计世网

IBM强化Watson对商业语言的理解能力
2020-03-12
IBM 宣布源自Project Debater 的一些关键技术首次商业化; 将新的能力集成至 IBM Watson,以支持企业开始挖掘和分析人类语言中某些最具挑战性的方面。

 

  

  2020年3月11日,IBM 宣布推出几项全新的 IBM Watson 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 IBM Watson 技术代表着Project Debater 所提供的关键自然语言处理(Natural Language Processing,NLP)能力首次实现商业化,Project Debater 由IBM研究院(IBM Research)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"hardly helpful(几乎没有帮助)"或"hot under 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。

  IBM Data and AI总经理 Rob Thomas 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Project Debater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。"

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

  A.    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。

  B.    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 。

  C.    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 Watson Discovery、用于虚拟代理的 IBM Watson Assistant以及用于高级情绪分析的Watson Natural Language Understanding。

  ESPN Fantasy Football使用Watson Discovery和Watson Knowledge 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Fantasy Football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。ESPN Fantasy Football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(Player Buzz)"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Watson Natural Language Understanding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。

 

责任编辑:刘沙