自然语言处理如何助力人机共鸣

在当前飞速发展的创新步伐中，科技似乎正在积极地解决人类最紧迫的难题。

在某些方面，我们取得了很大的进步。在可再生能源、疾病预防和灾后重建等领域作出了重大突破。但是，当涉及到解决如员工多样性、无意识偏见、员工和客户满意度等等以人为本的挑战时，技术并未达到预期效果。

这是因为像喷气推进或GPS这样的技术性问题在很大程度上是与数学和物理相关的，这也是计算机(和程序员)擅长的领域。但是，解决像员工投入度这类人情问题时通常需要同理心，这是很难用代码编写出来的。人类是情感动物，尤其是在做决定的时候。首先我们用心感受，然后利用逻辑思维帮助自己选择正确的情感反应，最后我们采取行动。因此，任何帮助人们做出“更好的”决定而不考虑情感因素的尝试都注定要失败。

然而，随着人工智能的发展，尤其是自然语言处理(NLP)的最新进展，我们终于掌握了利用人类情感力量和复杂性的技术工具。这种方法对我们如何设计系统有着重要的影响，而且它也会带来更加人性化的解决方案。

编程的差异

语言极其复杂。人与人之间，一个人的经历或生活环境，一点细微的差别就可以影响他们表达自己的方式。方言，性别，地点，甚至季节都可以改变我们用来表达想法的词汇。

人们很善于解释这些细微的差别。然而，对于计算机来说，这是一个巨大的挑战。为了达到接近人类水平的理解，他们需要一套庞大而丰富的语言训练数据，这些数据跨越了人口统计学、经验和背景的差距。

要想了解这在现实生活中是如何运作的，只需想想加州的一个十几岁的少年在给新智能手机评论时使用了“lit”这个词(意思是“激动”)，而来自马萨诸塞州的一位老人作出的评论中，同样的词可能意味着屏幕亮度。

体会言外之意

这是第一次,我们能够教计算机不仅要通过计算单词或寻找特定短语来理解人们的基本意思,而是聪明地“体会言外之意”,理解我们的言语背后的真正意图和意义。当然，这是随着时间的推移人们获得的一项重要技能——移情。

常见的“满意度调查”是一个典型的例子，人们能够感受到机器在解决最基础的问题时的局限性。从原则上讲，这是了解人们对产品或服务的看法的有效方法。但在实际操作中，它显得十分笨拙、不准确，而且早就应该修改一下了。

回想一下大多数商店收据上的调查提示:“请为我们的服务打分（1-10），并分享原因。”比较一下，同样情况下——简单地问一句“你对这次体验的看法是什么?”然后从使用的语言和整个上下文推断出“得分”。虽然人们不需要明确的评分，但机器确实需要。

镜像效应

除了帮助我们更好地了解彼此之外，NLP还能让我们更好地了解自己。语言是我们表达思想感情的窗户。当技术可以开始理解我们的时候(不是它希望我们如何)，它可以成为一个真正的合作伙伴，帮助我们发现成长进步的最佳方式。

以可怕的绩效评估和各种各样的偏见来折磨它。当你问工作环境中的人他们是否会有偏见，即使是下意识的，他们也会极力否认。然而，对绩效评估的研究显示出人们持有普遍的、无意识的偏见。

我的团队分析显示，当男性审视其他男性时，他们中绝大多数都使用被动的语言(“他们可以更加积极主动”)。然而，当这些男性对女性进行审查时，他们通常会“指指点点”(“你应该注意细节”)。通过使用数据驱动的技术，我们能够进一步深入了解这些隐藏的偏见，而人们往往意识不到它们的存在。幸运的是，人工智能让我们直面这些偏见，并一步步纠正它们。

为了解决世界上最具挑战性的“人性问题”，无论是通过开发更好的产品，还是在工作中获得更多理解和公正，我们都需要技术来表达同理心。让心与心结合在一起，我们就可以进一步发展并提倡人们应得的“以人为本”的解决方案。

作者：刘敏

来源：亿欧网

END