IBM разработала  новую технологию, которая поможет компьютерам понимать человека.

Системы искусственного интеллекта играют все более важную роль в бизнесе, поскольку их способности обрабатывать и извлекать уроки из больших объемов данных улучшились. Но они изо всех сил пытались понять  нюансы, которые появляются в повседневном общении между людьми.

IBM  добавляет новые инструменты в свою систему искусственного интеллекта Watson, которые могут решить эту проблему и лучше понять человеческий язык. Технология «обработки естественного языка» была разработана для IBM Research Project Debater.

Чтобы участвовать в дебатах, Project Debater должен был иметь возможность выслушать своего оппонента, понять его или ее аргумент и быстро сформулировать ответ, и все это без доступа к Интернету. Это означает, что компьютер должен был уметь распознавать и понимать разговорные выражения и идиомы, а также некоторые диалекты или отраслевые термины.

Компании теперь смогут использовать инструменты обработки естественного языка IBM для более эффективного и действенного прочесывания документов и проведения исследований, полевых коммуникаций и улучшения обслуживания клиентов.

«Все, что происходит в бизнесе, основано на общении между сотрудниками, деловыми партнерами, клиентами, а общение происходит в форме электронных писем, чатов, текста, документов», - сказал генеральный менеджер  IBM Data and AI Роб Томас в интервью CNN Business.

Одним из основных улучшений по сравнению с существующими системами ИИ является способность системы выполнять «анализ настроений» - смотреть на то, что кто-то говорит или написал, и понимать, что он действительно пытается сообщить и каков контекст.

Когда эта возможность подключена к существующему инструменту IBM AI под названием Watson Discovery, она также может упростить для компаний поиск и анализ документов из множества документов и других письменных сообщений.

Система лучше понимает центральные темы или важные моменты в документах и классифицирует их по более конкретным категориям, поэтому они более полезны. Она также может генерировать краткие сводки из большого количества данных.

Это может пригодиться, например, когда компания направляет запросы на обслуживание клиентов и должна направлять их в разные места, чтобы их можно было правильно обработать.