源:网络
• 更新日期:2020-05-12

摘要： 2020年3月11日，商业人工智能领域领军者IBM宣布推出几项全新的IBMWatson 技术，旨在帮助组织机构更清晰地识别、理解和分析英语语言中某些最具挑战性的方面，从而获取更多洞察。

    2020年3月11日，商业人工智能领域领军者IBM宣布推出几项全新的IBMWatson 技术，旨在帮助组织机构更清晰地识别、理解和分析英语语言中某些最具挑战性的方面，从而获取更多洞察。

    全新的IBMWatson 技术代表着ProjectDebater 所提供的关键自然语言处理（NaturalLanguage Processing，NLP）能力首次实现商业化，ProjectDebater 由IBM研究院（IBMResearch）研发，是目前唯一一个能够就复杂话题与人类展开辩论的人工智能系统。在此次推出的技术中，IBM首次界定了一项新型高级情绪分析能力，以识别及分析习惯用语和口语化表达。对于人工智能系统而言，识别诸如“hardlyhelpful（几乎没有帮助）”或“hotunder the collar（怒气冲天）”之类的短语一直是一项挑战，因为它们难以被算法识别。通过高级情绪分析，企业可以使用Watson应用程序接口（API）来分析此类语言数据，从而更全面地了解自身运营情况。此外，IBM还将IBM研究院的技术应用于理解诸如PDF文档和合同之类的商业文档，并将这些技术添加到IBM人工智能模型当中。

    IBMData and AI总经理RobThomas 表示，“语言既是表达思想和观点的工具，也是传递信息的工具。正因如此，我们将ProjectDebater中获取的技术集成到Watson，我们相信NLP将增强企业从人类语言中采集、分析和理解信息的能力，这将有助于企业更好地利用蕴含在数据中的智慧资产。”

    今天，IBM宣布，计划将在全年致力于将ProjectDebater 技术集成至Watson，并侧重于提高客户使用自然语言的能力：

    分析—高级情绪分析（Advanced Sentiment Analysis）。IBM 增强了情绪分析能力，能够更好地识别和理解复杂的单词组合，比如像包含短语和表达的习惯用语以及所谓的情绪转换词组（sentiment shifter），即由不同单词组成但却呈现新含义的单词组合，例如“hardly helpful（几乎没有帮助）”。该技术将于本月整合至Watson Natural Language Understanding 。此外，我们还宣布了一项新的分类技术，借助该技术，客户将能创建人工智能模型，更轻松地分类采购合同等商业文档中出现的条款。利用Project Debater 中的基于深度学习的分类技术（deep learning-based classification technology），该新能力可从仅数百个示例中学习，进而快速、轻松地执行新分类。该技术计划将于今年晚些时候添加至 Watson Discovery。

    摘要提炼—总结（Summarization）。该技术可从各种来源中提取文本数据，为用户就与特定主题相关的口头和书面言论提炼一份摘要。今年的格莱美颁奖礼通过Summarization 的一个早期版本分析了超过 1,800 万篇文章、博客和个人档案，以提炼关于数百名格莱美艺术家和名人的细微洞察。随后，该数据被应用到 www.grammy.com 的红毯视频直播、点播视频以及照片中，帮助粉丝更深入地了解当晚主要话题的背景信息。该技术计划将于今年晚些时候被添加至 IBM Watson Natural Language Understanding 。

    聚类—高级主题聚类（Advanced Topic Clustering）。基于从 Project Debater 获得的洞察，全新主题聚类技术将支持用户对输入的数据进行“聚类”，从而就相关信息创建有意义的“主题”，用户随后即可对这些主题进行分析。这项计划将于今年晚些时候整合至 Watson Discovery 的技术，还将支持主题专家对主题进行定制和微调，以反映特定企业或行业的语言风格，例如保险、医疗健康和制造行业。

    IBM长期以来一直是NLP领域的领军者，致力于开发技术以支持计算机系统更准确、更快速地学习、分析及理解人类语言，包括感情色彩、方言、语调等等。IBM已通过Watson将其NLP技术推向市场，其中大部分由IBM研究院研发，例如，用于文书理解的WatsonDiscovery、用于虚拟代理的IBMWatson Assistant以及用于高级情绪分析的WatsonNatural Language Understanding。

    ESPNFantasy Football使用WatsonDiscovery和WatsonKnowledge Studio分析赛季中每天产生的数以百万计的足球数据来源，以提供关于FantasyFootball运动员的数百万个实时洞察。通过自然语言处理，Watson可以识别包括新闻文章、博客、论坛、排名、预测、播客和推特等内容的语气和情绪，涵盖了从更衣室洞察到伤病分析等全方位的内容。ESPNFantasyFootball在球员卡中展示了这些洞见，这些球员卡记录了每个球员的升/降级（Boom/Bust）潜力，以及“球员的关键球能力（PlayerBuzz）”部分，它总结了有关一名球员的正面或负面评论。

    四大会计师事务所之一的毕马威（KPMG），拥有遍布全球的专业服务网络，它与IBM合作创建了一个基于Watson多种服务的人工智能解决方案，包括WatsonNatural LanguageUnderstanding等。该技术使企业能更有效地识别、申报和留存诸如潜在的研发所得税抵免。该解决方案由毕马威开发，Watson技术支持在最大限度减少对客户业务干扰的同时、快速审查更多文档，因此该方案可以帮助客户增加他们获得的研发所得税抵免。

    过去一年，毕马威的客户看到了研发税收抵免的更多可能性，一些项目的审查文件数量甚至增加了1000%以上。该解决方案在减少对业务干扰的同时，能帮助客户发现更多有资格获得额外所得税抵免的潜在活动。因此，可以通过减少工程师和科学家用于所得税合规活动的时间，让他们更专注于创新的研发工作。