NLP o Natural Language Processing: come l’AI comprende il linguaggio

 

L’NLP, traducibile in italiano con elaborazione del linguaggio naturale o trattamento automatico del linguaggio (TAL), è un’area dell’AI e una disciplina con cui si permette ai computer e ai dispositivi digitali di riconoscere, comprendere e generare un testo. Con l’NLP vengono sviluppati sistemi che eseguono compiti linguistici, i quali prendono il nome di task.

NLP e linguistica computazionale

Pur avendo nomi diversi, le due aree di ricerca sono strettamente collegate e interdipendenti. La linguistica computazionale è una branca della linguistica che studia le lingue e il linguaggio attraverso metodologie computazionali, ovvero strumenti informatici. La linguistica computazionale è una sintesi tra linguistica e informatica, un ambito di ricerca multidisciplinare. L’NLP si può definire come una messa in pratica della linguistica computazionale.

Modello computazionale

Una nozione fondamentale se si parla di NLP è quella di modello computazionale, ovvero un oggetto di calcolo composto da algoritmi, funzioni, parametri e variabili con un rispettivo valore e peso da applicare ai dati linguistici in analisi, capace di svolgere un compito linguistico in modo automatico. Perché sviluppare e utilizzare un modello computazionale? Per replicare il nostro uso del linguaggio, istruire una macchina e farle simulare competenze linguistiche per raccogliere risultati in modo molto rapido e su una vasta quantità di dati.

Task: funzionamento e categorie

Ogni task implica tre strumenti:

 

    1. l’input, formato dai dati linguistici che si vogliono analizzare

    1. il modello computazionale, appositamente creato per il task

    1. l’output, i dati restituiti dal modello

Ad oggi i task di NLP sono infiniti, possiamo però individuarne tre macrocategorie:

 

    • task di pre-processing = preparano il testo, lo convertono in unità comprensibili e utilizzabili dal modello computazionale

    • task di classificazione = possono prevedere l’identificazione di parti del discorso per risolverne errori e ambiguità, il riconoscimento di forme flesse di una parola per riconoscerle sotto la stessa unità lessicale, la disambiguazione (individuare una struttura sintattica e correggerne altre), e molte altre funzioni

    • task di generazione = producono testi in linguaggio naturale, un esempio ne sono la traduzione automatica, la generazione di risposte e di riassunti, e molti altri risultati

NLP e aziende

Mettendo da parte il suo funzionamento, l’NLP sta semplificando e velocizzando l’interazione uomo-computer da molto tempo, per questo i suoi sistemi possono essere utili a disposizione di qualsiasi azienda. Ecco alcuni esempi di modelli NLP utili per le imprese:

 

    • riconoscimento vocale = è la tecnologia costruita per assistenti virtuali come Siri e Alexa

    • moderazione di contenuti = identificano termini ritenuti inappropriati

    • Sentiment Analysis = riconoscono le connotazioni di un testo, se queste sono positive, negative o neutre

Vuoi sfruttare le potenzialità dell’NLP nella tua azienda? Contattaci e scopri i nostri servizi.