"הבנת שפה טבעית – אתגר טכנולוגי מורכב"

כתב: הילל יוסף.

"תחום ה-NLP, הבנה ועיבוד של שפה טבעית, הוא אתגר טכנולוגי לא פשוט כלל, ממגוון סיבות. הוא דורש יכולת עיבוד של מחשב, מבוסס בינה מלאכותית ולימוד מכונה, כדי להגיע להבנה, ויכולת לתקשר כאילו מדובר בשיחה בין שני בני אנוש ולא אדם-מכונה", כך אמרה ד"ר איה סופר, סגנית נשיאה למחקר טכנולוגיות בינה מלאכותית במעבדות המחקר של יבמ העולמית.

ד"ר סופר דיברה לקראת כנס שיערוך הסניף הישראלי של הענק הכחול. הכנס, בהפקת אנשים ומחשבים, ייערך באופן וירטואלי ביום ג' הקרוב, ה-16 לחודש, ויישא את הכותרת Put AI to work.

לדבריה, "שפה טבעית זו שפה שבה אנחנו מתקשרים, מדברים, ברמה האישית והארגונית. לרוב היא הממשק שלנו עם לקוחות, עובדים וספקים. התקשורת נעשית בעל פה, בכתב ובמסמכים. לטכנולוגיה זוהי בעיה מאוד מורכבת, בין היתר כי שפה היא דבר מורכב, עם אפשרות לומר את אותו הדבר בדרכים שונות". היא הסבירה כי "המענה לכך הוא באמצעות אלגוריתמים של בינה מלאכותית ולמידה מעמיקה, שאם ניתן למחשב מספיק דוגמאות ללמוד, הוא יוכל, לכאורה, 'לשמוע' מה אומרים לו – ו-'להגיב', גם אם הוא לא באמת 'מבין' לעומק".

"הדבר כבר נעשה בשדה הצרכני-פרטי, למקרים פשוטים כמו המלצה על המילה הבאה במייל, ועל שאלות פשוטות ומוכתבות מראש לעוזרים האישיים למיניהם. אנחנו רוצים לעשות זאת בהקשר הארגוני, מה שדורש הבנה עמוקה יותר של שפה באופן כללי ושל השפה הארגונית בפרט. המפתח הוא ההקשר, לצד היכולת לנצל ידע ארגוני. כך, למשל, כשנאמר הביטוי 'חבל על הזמן', על בסיס דוגמאות שהמחשב למד בעבר, הוא יבין אם הדובר מבזבז את זמנו לשווא או משתמש בביטוי כדי לשבח", ציינה ד"ר סופר.

לדבריה, "נחוץ להבין את השפה הארגונית גם כדי שהמחשב יוכל ללמוד נושאים חדשים, שהוא לא התמודד אתם בעבר. לצורך כך יש לתת לו כלים שמעניקים יכולת להתאמן. פתרון IBM Watson Assistant נותן מענה לצורך הזה. קל לאמן אותו על ידע חדש. הוא יודע להתחבר למערכות ארגוניות, וגם יודע ללמוד מניסיון".

כך העוזר של יבמ עונה לצרכים שנוצרו בעקבות משבר הקורונה

"בחודשים האחרונים, בעקבות משבר הקורונה, נוצרו צרכים ייחודיים", הוסיפה ד"ר סופר. "יש סיטואציה חדשה, שמקרינה על ממשלות, ארגונים ובתי חולים. כך, אימנו את העוזר לענות על היבטים הכרוכים בקורונה. אחת התכונות החשובות של ווטסון אסיסטנט הוא יכולתו ללמוד נושא חדש במהירות, על בסיס מעט נתונים ותיוגים. רוב השיטות כיום דורשות עשרות אלפי דוגמאות על מנת שהמכונה תלמד את הנושא היטב. אנחנו מקצרים את משך הלימוד בדרכים שונות, בין היתר על ידי חילול משפטים: הבינה המלאכותית יכולה לנסות לייצר בעצמה הרבה משפטים דומים ואז, על בסיס עוד כלי AI, לזהות איפה יש לה פחות ביטחון לגבי התשובה. המטרה היא שהעוזר יוכל למצוא תשובות ושיעשה את האימון לפני שהוא צריך לתת את המענה – ובמהירות. ואמנם, בתוך יומיים, אנשי המחקר והפיתוח של יבמ הצליחו לעשות זאת, ואנחנו מספקים לארגונים ולממשלות ווטסון שמשיב להם על שאלות בנושא הקורונה".

"כך", ציינה, "אנחנו מסוגלים לבוא לבית חולים, לחברת תעופה או לחברת ביטוח ולעזור לאמן את ווטסון על תחום ספציפי, כך שהוא יוכל להשיב לשאלות ייחודיות לתחום, דוגמת איך אקבל החזר כספי? או מה מצב הבטיחות בטיסה?. קיצרנו את הליך הפיתוח והאימון משבועות לימים מועטים. הבוט מתבסס על מקורות מהימנים, בשפות שונות – ומביא הרבה ערך".

להרשמה לאירוע לחצו כאן.