การประมวลผลภาษาธรรมชาติ (Natural language processing)

นิยามและความสำคัญ

 

การประมวลผลภาษาธรรมชาติหรือ Natural language processing (NLP) เป็นวิทยาการแขนงหนึ่งในหมวดหมู่ของเทคโนโลยีปัญญาประดิษฐ์หรือ artificial intelligence ซึ่งช่วยให้คอมพิวเตอร์สามารถเข้าใจ ตลอดจนตีความและใช้งานภาษาปกติที่มนุษย์ใช้สื่อสารได้ โดยเทคโนโลยี NLP นี้ มีรากฐานจากวิทยาการหลากหลายสาขาด้วยกัน โดยเฉพาะด้านวิทยาการคอมพิวเตอร์ (computer science) และภาษาศาสตร์เชิงคำนวณ (computational linguistics) เพื่อวัตถุประสงค์ในการปิดช่องว่างทางการสื่อสารระหว่างมนุษย์และระบบคอมพิวเตอร์

 

วิวัฒนาการของการประมวลผลภาษาธรรมชาติ

วิทยาการด้านการประมวลผลภาษาธรรมชาตินั้นมิใช่ศาสตร์ที่เพิ่งเกิดขึ้นใหม่ อย่างไรก็ตาม ความก้าวหน้าและนวัตกรรมใหม่ ๆ ก็กำลังเกิดขึ้นในสาขานี้อย่างต่อเนื่อง อันเป็นผลมาจากความสนใจด้านปฏิสัมพันธ์ระหว่างมนุษย์และอุปกรณ์ทางคอมพิวเตอร์ รวมไปถึงความก้าวหน้าของ big data ตลอดจนความสามารถในการประมวลผลและอัลกอริทึมที่มีความทันสมัย 

เราทุกคนล้วนทราบว่า มนุษย์เรานั้นมีภาษาเป็นของตนเอง เช่น ภาษาอังกฤษ ภาษาสเปน หรือภาษาจีน แต่ภาษาที่คอมพิวเตอร์ใช้ในการทำงานต่าง ๆ นั้น แตกต่างออกไปจากภาษาของเรา ซึ่งเป็นภาษาที่เรียกว่า machine code หรือ machine language ซึ่งเป็นภาษาที่มนุษย์ส่วนมากไม่สามารถตีความได้ การทำงานทุกอย่างของอุปกรณ์ของคุณนั้นล้วนแต่ประกอบขึ้นจากกระบวนการในรูปรหัส 0 และ 1 จำนวนนับล้าน ๆ รายการ ที่ถูกตีความและแปลงผลให้กลายเป็นการตอบสนองที่มีเหตุผล 

อันที่จริงแล้ว โปรแกรมเมอร์ในอดีตเมื่อ 70 ปีก่อนนั้น ต้องใช้งานบัตรคำสั่งที่เรียกว่า punch cards เพื่อสื่อสารกับคอมพิวเตอร์ในยุคแรกเริ่ม ซึ่งเป็น กระบวนการทำงานที่มีความยากลำบากและซับซ้อนสูง โดยมีผู้ที่สามารถทำงานดังกล่าวได้อย่างเชี่ยวชาญเพียงจำนวนน้อยเท่านั้น แต่ตอนนี้การออกคำสั่งแก่อุปกรณ์ของคุณเป็นเรื่องที่ง่ายดายอย่างยิ่ง เช่น คุณสามารถบอกอุปกรณ์ของคุณว่า "Alexa ฉันชอบเพลงนี้" แล้วจากนั้นอุปกรณ์ที่สามารถเล่นเพลงในบ้านของคุณจะตอบสนองความต้องการของคุณได้ เช่น มันอาจลดระดับเสียงลง และตอบคุณด้วยคำพูดและน้ำเสียงที่เหมือนมนุษย์ว่า "โอเค บันทึกการจัดอันดับของคุณไว้แล้ว" จากนั้น มันจะปรับอัลกอริทึมในตัวของมันเองเพื่อเล่นเพลง ๆ นั้น และเพลงอื่น ๆ ที่อาจคล้ายคลึงกันในครั้งต่อ ๆ ไปที่คุณฟังเพลงจากช่องที่เล่นดนตรีช่องดังกล่าวอีก 

เมื่อเราพิจารณาการมีปฏิสัมพันธ์ระหว่างมนุษย์และระบบคอมพิวเตอร์ให้ละเอียดยิ่งขึ้นนั้น เราจะเห็นว่าอุปกรณ์ทำงานเมื่อได้ยินเสียงของคุณและถ้อยคำที่คุณพูด และเข้าใจถึงเจตนาในการพูดของคุณแม้ว่าคุณจะไม่ได้พูดถึงเจตนานั้นโดยตรง จากนั้นมันจึงทำงานบางอย่างและตอบสนองกลับมาแก่คุณเป็นภาษาอังกฤษที่สละสลวย ซึ่งกระบวนการทั้งหมดนี้กินเวลาเพียงประมาณห้าวินาทีเท่านั้น ซึ่งการทำงานของอุปกรณ์ทั้งหมดที่กล่าวมานี้ เกิดขึ้นได้ด้วย NLP รวมถึงขีดความสามารถอื่น ๆ ของ AI เช่น machine learning และ deep learning เป็นต้น 

 

การใช้งาน NLP เพื่อลดปริมาณเรื่องร้องเรียนจากลูกค้า

ธนาคาร Royal Bank of Scotland ได้นำเทคนิค text analytics ซึ่งเป็นหนึ่งในเทคนิคด้าน NLP มาใช้งาน เพื่อสกัดข้อมูลแนวโน้มที่สำคัญจากข้อมูลการตอบสนองและร้องเรียนจากลูกค้าที่เกิดขึ้นในหลากหลายรูปแบบ ทางธนาคารได้วิเคราะห์ข้อมูลจากหลายช่องทางไม่ว่าจะเป็นอีเมล ข้อมูลคำตอบจากแบบสอบถาม และบทสนทนาที่เกิดขึ้นทางโทรศัพท์กับคอลเซ็นเตอร์ เพื่อวิเคราะห์ต้นเหตุและที่มาของปัญหาที่ก่อความไม่พึงพอใจต่อลูกค้า ซึ่งเป็นข้อมูลสำคัญที่ถูกนำไปใช้กำหนดหนทางแก้ไข โดยคุณสามารถรับชมวิดีโอเกี่ยวกับการนำขีดความสามารถทางการวิเคราะห์หรือ analytics ดังกล่าวมาเพื่อพัฒนาความพึงพอใจของลูกค้าได้ที่นี่

 

NLP นั้น มีความสำคัญอย่างไร

ช่วยในการรับมือกับข้อมูลข้อความที่มีปริมาณมหาศาล

การประมวลผลภาษาธรรมชาตินั้นช่วยให้อุปกรณ์คอมพิวเตอร์ต่าง ๆ สามารถสื่อสารกับมนุษย์ได้ด้วยการใช้งานภาษาของเครื่องเอง และดำเนินการทำงานต่าง ๆ ที่เกี่ยวข้องกับภาษาได้ ยกตัวอย่างเช่น NLP นั้น ช่วยให้อุปกรณ์และคอมพิวเตอร์สามารถอ่านอักขระภาษาปกติ หรือทำความเข้าใจและตีความคำพูดของมนุษย์ ไปจนถึงการวัดอารมณ์ ความรู้สึกที่แฝงอยู่ในข้อความเหล่านั้นและกลั่นกรองใจความหรือนัยยะที่สำคัญออกมาเพื่อใช้งาน 

ระบบที่ทันสมัยในปัจจุบันสามารถวิเคราะห์ข้อมูลในปริมาณมหาศาลเกินกว่าขีดความสามารถของมนุษย์ โดยตัดข้อจำกัดเรื่องความเหน็ดเหนื่อยออกไป และสามารถทำงานด้วยความแม่นยำ คงเส้นคงวา และปราศจากอคติ การทำงานในปัจจุบัน มักต้องรับมือกับข้อมูลดิบจำนวนมหาศาล ซึ่งเกิดขึ้นอย่างต่อเนื่องในแต่ละวัน ไม่ว่าจะเป็นการทำงานในด้านประวัติคนไข้และทางการแพทย์ ไปจนถึงข้อมูลจากโซเชียลมีเดีย ซึ่งการทำงานโดยอัตโนมัติจาก AI จะเป็นกุญแจสำคัญในการวิเคราะห์ข้อมูลเหล่านี้ได้ ไม่ว่าจะเป็นข้อมูลในรูปข้อความหรือคำพูด

ช่วยในการจัดระเบียบข้อมูลในลักษณะที่ไร้รูปแบบต่าง ๆ

เนื่องจากภาษาที่มนุษย์ใช้กันนั้น มีความซับซ้อนและหลากหลายอย่างยิ่ง เพราะมนุษย์มีวิธีการแสดงออกมากมายนับไม่ถ้วน ทั้งในด้านการสื่อสารด้วยคำพูดหรือข้อความที่เกิดขึ้นด้วยการเขียน นอกจากการมีภาษานับร้อย ๆ พัน ๆ ภาษา ซึ่งต่างมีภาษาถิ่นแยกย่อยลงไปอีกนั้น ทุกภาษายังทวีความซับซ้อนยิ่งขึ้นไปอีกด้วยการมีชุดไวยากรณ์และโครงสร้างทางภาษาเฉพาะตัวของตนเอง รวมถึงคำ กลุ่มคำ และแม้แต่ศัพท์แสลงต่าง ๆ และเมื่อมนุษย์เราใช้ภาษาในการสื่อสารกันนั้น เรายังมักนิยมเขียนข้อความในรูปแบบย่อ ละเครื่องหมายวรรคตอนออกไป หรือแม้แต่การสะกดคำผิด ส่วนการสื่อสารด้วยวาจานั้นก็ยังมีประเด็นท้าทายของภาษาถิ่นและสำเนียงเฉพาะของแต่ละภูมิภาค แม้แต่ในภาษาเดียวกัน รวมถึงการพูดที่ไม่ชัดเจน อ้ำอึ้ง หรือใช้คำทับศัพท์แทรก 

แม้ว่าเทคนิคการทำงานทั้งแบบ supervised learning และ unsupervised learning โดยเฉพาะอย่างยิ่งกระบวนการทำงานแบบ deep learning จะได้ถูกนำมาใช้งานอย่างแพร่หลายในการสร้างแบบจำลองวิเคราะห์ภาษาของมนุษย์แล้วก็ตาม ก็ยังคงมีความจำเป็นในการสร้างความเข้าใจทางภาษาศาสตร์ที่ลึกและซับซ้อนยิ่งขึ้น รวมถึงความรู้ความเข้าใจเฉพาะด้าน ซึ่งแตกแขนงความชำนาญย่อยออกไปจากเทคนิค machine learning ตามปกติอีกด้วย ด้วยเหตุนี้ NLP จึงมีความสำคัญในการลดความสับสนทางการวิเคราะห์ภาษาลง และเพิ่มมิติให้แก่ข้อมูลในรูปของตัวเลข เพื่อการนำไปใช้งานต่าง ๆ ต่อไป เช่น ในการทำ speech recognition หรือการใช้งาน text analytics 

ความรู้เกี่ยวกับ NLP ในโลกปัจจุบัน

ขอเชิญคุณรับข้อมูลเพิ่มเติมเกี่ยวกับการประมวลผลภาษาธรรมชาติในหลากหลายภาคส่วนได้ที่นี่

หากคุณกำลังวางแผนด้าน NLP

คุณอาจอยากทราบถึงประเด็นต่าง ๆ ต่อไปนี้ เช่น องค์กรต่าง ๆ ทั่วโลก กำลังนำ AI และ NLP มาใช้ประโยชน์อย่างไรบ้าง อัตราการใช้งานและแผนสำหรับอนาคตที่เกี่ยวข้องกับเทคโนโลยีเหล่านี้ รวมถึงยุทธศาสตร์ด้านงบประมาณค่าใช้จ่ายและการติดตั้งเทคโนโลยี และประโยชน์ที่จะได้รับในแง่การแก้ไขปัญหาทางธุรกิจด้วยอัลกอริทึม NLP ซึ่งคุณสามารถทราบคำตอบเหล่านี้ได้ในรายงานจาก TDWI ชุดนี้

ช่วยบุคลากรทางการแพทย์ในการตรวจจับภาวะการติดเชื้อก่อนที่จะลุกลาม

Dignity Health นำเทคโนโลยี NLP และอัลกอริทึมที่ซับซ้อนต่าง ๆ มาใช้งานร่วมกัน เพื่อตรวจตรารายงานทางการแพทย์ เพื่อป้องกันการเกิดภาวะติดเชื้อแก่ผู้ป่วย โดยหากโอกาสเกิดภาวะติดเชื้อในคนไข้มีสูง ระบบจะแจ้งเตือนไปยังแพทย์หรือพยาบาลเจ้าของไข้อย่างทันท่วงที

การวิเคราะห์ข้อความหรือ text analytics มีประโยชน์หลากหลายสำหรับองค์กรของคุณ

การวิเคราะห์ข้อความนั้นเป็นรูปแบบหนึ่งของการประมวลผลภาษาธรรมชาติ ซึ่งจะแปลงข้อความต่าง ๆ ให้เป็นข้อมูลที่อยู่ในรูปแบบพร้อมต่อการวิเคราะห์ต่อไป เราขอเชิญคุณรับชมข้อมูลเพิ่มเติมว่า องค์กรชั้นนำต่าง ๆ ในภาคการเงินและธนาคาร การบริการสุขภาพและวิทยาศาสตร์ชีวภาพ ไปจนถึงภาคการผลิตและรัฐบาลของประเทศต่าง ๆ ได้นำเทคนิคการวิเคราะห์ข้อความในรูปแบบคำนี้มาเพื่อพัฒนาการให้บริการกับลูกค้า ลดการทุจริต และช่วยเหลือสังคมได้อย่างไรบ้าง

กระบวนการทำงานของ NLP

NLP จะจำแนกองค์ประกอบทางภาษาต่าง ๆ

การประมวลผลภาษาธรรมชาติหรือ NLP นั้น ประกอบด้วยหลากหลายวิธีการประมวลผลและแปลความหมายของภาษาปกติของมนุษย์ เช่น ระเบียบวิธีทางสถิติและการเรียนรู้ของเครื่องที่หลากหลาย ไปจนถึงกระบวนการทำงานตามขั้นตอน กฎเกณฑ์ และอัลกอริทึมที่ซับซ้อน ซึ่งเทคนิคในการรับมือข้อมูลเหล่านี้จำเป็นต่อการทำงาน เนื่องจากข้อมูลในรูปแบบข้อความ คำ และเสียงพูดนั้น มีความแตกต่างและหลากหลายค่อนข้างมาก รวมถึงสามารถใช้งานได้ในหลายรูปแบบเช่นกัน 

การทำงานขั้นพื้นฐานของ NLP เช่น การทำ tokenization, parsing, lemmatization/stemming, part-of-speech tagging, language detection และ identification of semantic relationships เป็นต้น ซึ่งหากคุณเคยแจกแจงรูปประโยคภาษาของคุณสมัยที่คุณยังเป็นเด็กนักเรียน นั่นแหละ คือกระบวนการเหล่านี้ คุณเพียงแค่คุ้นเคยกับการทำสิ่งเหล่านี้ในรูปแบบการทำด้วยตนเองเท่านั้นเอง 

หากจะกล่าวโดยสรุปแล้ว นั่นคือ NLP จะทำหน้าที่ย่อยข้อความหรือประโยคในภาษาที่มนุษย์ใช้สื่อสารลงเป็นส่วนย่อยๆ หรือชิ้นเล็กๆ ที่ง่ายต่อการทำความเข้าใจของอุปกรณ์ จากนั้นจึงวิเคราะห์ความสัมพันธ์และประมวลผลระหว่างชิ้นส่วนต่าง ๆ เหล่านั้น ว่าการรวมตัวกันขององค์ประกอบเหล่านี้ แสดงถึงความหมายอย่างไรบ้าง

กระบวนการทำงานย่อย ๆ เหล่านี้ มักใช้งานในกระบวนการทำงานด้าน NLP ที่ซับซ้อนยิ่งขึ้นไปอีกด้วย เช่น:

  • Content categorization - เป็นการสรุปใจความหลักที่สำคัญของข้อความหรือชุดการสื่อสารต่าง ๆ ซึ่งรวมถึงการสืบค้น การทำหมายเหตุ การแจ้งเตือนเนื้อหาที่สำคัญ และการตรวจตราคำซ้ำ
  • Topic discovery and modeling - เป็นการทำงานเพื่อจับใจความสำคัญและภาพรวมที่อยู่ในชุดข้อความขนาดใหญ่ และนำเทคนิคการวิเคราะห์ระดับสูงหรือ advanced analytics มาใช้กับข้อความเหล่านั้น เช่น เทคนิค optimization and forecasting
  • Contextual extraction - เป็นกระบวนการสกัดข้อมูลที่มีโครงสร้าง ออกมาจากข้อมูลรูปแบบข้อความทั่วไป
  • Sentiment analysis - คือการตรวจหาความรู้สึก อารมณ์ หรือมุมมองความคิดเห็นของผู้คนหรือสาธารณชน ซึ่งอยู่ในข้อมูลข้อความหรือคำพูด ซึ่งรวมไปถึงความรู้สึกโดยเฉลี่ย และการทำเหมืองข้อมูลเพื่อสำรวจความคิดเห็นจากคนจำนวนมาก 
  • Speech-to-text and text-to-speech conversion - คือการแปลงข้อความหรือคำสั่งรูปแบบเสียง ให้เป็นอักขระและตัวอักษร และ/หรือ แปลงอักขระให้เป็นข้อความเสียงพูด
  • Document summarization - คือการสร้างการสรุปสาระสำคัญจากข้อความปริมาณมากโดยอัตโนมัติ
  • Machine translation - คือการแปลข้อความจากภาษาของมนุษย์ภาษาหนี่ง ไปยังอีกภาษาหนึ่ง โดยอัตโนมัติ


ทั้งนี้ การทำงานทุกประเภทที่กล่าวมาข้างต้นนั้น ล้วนแต่เป้าหมายเดียวกันคือการแปลงข้อมูลดิบที่เป็นภาษาปกติของมนุษย์ ให้เป็นข้อมูลที่พร้อมต่อการทำงานของอุปกรณ์ ผ่านอัลกอริทึมและกระบวนการทางภาษาต่าง ๆ เพื่อให้สามารถนำข้อมูลนั้นไปใช้งานและต่อยอดได้ 

กระบวนการทำงานและการใช้งานของ NLP

คอมพิวเตอร์ทำความเข้าใจและตีความข้อมูลเชิงข้อความได้อย่างไร

NLP กับการวิเคราะห์ข้อความ

การประมวลผลภาษาธรรมชาตินั้นมีความเกี่ยวข้องอย่างยิ่งกับการวิเคราะห์ข้อความหรือ text analytics ซึ่งทำการนับ จัดหมวดหมู่ และแยกแยะคำต่าง ๆ เพื่อสกัดความหมายและระบุโครงสร้างต่าง ๆ ออกมาจากเนื้อหาปริมาณมหาศาล โดยการวิเคราะห์ข้อความนี้ เป็นเทคนิคที่ใช้ในการสำรวจชุดข้อมูลในรูปแบบข้อความ และกำหนดตัวแปรใหม่ที่อาจไม่เคยพบมาก่อนจากชุดข้อความ ซึ่งสามารถถูกใช้งานทั้งการแสดงผลเชิงภาพ การกลั่นกรองข้อมูล หรือใช้เป็นข้อมูลขาเข้าสำหรับแบบจำลองเพื่อการพยากรณ์หรือการทำงานด้านสถิติอื่น ๆ ได้

NLP และการวิเคราะห์ข้อมูลข้อความนั้น มักถูกใช้งานร่วมกันในการทำงานหลากหลายรูปแบบ โดยรูปแบบการทำงานที่นิยมนั้น เช่น:

  • "Investigative discovery" - การตรวจหารูปแบบและข้อมูลที่มีประโยชน์ในอีเมลต่าง ๆ หรือเอกสารรายงาน เพื่อตรวจจับและรับมือปัญหาอาชญากรรม
  • "Subject-matter expertise" - การจัดกลุ่มเนื้อหาเป็นหมวดหมู่ ให้เกิดเป็นหัวเรื่องหรือคำสำคัญเพื่อการพิจารณาและสำรวจรูปแบบแนวโน้มต่าง ๆ ต่อไป
  • "Social media analytics" - การวิเคราะห์โซเชียลมีเดีย คือการติดตามความตื่นตัวของสาธารณชน ตลอดจนทิศทางความคิดเห็นเกี่ยวกับประเด็นสำคัญต่าง ๆ และการระบุผู้ที่มีอิทธิพลต่อกระแสความคิดเห็น (influencers)  

ตัวอย่างการใช้งาน NLP ในชีวิตประจำวันของเรา 

เทคโนโลยีด้าน NLP นั้น สามารถนำมาใช้งานจริงได้อย่างหลากหลายในชีวิตประจำวันของเรา ซึ่งนอกเหนือจากการสนทนาและสื่อสารกับผู้ช่วยเสมือนเช่น Alexa หรือ Siri แล้ว เทคโนโลยีนี้ยังสามารถนำมาใช้งานได้อีกหลากหลายทาง เช่น: 

  • หากคุณเคยเข้าไปดูในกล่อง "สแปม" ในอีเมลของคุณ คุณจะพบรูปแบบที่คล้ายคลึงกันในอีเมลที่ถูกจัดให้เป็นจดหมายขยะเหล่านั้น นี่คือเทคนิคการทำงานทางสถิติ NLP ในแบบ Bayesian spam filtering ซึ่งจะเปรียบเทียบคำพูด หรือรูปแบบเนื้อหาอีเมลที่เป็นจดหมายขยะกับจดหมายปกติ เพื่อประเมินว่าจดหมายชุดใดบ้างเป็นจดหมายขยะที่ไม่พึงปรารถนา
  • หรือถ้าคุณเคยรับสายโทรศัพท์ที่เข้ามาไม่ทัน แล้วคุณอ่านข้อความที่ถูกส่งเข้ามา ซึ่งถูกแปลงจาก voicemail ในกล่องจดหมายของคุณ หรือในแอปพลิเคชั่นจากโทรศัพท์ของคุณ สิ่งนี้เรียกว่า speech-to-text conversion ซึ่งอยู่ในขอบเขตความสามารถที่ NLP ทำให้คุณได้
  • คุณเคยเข้าชมเว็บไซท์ด้วยฟังก์ชั่น built-in search bar หรือด้วยการเลือกแท็กสำหรับหัวข้อ รายการ หรือหมวดหมู่ต่าง ๆ หรือไม่ ถ้าใช่ นั่นคือการทำงานอีกประเภทหนึ่งของ NLP ในการสืบค้น การทำแบบจำลองสำหรับประเด็นสำคัญ รวมถึงการสกัดข้อมูลสำหรับรายการ หรือกลุ่มบุคคล/องค์การ รวมถึงการจัดหมวดหมู่เนื้อหา

นอกจากนี้ ยังมีแขนงย่อยของวิทยาการด้าน NLP ซึ่งเรียกว่า Natural language understanding (NLU) ซึ่งกำลังได้รับความสนใจเพิ่มขึ้นมากในปัจจุบัน จากขีดความสามารถในระดับสูงในการทำงานด้านการรับรู้และประมวลผล รวมถึงความสามารถในการทำงานร่วมกับกิจกรรมด้าน AI โดยเทคโนโลยี NLU นี้ อาศัยการประมวลผลทางภาษาในระดับสูง ไม่เพียงแค่เป็นการเข้าใจโครงสร้างทางภาษาเท่านั้น แต่ยังสามารถตีความเจตนาที่แฝงอยู่ รวมถึงถอดความหมายของบริบทต่าง ๆ และความกำกวมของการใช้คำศัพท์ไปจนถึงสามารถสร้างการสื่อสารในภาษาของมนุษย์ได้จากเครื่องมือเองอีกด้วย โดยอัลกอริทึม NLU ที่มีประสิทธิภาพนั้นจะต้องสามารถรับมือกับการตีความทางภาษาที่มีความซับซ้อนอย่างยิ่งยวด นั่นคือ จะต้องสามารถเข้าใจถึงเจตนาของการสื่อสารทั้งในรูปแบบคำพูดหรือการเขียนได้ ซึ่งต้องครอบคลุมถึงความหมายและนัยยะที่แฝงอยู่ในการสนทนารูปแบบต่าง ๆ ได้เช่นเดียวกันกับที่มนุษย์สามารถทำได้

ทั้งนี้ การวิวัฒนาการจาก NLP ไปสู่ NLU ซึ่งเป็นอีกขั้นหนึ่งของเทคโนโลยีนั้น ย่อมมีนัยยะสำคัญหลายประการต่อธุรกิจและผู้บริโภคอย่างหลีกเลี่ยงไม่ได้ คุณอาจลองนึกภาพอัลกอริทึมขั้นสูงที่สามารถเข้าใจความหมายและนัยยะแฝงของภาษาที่มนุษย์ใช้งานในหลากหลายบริบท ตั้งแต่ในด้านการแพทย์ กฎหมาย ไปจนถึงการศึกษาและห้องเรียน เป็นต้น ข้อมูลดิบจะขยายตัวอย่างก้าวกระโดด ดังนั้น เราจะได้รับประโยชน์จากความสามารถทำงานอย่างแม่นยำของคอมพิวเตอร์ในการสกัดและกลั่นกรองนัยยะที่มีประโยชน์ออกมา จากกระแสข้อมูลปริมาณมหาศาลเหล่านั้น 

แหล่งข้อมูลเพิ่มเติม

Back to Top