Più veloce e migliore: Innovazione e linguaggio naturale

L'innovazione è come la maternità. Tutti la amano come concetto, ma praticarla nella propria vita è un'altra storia. In pratica, né l'innovazione né la maternità sono concetti vaghi e piacevoli. Sono realtà concrete che cambiano il motivo e il modo di fare le cose. Se lo si fa bene, si raccolgono grandi frutti.

In questo spazio ci occuperemo dell'applicazione pratica delle tecnologie emergenti che possono portare all'innovazione. Non la nozione amorfa di innovazione, ma l'applicazione specifica di modi nuovi e migliori di fare le cose nella business intelligence, nella gestione delle prestazioni, nella gestione e nell'analisi dei dati e nei campi correlati.

Analizzeremo l 'applicazione degli strumenti di linguaggio naturale, dell'intelligenza artificiale, della blockchain e così via, dal punto di vista tecnico di un'azienda che si è impegnata e ha investito nell'applicazione di questi strumenti alla propria attività. La maggior parte delle aziende di fascia media come Prophix dispone di un budget per la ricerca e lo sviluppo (R&S) che in realtà è un budget "D". Le risorse vengono utilizzate per sviluppare prodotti e nuove versioni di prodotti con funzionalità aggiuntive.

La dirigenza di Prophix ha riconosciuto che per innovare davvero - per trovare modi nuovi e migliori di fare le cose che i nostri clienti vogliono fare con i loro dati - dobbiamo fare di più della "R" in R&S. Ecco cosa esploriamo in questo spazio: le possibilità e le sfide legate alla reinvenzione di strumenti e processi.

Un'avvertenza: parleremo della nostra ricerca sull'applicazione delle nuove tecnologie in modi che creino risultati realmente innovativi. Ma non tutte le ricerche si traducono in un prodotto. Alcune possono essere realizzate, altre no. Questa non è una road-map dei prodotti Prophix. Si tratta di una ricerca su ciò che è possibile e ciò che non lo è.

Siete pronti ad aumentare la vostra intelligenza? Scaricate il whitepaper su Machine Learning e AI nella finanza.

La promessa dell'elaborazione del linguaggio naturale (NLP)

Non sarebbe fantastico se poteste chiamare il vostro sistema di Corporate Performance Management (CPM) da qualsiasi parte del mondo e dire qualcosa come: "Quali sono state le vendite di widget nel sud-est degli Stati Uniti il mese scorso e come si sono confrontate con lo stesso mese di un anno fa?" O magari: "Quali sono state le spese insolite per la divisione Gorgon nel 1° trimestre?"

Invece di aspettare ore, giorni o settimane per un rapporto di molte pagine, si ottiene una risposta parlata o scritta in pochi secondi o minuti. Informazioni su cui si può agire immediatamente.

Questa è la promessa dell'elaborazione del linguaggio naturale, che è uno dei tre temi di ricerca principali di Prophix. L'altro è il Machine Learning.

Scaricate il nostro whitepaper per iniziare ad adottare il Machine Learning e l'Intelligenza Artificiale nella vostra azienda.

La storia dell'NLP

Gli scienziati informatici lavorano da circa 70 anni alla sfida di far sì che le macchine comprendano e rispondano al linguaggio umano naturale, con tutte le sue sfumature, incongruenze contestuali e complessità (ad esempio, "Jeet? No, d'joo?").

Negli anni '90, i progressi nella potenza di elaborazione hanno consentito lo sviluppo di algoritmi di apprendimento automatico per l'elaborazione del linguaggio. I primi algoritmi di apprendimento automatico, come gli alberi decisionali, erano sistemi rigidi di regole "se-allora".

Alla fine si sono evoluti in modelli statistici che prendono decisioni morbide e probabilistiche attribuendo pesi reali alle caratteristiche degli input (a seconda del contesto, è più probabile che un "dead-cat bounce" si riferisca a una temporanea ripresa finanziaria che a un felino deceduto).

Ai fini di questo articolo, esamineremo due approcci dominanti alla PNL oggi.

Due approcci diversi alla PNL

Primo approccio

Il primo approccio è il Modello Cache, che si basa su modelli statistici che prendono le suddette decisioni morbide e probabilistiche attribuendo pesi reali alle caratteristiche degli input (definizioni di parole, grammatica, sintassi, contesto). Il modello Cache - costruito da zero - è perseguito da IBM (Watson), Apple (Siri), Amazon (Alexa), Google (Google Assistant) e Microsoft (Cortana). Essi catturano l'universo dell'intento, creando da zero un linguaggio dell'intento che cattura l'intento di ogni parola o combinazione di parole nel contesto. Queste aziende hanno migliaia di persone che costruiscono le loro librerie di linguaggio naturale, per lo più per applicazioni di consumo (ad esempio, "OK Google, imposta l'aria condizionata a 71, accendi le luci della cucina e gioca a Little Deuce Coupe").

IBM ha addestrato Watson per l'uso in campi specifici, come la finanza o la sanità (ad esempio, "Watson, qual è il trattamento del diabete più efficace per gli uomini obesi di 55 anni del New England?").

Il modello di cache è abbastanza efficace, anche con input non familiari che contengono errori. Può essere integrato (usato come front-end) con altri sistemi.

Secondo approccio

Il secondo approccio consiste nel dotare un prodotto di capacità di linguaggio naturale, un po' come aggiungere le ali alla BMW. Questo è ciò che sta facendo Prophix.

In piedi sulle spalle dei giganti, stiamo usando le tecnologie fornite da questi altri fornitori per abilitare il nostro software di Corporate Performance Management. Lo facciamo perché siamo assolutamente convinti che il modello di interazione di TUTTE le applicazioni future preveda una qualche forma di linguaggio naturale e intendiamo arrivarci prima della concorrenza.

Questo non senza una certa complessità tecnica. Ok, questo è un eufemismo. Per cominciare, è necessario l'uso di quattro linguaggi:

1. Un linguaggio specifico per il dominio (DSL): Si tratta di un linguaggio informatico - il nostro è costruito su PowerShell, che fornisce una libreria di funzioni di base specifiche per Prophix. Costruiamo prima il DSL, in modo da avere qualcosa che guida le nostre applicazioni.
2. Un'iterazione di livello superiore "simile all'inglese" del DSL, facile da digitare ma che si compila fino al nostro DSL di base per l'esecuzione.
3. Un linguaggio parlato (linguaggio naturale) che restituisce gli "intenti" delle parole. Usiamo Amazon Lex per costruire le interfacce di conversazione (voce e testo) con i nostri strumenti CPM. Questo fornisce il riconoscimento vocale automatico per convertire il parlato in testo e la comprensione del linguaggio naturale per riconoscere l'intento del testo e offre ai nostri utenti la possibilità di semplificare le loro interazioni con i dati CPM. In altre parole, il DSL ci permette di creare chatbot sofisticati e conversazionali in linguaggio naturale.
4. Infine, abbiamo bisogno di un compilatore che converta gli "intenti" nel nostro DSL di base (vedi #1)

Tutto questo è solo la parte del linguaggio naturale, il modo innovativo per far arrivare nelle mani (o nelle orecchie) dei nostri clienti informazioni utili basate sui dati.

Poiché la nostra applicazione risiede nel cloud e poiché prevediamo che i nostri utenti vorranno accedere ai loro dati e alle relative informazioni da una serie di dispositivi mobili e non, abbiamo anche bisogno di collegare in modo sicuro più strumenti, database (SQL, ecc.) e applicazioni (vari moduli ERP, HR, Salesforce, ecc.) alle funzionalità di Prophix. Ma questa è una storia per un altro giorno.

Siete pronti a promuovere l'innovazione nell'ufficio finanziario? Scaricate subito The CFO's Guide to AI and Machine Learning in Finance.

L'innovazione nella finanza

Promuovere l'innovazione nella vostra organizzazione non è un compito facile.

Le aziende devono valutare dove stanno investendo i loro budget per la R&S e come stanno affrontando le possibilità e le sfide legate alla reinvenzione di strumenti e processi.

L'applicazione pratica del linguaggio naturale consentirà un accesso quasi istantaneo a dati preziosi, dando ai professionisti della finanza più tempo per concentrarsi sul processo decisionale strategico.

Ecco alcuni punti chiave:

• L'innovazione consiste nel trovare un modo nuovo e migliore di fare le cose
• Per innovare, è necessario concentrarsi sulla parte di ricerca del proprio budget per la ricerca e lo sviluppo
• L'elaborazione del linguaggio naturale è una delle tre principali aree di ricerca di Prophix
• I due approcci all'elaborazione del linguaggio naturale sono il modello di cache e il retrofit di un prodotto con capacità di linguaggio naturale

Volete saperne di più sulle applicazioni dell'elaborazione del linguaggio naturale e dell'intelligenza artificiale? Scaricate subito il nostro whitepaper.

Vi invitiamo a commentare, sondare, porre domande e persino sfidare il nostro pensiero. Faremo del nostro meglio per rispondere ai vostri commenti e per imparare da essi.