TM_125

8 8|9|2022 #125 Η επεξεργασία φυσικής γλώσσας (NLP) είναι ένας διεπιστημονικός κλάδος της επιστήμης της πληροφορικής, της τεχνη- τής νοημοσύνης και της υπολογιστικής γλωσσολογίας και ασχολείται με τις αλλη- λεπιδράσεις μεταξύ των υπολογιστών και των ανθρώπινων (φυσικών) γλωσσών. Η IDC δημοσίευσε πρόσφατα μια μελέ- τη για την προοπτική του αντίκτυπου που έχει στις επιχειρήσεις η επεξεργασία φυσικής γλώσσας (NLP) και τα Μεγάλα Γλωσσικά Μοντέλα – Large Language Models (LLM). Η έκθεση εξετάζει μερικές από τις πιο σημαντικές προόδους που έχουν σημειωθεί στο NLP, κυρίως λόγω της αύξησης των LLM και της σημαντικής αύξησης στην ακρίβεια του μοντέλου που προσφέρουν. Όπως επισημαίνεται, οι βιομηχανίες που επηρεάζονται περισσότερο από αυτή την τεχνολογία περιλαμβάνουν τις τραπεζι- κές και χρηματοοικονομικές υπηρεσίες, τις ασφάλειες, την υγειονομική περί- θαλψη, τον δημόσιο τομέα και τη μετα- ποίηση. Οι οργανισμοί σε αυτούς και σε άλλους κλάδους αξιοποιούν το NLP για να επιταχύνουν την κερδοφορία και να αυξήσουν την ανταγωνιστικότητα μέσω μεγαλύτερης λειτουργικής αποτελεσμα- τικότητας. Στην αναφορά περιλαμβάνονται τέσσερα κύρια σημεία που αξίζει να έχετε υπόψιν σας: 1. Τα LLM είναι πλέον ικανά να τροφοδο- τούν το NLP να οργανώνει και να κατανοεί μη δομημένα δεδομένα με ακρίβεια συ- γκρίσιμη με αυτή ενός ανθρώπου και να δημιουργεί νέο περιεχόμενο που μοιάζει με άνθρωπο ως απάντηση σε ερωτήματα. 2. Οι οργανισμοί υιοθετούν NLP και LLM λόγω της σημαντικής ανάπτυξης και των επιχειρηματικών ευκαιριών που παρέχο- νται, με το deep learning να ξεχωρίζει για τον αντίκτυπό του στη δημιουργία καινοτο- μίας και ανταγωνιστικού πλεονεκτήματος. 3. Τα out-of-the-box μοντέλα εκπαιδεύο- νται χρησιμοποιώντας γενικά διαθέσιμα δεδομένα και παρέχουν καλή ακρίβεια για κατηγοριοποίηση υψηλού επιπέδου. Ωστόσο, δεν είναι καλά συντονισμένα με περιεχόμενο συγκεκριμένου κλάδου ή τομέα και μπορεί να δυσκολεύονται με τη συγκεκριμένη ορολογία του κλάδου, την ιδιόκτητη ορολογία και τους όρους που έχουν ποικίλη σημασία σε κάθε χρήση. Τα προσαρμοσμένα μοντέλα προσφέρουν πολύ μεγαλύτερη ακρίβεια από τα βασι- κά μοντέλα και είναι εκπαιδευμένα ώστε να κατανοούν το συγκεκριμένο περιεχό- μενο του κλάδου. 4. Ενώ τα LLM μπορούν να μεταμορφώ- σουν θεμελιωδώς τις επιχειρήσεις, πα- ρουσιάζουν επίσης προκλήσεις διαχεί- ρισης λόγω του μεγέθους τους και του χρόνου που απαιτείται για την εκπαίδευ- σή τους με επαρκή ακρίβεια. Τ ο έγγραφο ο λοκληρώνεται με οδηγί- ες για την εφαρμογή του NLP. Ο πιθανός αντίκτυπος καθίσταται σαφής, καθώς μπορεί να οδηγήσει σε μεγαλύτερη λει- τουργική αποτελεσματικότητα, ευελιξία, επεκτασιμότητα και καλύτερη διαχείριση των πόρων, όταν ακολουθούνται οι βέλτι- στες πρακτικές, ορισμένες από τις οποίες παρατίθενται. «Το NLP γίνεται γρήγορα τόσο αναπόσπα- στο στοιχείο μιας επιχείρησης όσο και η ίδια η επικοινωνία. Παρόλο που το NLP έχει κάνει μεγάλα βήματα τα τελευταία χρόνια, το πλαίσιο, η συνάφεια και ο χρό- νος για την αγορά λύσεωνNLP συνεχίζουν να αποτελούν πρόκληση», δηλώνει ο Ritu Jyoti, Group VP, artificial intelligence (AI) and automation research, IDC. H IDC για την επιχειρηματική αξία της Επεξεργασίας Φυσικής Γλώσσας Του Στάθη Ασπιώτη Το Google Maps προτείνει πλέον διαδρομή ανάλογα με τον τύπο κινητήρα Οικολογικές διαδρομές στους Χάρτες Google διατίθενται στα- διακά στην Ελλάδα και σε ακόμη σχεδόν 40 χώρες σε όλη την Ευρώπη. Η υπηρεσία αυτή επιτρέπει την επιλογή της διαδρομής με τη χαμηλότερη κατανάλωση καυσίμων, η οποία βοηθάει όχι μόνο στην εξοικονό- μηση χρημάτων από τα καύσιμα, αλλά και στη μείωση των εκ- πομπών άνθρακα. Η πιο οικονομική δι- αδρομή εξαρτάται από τον τύπο κινη- τήρα του αυτοκινή- του. Για παράδειγμα, οι πετρελαιοκινητή- ρες είναι συνήθως πιο αποδοτικοί για την εξοικονόμηση καυσίμων σε υψη- λότερες ταχύτητες από τους βενζινοκινητήρες ή τους κινητήρες αερίου, ενώ τα υβριδικά και ηλεκτρικά οχήματα έχουν καλύτερες επιδόσεις σε συνθήκες κυκλοφοριακής κίνησης. Γι’ αυτό, μέσα στις επό- μενες εβδομάδες, θα δοθεί η δυνατότητα στους οδηγούς που αναζητούν οικολογικές διαδρομές στην Ευρώπη, τις ΗΠΑ και τον Καναδά να αναφέρουν τον τύπο του κινητήρα τους – βεν- ζίνη ή φυσικό αέριο, πετρέλαιο, υβριδικό ή ηλεκτρικό όχημα (EV) – προκειμένου να μπορούν να επιλέγουν την καλύτερη δια- δρομή και να έχουν τις πιο ακριβείς εκτιμήσεις αποδοτι- κότητας καυσίμου ή ενέργειας. Η τεχνολογία αυτή κατέστη δυνατή χάρη σε στοιχεία του Εθνικού Εργα- στηρίου Ανανεώσι- μων Πηγών Ενέρ- γειας (NREL) του Υπουργείου Ενέρ- γειας των ΗΠΑ και σε δεδομένα του Ευρωπαϊκού Οργα- νισμού Περιβάλλοντος. Συνδυάζοντάς τα με τις τάσεις οδήγη- σης στους Χάρτες Google, αναπτύχθηκαν προηγμένα μοντέλα machine learning, βασισμένα στους πιο δημοφιλείς τύπους κι- νητήρων συγκεκριμένων περιοχών.