在前面的文章中，我们已经了解了NLP工作流的主要部分。下面，让我们来讨论下这项技术的强大应用。
用例：改善销售
分析会话并将结果记入罗伊·拉纳尼(RoyRaanani)有一段在科技初创企业合作的职业生涯。他认为，商业中每天发生的无数转换大多被忽视了。也许人工智能可以把这转变成一个机会？
年，他创立了Chorus，利用NLP从销售人员的对话中获得洞察。拉纳尼将其称为会话云，它记录、组织和转录呼叫并将其输入到CRM(客户关系管理)系统中。随着时间的推移，算法将开始学习最佳实践，并指出如何改进。
但实现这一目标并不容易。根据Chorus的博客：
提出问题、抛出反对意见、设定行动项目、挑战假设的方式有数十亿种。如果要将销售模式系统化，所有这些都需要加以识别。第二，信号和模式在演变：新的竞争对手、产品名称和特性，以及与行业相关的术语会随着时间而变化，机器学习模型很快就会过时。
例如，其中一个很容易被忽视的困难是如何识别正在通话的一方(通常一个商业电话中有三个以上的人)。这被称为“说话人分离”，通常被认为比语音识别更困难。Chorus已经基于聚类创建了一个深度学习模型，该模型本质上是为每个说话者创建一个“声音指纹”。因此，经过几年的研发，该公司开发出一种能够分析大量对话的系统。
为了证明这一点，看看合唱团的客户之一，HousecallPro，这是一家出售用于现场服务管理移动技术的初创公司。在采用这款软件之前，该公司通常会为每个潜在客户量身定制销售方案。但不幸的是，它是不可扩展的，结果好坏参半。
通过Chorus的解决方案，该公司现在能够创造出一种没有太多变化的方法。这个软件可以衡量每一个词以及对销售转换的影响。Chorus还衡量了销售代表是否按剧本行事。
结果呢？公司能够将销售组织的胜率提高10%。
用例：对抗抑郁症
根据世界卫生组织(WHO，WorldHealthOrganization)的数据，全球约有3亿人患有抑郁症，即约15%的成年人一生中会经历某种类型的抑郁症。因为缺乏医疗服务而有些病例并没有被诊断出来，这意味着实际情况可能会更糟。不幸的是，抑郁还会导致其他问题。
但是NLP也许能够改善这种情况。斯坦福大学最近的一项研究使用了一种可以处理3D面部表情和口语的机器学习模型。该系统能够利用患者健康问卷(PHQ)量表诊断抑郁症，其平均错误率仅为3.67。对于更严重的抑郁症，准确率甚至更高。
研究人员指出：“这项技术可以应用到世界各地的手机上，从而促进人们以低成本获得普遍心理健康护理。”
用例：内容创作
年，埃隆·马斯克(ElonMusk)、彼得·泰尔(PeterThiel)、里德·霍夫曼(ReidHoffman)和萨姆·奥特曼(SamAltman)等几位科技元老用一笔10亿美元的巨额资金创立了OpenAI。作为一个非营利组织，该组织的目标是“以最有可能造福全人类的方式推进数字智能，不受产生财务回报的需求的限制”。
其中一个研究领域就是自然语言处理。为此，该公司在年推出了一款名为GPT-2的模型，该模型基于大约万个网页的数据集。研究的重点是创建一个系统，可以根据一组文本预测下一个单词。
为了说明这一点，OpenAI做了一个以“在一个令人震惊的发现中，科学家发现一群独角兽生活在安第斯山脉一个偏远的、以前从未探索过的山谷里。更让研究人员惊讶的是，独角兽能说一口流利的英语。”作为输入的实验。随后，算法据此创作了创造了一篇个单词长的令人信服的故事。
当然，研究人员承认，对于与基础数据关联更大的话题，GPT-2可以把故事讲得更好，比如《指环王》甚至英国脱欧，但GPT-2毫无疑问的在技术领域表现不佳。
该模型在几个著名的阅读理解基准评估中得分很高，有些结果高达93.30%。GPT-2的表现令人印象深刻，即便是普通人可以在这些测试中获得90%以上的分数。
最终，为了保持OpenAI的使命，该组织决定不发布完整的GPT-2模型。人们担心，这可能会导致负面后果，比如假新闻、假冒的评论、垃圾邮件和网络钓鱼诈骗。
用例:肢体语言
仅仅
转载请注明：http://www.0431gb208.com/sjszlfa/1249.html
