NLP的應用

翻譯

如果各位還有印象的話，回到十年前，那時候用Google翻譯的時候，效果如何？

是不是慘不忍睹？那，現在呢？好像似乎更加好用了，對吧！

當然，有人可能會中意其他翻譯，比如DeepL等等，但是我們可以發現，在之前做作業時，用Google翻譯基本上一眼就能看出來，但現在高中在做報告時，如果沒有其他愛用的工具，其實老師基本上都會推薦Google翻譯。

可見現在翻譯的準確率已經越來越高了。

除了電腦上的翻譯、傳統的翻譯機外，現在還有各類「親愛的翻譯官APP」、翻譯眼鏡、翻譯耳機等等，不僅準確，還能透過語音即時翻譯，未來可能去到世界各地都可以一路暢行了。

語音識別

就和上面所說的，機器不只「看」的懂，也「聽」的懂。

聽要比看還難，畢竟，看的時候文字都是固定的，但聽的話，即使都說同一個語言，口音不同也會造成在判別時的誤差，所以需要非常大量的樣本下去訓練。

聊天機器人

除了線上網站哪些笨笨的聊天機器人，或是常住在手機裡又不繳房租（？）的siri和google助手外，現在有不少的智能助手、家具、汽車等等，都讓聊天機器人的應用更加廣泛。

聊天機器人其實就是語音識別的延伸，不只聽的懂了，還可以根據你的問題給予動作或回覆。

比如聽到你要開窗廉，就連接家電把窗簾打開；比如告訴他你要去的目的地，就自動把地圖導航開出來等等。

文本處理與生成

這根本就是研究人員和行銷人員的福音，原本要花好多時間看才能釐清觀念的各篇論文，現在丟給AI，他就可以幫你整理好重點，甚至可以丟給他很多篇相關的文章，用問問題的方式，讓他告訴你你想知道的資訊，最後面還會標註引文。

行銷人員也不用花大心思想文案，只要有概念，丟給AI讓他幫你生成上百個文案，再也不擔心我沒有創意要禿頭啦！

……但真的這麼幸福嗎？

研究這麼嚴謹的東西，其實大部分的研究人員跑過還會自己在看一遍，而且有時候因為理解問題，AI會給出錯誤的答案。

至於文案生成，當然創意變多了，老闆也大讚這是個好想法，並在下個月以AI是連保險都不用的連加勞工為由，表示自己以移情別戀，你可以回家吃自己了（欸？）

所以其中利弊，可能每個人都不一樣，也或許再過一段時間，整個世界都會變得跟之前不一樣了。

情感分析

又叫做「文字探勘」、「意見探勘」，也就是從文字中了解在字句背後的情緒、意見等等資訊。

這個又比一般的自然語言處理更複雜，因為不只是要理解「字句上」的意思，還要了解字句背後的情緒，你可知道即使是同一段話，在不同的情境下可能有幾十個不同的情緒表達。

光光人要理解就很難了，要讓機器懂得這其中的關係，更是難上加難。

目前比較常用在社群平台、論壇之中，去看每個人的留言，並從中了解到消費著的情緒、需求、購買動機等等，讓業者可以更好的去擬定行銷策略。

但是最大三的問題也出來了：

• 資料不夠（誰有空在那邊留言啊！）
• 回饋不真實（其實我也沒用過就是上來跟個風）
• 情緒方面難定義（你怎麼知道我說這句話是什麼意思……我自己都不知道！）

這些目前都有人在做研究，相信之後會有更明確的方向。

今天就大概介紹到這邊，各位有沒有對NLP有更深的認識了呢？