Computer che parlano la tua lingua

Voglio volare da Boston a Milwaukeenext
sabato con le sorelle
compleanno e non voglio fermarmi
Chicago e io non voglio
pagarepiùdiquattrocentodollari
e la festa inizia alle tre così io
bisogno di arrivarci prima di allora.

Dillo gentilmente a un agente di linea umano e lui o lei districherà rapidamente le tue parole e troverà voli che soddisfano i tuoi criteri. Dillo alla linea di prenotazione automatizzata della compagnia aerea, tuttavia, e tutto ciò che è probabile che tu ottenga è un'allegra voce digitale che intona, scusa, non l'ho capito.

Non incolpare la voce. Anche supponendo che i computer della compagnia aerea abbiano superato le parole confuse, il rumore di fondo e l'accento di Boston per tradurre la richiesta in un testo accurato, nessun sistema di elaborazione del linguaggio ha la potenza di fuoco computazionale per dare un senso ai tuoi vincoli di prezzo e di routing, ignora irrilevanze come il fatto che sabato è il compleanno di tua sorella e capisci che se la festa inizia alle 15:00, non ti interessano i voli che arrivano a Milwaukee alle 16:00.

Se i computer Potevo comprendere e rispondere a tali richieste di routine in linguaggio naturale, i risultati sarebbero vantaggiosi per tutti: le compagnie aeree non avrebbero bisogno di assumere così tanti agenti e i consumatori non dovrebbero lottare con la confusione delle interfacce a toni che li lasciano furiosamente toccando il pulsante 0, cercando invano di raggiungere un operatore dal vivo.

I futuristi immaginano un mondo del genere almeno dal 1968, quando 2001: Odissea nello spazio HAL 9000 è diventato l'archetipo del computer interattivo vocale. Ricercatori accademici e aziendali incuriositi dalla pura freddezza dell'idea hanno armeggiato da altrettanto tempo con sistemi per riconoscere e rispondere al linguaggio umano. Ma le tecnologie non prendono piede perché sono cool: hanno bisogno di un imperativo aziendale. Per l'elaborazione del linguaggio, è l'enorme spesa del servizio clienti in tempo reale che sta finalmente portando le tecnologie fuori dal laboratorio. Gli alberi della semplice stampa o del telefono si stanno rapidamente dirigendo verso il mucchio di rottami mentre aziende come Nuance Communications e SpeechWorks fondono strategie precedentemente concorrenti in un software che deduce l'intenzione dietro le richieste naturalmente dette o scritte delle persone. Le principali compagnie aeree, banche e aziende di beni di consumo stanno già utilizzando i sistemi e, sebbene la tecnologia non sia ancora in grado di reggere la fine di una conversazione, aiuta i chiamanti con semplici domande a evitare lunghe code e libera gli agenti umani da affrontare richieste più complesse.

Tali miglioramenti hanno creato sistemi di linguaggio naturale per una crescita esplosiva: il 43 percento delle aziende nordamericane ha acquistato software di risposta vocale interattiva per i propri call center o sta conducendo studi pilota, secondo Forrester Research, una società di analisi tecnologica. Secondo Steve McClure, vicepresidente del gruppo di ricerca software presso la società di analisi di mercato IDC, il mercato odierno da 500 milioni di dollari per le applicazioni vocali basate sul telefono crescerà a mano a mano che sempre più aziende sostituiscono i vecchi menu dei telefoni a toni. Alla fine del 2002, ad esempio, Bell Canada ha installato un sistema di risposta vocale da 4,5 milioni di dollari costruito da Nuance, con sede a Menlo Park, California. Sulla base dei risultati che stiamo vedendo, l'effettivo ritorno sull'investimento richiederà solo circa 10 mesi, afferma Belinda Banks, direttore associato dell'assistenza clienti di Bell Canada. Nel complesso, l'azienda prevede di risparmiare 5,3 milioni di dollari sui costi del servizio clienti solo quest'anno.

E questa è solo la prima fase dell'implementazione dei sistemi di elaborazione del linguaggio. Aziende come Nuance e SpeechWorks di Boston, i due leader di mercato nei sistemi di risposta vocale interattiva, stanno avendo successo in parte perché hanno adattato le loro tecnologie per domini ristretti, come le informazioni di viaggio, dove i vocabolari e i concetti che devono padroneggiare sono limitati. Anche se tali sistemi prendono il sopravvento sulla nicchia del servizio clienti, altre aziende stanno ancora perseguendo la sfida della vera comprensione del linguaggio naturale. Se gli sforzi di ricerca presso l'IBM e il Palo Alto Research Center (PARC), ad esempio, danno i loro frutti, i computer potrebbero presto essere in grado di interpretare quasi tutte le conversazioni o di recuperare quasi tutte le informazioni che un utente Web desidera, anche se sono rinchiuse in un file video o una lingua straniera che apre i mercati ovunque le persone cerchino la conoscenza tramite reti di computer. Predice McClure di IDC, mentre la GUI [interfaccia utente grafica] era l'interfaccia per gli anni '90, la NUI, o interfaccia utente naturale, sarà l'interfaccia per questo decennio.

Che cosa?

La creazione di un sistema di assistenza clienti realmente interattivo come quello di Nuance richiede soluzioni a ciascuna delle principali sfide nell'elaborazione del linguaggio naturale: trasformare accuratamente il discorso umano in testo leggibile dalla macchina; analizzare il vocabolario e la struttura del testo per estrarne il significato; generare una risposta sensata; e rispondendo con voce dal suono umano.

Scienziati del MIT, della Carnegie Mellon University e di altre università, nonché ricercatori di aziende come IBM, AT&T e lo Stanford Research Institute (ora SRI International), hanno lottato per decenni con la prima parte del problema: trasformare la parola in qualcosa con cui i computer possono lavorare. I primi prodotti pratici sono arrivati ​​all'inizio degli anni '90 sotto forma di programmi di riconoscimento vocale per consumatori, come Voice Type di IBM, che richiedevano la dettatura ma costringevano gli utenti a fare una pausa dopo ogni parola, limitando l'adozione. A metà degli anni '90, la tecnologia era avanzata e ha portato a sistemi di dettatura come NaturallySpeaking di Dragon Systems e ViaVoice di IBM, in grado di trascrivere discorsi ininterrotti con una precisione fino al 99%.

Nello stesso periodo, alcuni scienziati si sono staccati dai laboratori accademici e aziendali per creare startup volte ad affrontare i problemi ancora più complessi - e i mercati potenziali più grandi - della seconda area dell'elaborazione del linguaggio, soprannominata comprensione del linguaggio. Sono in gran parte i progressi in questo settore che hanno posizionato il campo per il suo vero scatto di crescita. Questi progressi si basano su due importanti realizzazioni, secondo il chief technology officer di SpeechWorks Michael Phillips, ex ricercatore presso il Laboratory for Computer Science del MIT. Il primo era che non ha molto senso raggiungere la luna, il sogno decennale di sistemi capaci di una conversazione generale simile a HAL. C'è un mito secondo cui le persone vogliono parlare alle macchine nello stesso modo in cui parlano alle persone, dice Phillips. Le persone vogliono una macchina efficiente, amichevole e utile, non qualcosa che li induca a pensare di avere una conversazione con un essere umano. Questo presupposto semplifica enormemente il lavoro di costruzione e formazione di un sistema di linguaggio naturale.

La seconda consapevolezza era che era giunto il momento di combinare le filosofie a lungo sostenute da fazioni rivali nella comunità di elaborazione del linguaggio. Una filosofia afferma essenzialmente che la comprensione del discorso è una questione di discernimento della sua struttura grammaticale, mentre l'altra sostiene che l'analisi statistica - abbinare parole o frasi a un database storico di esempi di discorso - è uno strumento più efficiente per indovinare il significato di una frase. I sistemi ibridi che utilizzano entrambi i metodi, hanno appreso le startup, sono più accurati di entrambi gli approcci da soli.

Ma questa intuizione non è arrivata da un giorno all'altro. Al MIT, Phillips aveva aiutato a sviluppare un software sperimentale in grado di riconoscere il parlato e, in base alla sua comprensione della grammatica, dare un senso a una richiesta e rispondere in modo logico. Come altri sistemi basati sulla grammatica, suddivideva una frase nelle sue componenti sintattiche, come soggetto, verbo e oggetto. Il sistema ha quindi organizzato questi componenti in diagrammi ad albero che rappresentavano il contenuto semantico di una frase, o logica interna: chi ha fatto cosa a chi e quando. Il software si limitava ad aiutare gli utenti a navigare a Cambridge, MA, spiega Phillips. Diresti, Dov'è il ristorante più vicino?' E diresti, Che tipo di ristorante vuoi?' Diresti, Cinese,' e ti troverebbe un posto.

Poco dopo che Phillips ottenne la licenza dalla tecnologia dal MIT nel 1994 e se ne andò per avviare SpeechWorks, sia lui che i ricercatori del concorrente Nuance videro che una delle loro applicazioni target, il call Steering, richiedeva qualcosa di più. Ci sono aziende là fuori che hanno 300 diversi 800 numeri, spiega Phillips. Il cliente non capisce la struttura dell'organizzazione, sa solo quale problema ha. La cosa giusta da fare è porre una domanda, del tipo: Qual è il problema che stai riscontrando?' Ma rispetto a una richiesta per un vicino ristorante cinese, tali domande sono pericolosamente aperte.

Il problema si fa più difficile se si considera che l'ambiguità di gran parte del discorso umano - si pensi a una frase come ha visto la ragazza con il telescopio - fa sì che molte richieste siano aperte a molteplici interpretazioni. Ci sono così tanti modi diversi in cui qualcuno può parlare al sistema che cercare di coprire tutto ciò che riguarda le grammatiche è proibitivo, afferma John Shea, vicepresidente per il marketing e la gestione dei prodotti presso Nuance.

SpeechWorks ha finalmente trovato una soluzione praticabile nel 2000, quando ha sposato il software del MIT con una tecnologia di elaborazione del linguaggio statistica sviluppata presso AT&T Labs-Research a Florham Park, NJ. Il sistema di AT&T è costruito attorno a un database di frammenti di frasi comuni tratti da decine di migliaia di telefonate registrate che coinvolgono sia la comunicazione da uomo a uomo che da uomo a macchina. Ogni frammento nel database viene valutato per la sua associazione statistica con un determinato argomento e classificato di conseguenza. Un frammento come le chiamate che non ho effettuato, ad esempio, potrebbe essere fortemente correlato con l'argomento delle richieste di fatturazione di numeri non riconosciuti e il sistema indirizzerebbe la chiamata a un agente che potrebbe accreditare l'account del chiamante. Se il sistema non è sicuro della sua scelta, richiede al chiamante ulteriori informazioni utilizzando la tecnologia di sintesi vocale. Alla fine, secondo AT&T, il sistema instrada correttamente oltre il 90% delle chiamate, un tasso di successo molto più elevato rispetto a quello riscontrato dai chiamanti quando navigano da soli negli alberi telefonici vecchio stile.

Nuance ha sviluppato un sistema simile, basato sulla tecnologia SRI, che può utilizzare metodi grammaticali o statistici, o entrambi, per estrarre il significato dal discorso di un chiamante. Utilizziamo approcci diversi a seconda delle esigenze del cliente, afferma Felix Gofman, product marketing manager di Nuance. Puoi mescolare e abbinare. In un campo specifico, come quello bancario, gli argomenti e il vocabolario delle domande dei chiamanti saranno limitati e il sistema potrà funzionare esclusivamente utilizzando elenchi predefiniti di ciò che i clienti potrebbero dire. Per campi nuovi o più ampi come l'ordinazione di servizi telefonici, il sistema memorizza ogni domanda che sente in un database, quindi utilizza tecniche statistiche per confrontare le nuove domande con le vecchie voci alla ricerca di probabili corrispondenze, migliorando così la precisione nel tempo.

La tecnologia del call center di SpeechWorks è utilizzata da aziende così diverse come Office Depot, il servizio postale degli Stati Uniti, Thrifty Car Rental e United Airlines. Ma l'azienda che spinge la tecnologia più vicina ai suoi limiti è Amtrak. I viaggiatori che chiamano il sistema telefonico automatizzato di Amtrak possono non solo ottenere gli orari dei treni, ma anche effettuare prenotazioni e addebitare i biglietti sulle loro carte di credito. Quando siamo partiti, l'obiettivo principale era aumentare i tassi di soddisfazione dei clienti, afferma Matt Hardison, capo delle vendite, della distribuzione e del servizio clienti della ferrovia. Ma come bonus, dice, i risparmi sui costi del lavoro hanno ripagato l'investimento di $ 4 milioni di Amtrak nella tecnologia entro 18 mesi.

Nuance, nel frattempo, ha grandi clienti nei settori finanziario e delle telecomunicazioni, tra cui Schwab, Sprint PCS e Bell Canada. British Airways ha dichiarato alla società che, dopo aver implementato i sistemi di riconoscimento vocale Nuance lo scorso anno, il suo costo medio per chiamata cliente è sceso da $ 3,00 a $ 0,16. E secondo le banche di Bell Canada, il 40% dei clienti era solito azzerare o richiedere un operatore dal vivo, durante la navigazione nell'albero dei telefoni a toni dell'azienda. Tra l'implementazione del sistema da parte dell'azienda nel dicembre 2002 e il marzo 2003, tale numero è sceso al 15%, afferma Banks.

Una comprensione più profonda

Nonostante tutto il loro successo, tuttavia, questi sistemi non capiscono davvero in alcun modo ciò che sentono. Si occupano solo di regole grammaticali, probabilità ed esempi memorizzati. In effetti, eccellono proprio perché i loro creatori si sono allontanati dalla ricerca di un sistema abbastanza intelligente da leggere e riassumere un libro o sostenere una conversazione generale.

Ma altri ricercatori conservano una visione più ampia delle possibilità di elaborazione del linguaggio naturale. Come Ron Kaplan, un ricercatore al PARC che ha sviluppato gran parte della teoria grammaticale di base alla base di molti dei sistemi di linguaggio naturale odierni, stanno costruendo software in grado di far fronte a una varietà molto maggiore di input, dalle storie dei giornali alla massa disorganizzata di contenuti multimediali. informazioni sul Web. Kaplan è critico nei confronti di quelli che chiama i metodi superficiali utilizzati per applicazioni di nicchia come l'indirizzamento delle chiamate. Rispetto all'alternativa - mantenere uno staff costoso di agenti del servizio clienti umani - in realtà non sono male, dice. Ma rispetto a quello che vorresti, puzzano. Un'interfaccia in linguaggio naturale più efficace, afferma Kaplan, eliminerebbe la necessità di adattare accuratamente i sistemi e consentirebbe agli utenti di parlare o scrivere liberamente.

Due problemi che ostacolano questa visione, dal punto di vista di Kaplan, sono che i database di campioni linguistici su cui attingono i sistemi più semplici sono troppo piccoli e gli algoritmi statistici che usano sono progettati per eliminare l'ambiguità in gran parte di ciò che la gente dice, entrando velocemente come possibile sul significato più probabile. Kaplan ritiene che se questa ambiguità viene eliminata troppo presto, il significato corretto di un'espressione, specialmente una frase lunga o complessa, potrebbe andare persa. Così ha trascorso l'ultimo decennio lavorando su un sistema basato sulla grammatica, chiamato Xerox Linguistic Environment, che in realtà cerca di conserva ambiguità. Il sistema analizza un'espressione in ogni possibile diagramma di frase consentito da un insieme di 314 regole che governano le relazioni tra le varie parti del discorso (i ricercatori del PARC hanno assemblato le regole manualmente nell'arco di tre anni). Una frase complessa con 40 o più parole, ad esempio, potrebbe essere interpretata in fino a 1.000 modi diversi.

L'analisi grammaticale del sistema è così approfondita che cattura correttamente, in media, il 75 percento delle relazioni logiche in una frase, che è in realtà molto alta rispetto a ciò che fa la maggior parte dei metodi statistici, afferma Kaplan. Tale tasso di precisione può essere aumentato a circa l'80% se il software sfrutta tali metodi statistici, confrontando ogni possibile interpretazione con diagrammi simili in un database addestrato, nel caso del software PARC, un archivio di centinaia di migliaia di diagrammi accurati di frasi tratte a partire dal giornale di Wall Street articoli.

Kaplan prevede di utilizzare prima il sistema sulla vasta base di conoscenze digitali di Xerox sulle tecniche di riparazione delle fotocopiatrici, che viene costantemente consultata e aggiornata dai tecnici sul campo dell'azienda. Lì confronterà migliaia di singole voci per eliminare ridondanze e contraddizioni. Potrebbe essere che molti tecnici abbiano scoperto la stessa soluzione a un problema comune, come la sostituzione del tamburo di una fotocopiatrice, spiega Kaplan. Ottieni un mucchio di voci che dicono la stessa cosa, solo in modi diversi. Trovare ed eliminare automaticamente tale ridondanza, aggiunge, può aiutare i tecnici a dedicare meno tempo alla selezione delle opzioni. Il software potrebbe anche diventare il fulcro di un sistema avanzato per la traduzione di documenti in diverse lingue, un compito particolarmente afflitto da ambiguità ( vedi La sfida della traduzione ).

Tuttavia, prima che un computer possa comprendere o tradurre le informazioni memorizzate espresse in linguaggio naturale, deve trovarle. Ciò sta diventando più difficile man mano che l'universo digitale si espande, motivo per cui IBM sta perseguendo un progetto ambizioso per impiegare l'elaborazione del linguaggio naturale nella gestione delle informazioni non strutturate, la massa di testo digitale, immagini, video e audio archiviati sulle reti di computer. Gran parte dell'attività di IBM si basa sul suo prodotto database, DB2, ma un database tradizionale può recuperare solo informazioni che sono già state organizzate e indicizzate. IBM vuole offrire agli utenti aziendali e ai consumatori l'accesso immediato ai dati non indicizzati che languono su milioni di dischi rigidi in tutto il mondo, estendendo efficacemente il proprio dominio nella gestione dei dati strutturati al regno delle informazioni non strutturate. Per arrivarci, l'azienda sta portando avanti un'iniziativa progettata per unire diversi approcci di elaborazione del linguaggio in un potente software in grado di cercare, organizzare e tradurre in modo intelligente tutti questi dati. Il progetto, chiamato Unstructured Information Management Architecture, potrebbe alimentare il business dell'azienda anche nell'era di Internet. Per quanto riguarda le scommesse sulla ricerca, questa è una grande, afferma Alfred Spector, vicepresidente senior della divisione.

Il software di traduzione e altri prodotti che utilizzano la nuova architettura sono ancora in fase di prototipo. Ma alla fine, afferma David Ferrucci, l'architetto software capo del progetto, l'architettura aiuterà IBM a creare sistemi che raccolgono le informazioni più recenti che un utente desidera da qualsiasi fonte digitale, in qualsiasi lingua, e le forniscono in forma organizzata. Secondo Giga Information Group di Cambridge, MA, le aziende statunitensi spendono già 900 milioni di dollari l'anno in portali di informazioni aziendali che aiutano i dipendenti a trovare i record di cui hanno bisogno e le opportunità per IBM e altre società di sviluppare software per la gestione delle informazioni non strutturate si moltiplicheranno man mano che che le informazioni si accumulano. Ora c'è chiaramente una logica aziendale per gestire i dati non strutturati, conclude Spector.

Se gli sforzi per far fronte all'ambiguità, alle informazioni non strutturate e ad altre complessità del linguaggio hanno successo, alla fine potremmo smettere di trattare i computer come bambini piccoli, semplificando tutto ciò che diciamo per adattarlo alla loro comprensione immatura del mondo. Quando quel giorno arriverà, e potrebbe arrivare presto, i consumatori possono aspettarsi di trovare interfacce vocali automatizzate in ogni momento, consentendo loro di utilizzare un inglese semplice (o francese o cinese) per interagire con qualsiasi cosa, dagli archivi Web agli elettrodomestici e alle automobili.

E questo sarebbe davvero qualcosa di cui parlare.

Babele di Language Processing SOCIETÀ TECNOLOGIA POSIZIONE AT&T Riconoscimento vocale automatizzato; sintesi vocale dal suono naturale
New York, NY scherzi Classificazione e risposta e-mail automatizzate San Francisco, CA e Gerusalemme, Israele IBM Riconoscimento vocale automatizzato;
traduzione; architetture standard per la gestione delle informazioni non strutturate Armonk, NY Intel Riconoscimento vocale audiovisivo Santa Clara, CA Inxight Software per la scoperta, l'esplorazione e la categorizzazione dei dati di testo sulle reti aziendali Sunnyvale, CA Tecnologie iPhrase Ricerca testuale in linguaggio naturale di siti Web aziendali Cambridge, MA Microsoft Controllo grammaticale; interfacce di interrogazione; traduzione Redmond, WA Nuance Communications Sistemi di risposta vocale interattiva per il servizio clienti telefonico Menlo Park, CA Centro Ricerche Palo Alto Algoritmi migliorati per estrarre significato dal testo scritto Palo Alto, CA SpeechWorks Sistemi di risposta vocale interattiva per il servizio clienti telefonico Boston, MA StreamSage Ricerca e indicizzazione in linguaggio naturale di materiale video e audio Washington, DC

nascondere