Sneller & Beter: Innovatie & Natuurlijke Taal

Innovatie is net als moederschap. Iedereen houdt ervan als concept, maar het in praktijk brengen in je eigen leven is een heel ander verhaal. In de praktijk zijn noch innovatie noch moederschap vage, feel-good concepten. Het zijn realiteiten waar je niet omheen kunt en die veranderen waarom en hoe je dingen doet. Als je ze goed doet, pluk je daar grote vruchten van.

In deze ruimte duiken we in de praktische toepassing van opkomende technologieën die tot innovatie kunnen leiden. Niet het amorfe modewoordbegrip van innovatie, maar de specifieke toepassing van nieuwe, betere manieren om dingen te doen in business intelligence, prestatiebeheer, gegevensbeheer en -analyse en aanverwante gebieden.

We zullen kijken naar de toepassing van natuurlijke taaltools, kunstmatige intelligentie, blockchain enzovoort vanuit het technische oogpunt van een bedrijf dat zich inzet voor en investeert in de toepassing ervan in ons bedrijf. De meeste bedrijven in het middensegment zoals Prophix hebben een budget voor Onderzoek & Ontwikkeling (R&D) dat eigenlijk een "D"-budget is. Middelen worden gebruikt om producten en nieuwe versies van producten met extra functies te ontwikkelen.

Het leiderschap van Prophix zag in dat we meer aan R&D moeten doen om echt te innoveren - om nieuwe en betere manieren te vinden om de dingen te doen die onze klanten met hun gegevens willen doen. Dat is wat we in deze ruimte onderzoeken: de mogelijkheden en uitdagingen die komen kijken bij het opnieuw uitvinden van tools en processen.

Eén voorbehoud: we bespreken ons onderzoek naar het toepassen van nieuwe technologieën op manieren die echt innovatieve resultaten opleveren. Maar niet elk onderzoek resulteert in een product. Sommige wel, andere niet. Dit is geen Prophix product roadmap. Het is onderzoek naar wat mogelijk is en wat niet.

Bent u klaar om uw intelligentie te vergroten? Download de whitepaper over Machine Learning en AI in de financiële wereld.

De belofte van natuurlijke taalverwerking (NLP)

Zou het niet geweldig zijn als je je Corporate Performance Management (CPM)-systeem vanaf elke plek in de wereld zou kunnen bellen en iets zou kunnen zeggen als: "Wat waren de widgetverkopen in het zuidoosten van de V.S. vorige maand en hoe was dat in vergelijking met dezelfde maand een jaar geleden?" Of misschien, "Wat waren de ongebruikelijke uitgaven voor de Gorgon divisie in Q1?"

In plaats van uren, dagen of weken te wachten op een rapport van meerdere pagina's, krijg je binnen enkele seconden of minuten een gesproken of geschreven antwoord. Informatie waarop u onmiddellijk kunt reageren.

Dat is de belofte van Natural Language Processing, een van de drie primaire onderzoeksthema's bij Prophix. Het andere is Machine Learning.

Download onze whitepaper om een voorsprong te krijgen op het invoeren van Machine Learning en Kunstmatige Intelligentie in uw organisatie.

De geschiedenis van NLP

Computerwetenschappers werken al zo'n 70 jaar aan de uitdaging om machines natuurlijke menselijke taal te laten begrijpen en erop te laten reageren, met al zijn nuances, contextuele inconsistenties en complexiteiten (bijv. "Jeet nog? Nee, d'joo?").

Tegen de jaren 1990 maakte de vooruitgang in rekenkracht de ontwikkeling van machine-lerende algoritmen voor taalverwerking mogelijk. Vroege machine-learning algoritmen, zoals beslisbomen, waren starre systemen van "als-dan" regels.

Uiteindelijk evolueerde dat naar statistische modellen die zachte, probabilistische beslissingen nemen door reële gewichten toe te kennen aan de kenmerken van de input (afhankelijk van de context is het waarschijnlijker dat een "dead-cat bounce" verwijst naar een tijdelijk financieel herstel dan naar een overleden katachtige).

In dit artikel kijken we naar twee dominante benaderingen van NLP vandaag de dag.

Twee verschillende benaderingen van NLP

Eerste benadering

De eerste benadering is het Cache Model, dat is gebaseerd op statistische modellen die de eerder genoemde zachte, probabilistische beslissingen nemen door reële gewichten toe te kennen aan de kenmerken van de input (woorddefinities, grammatica, syntaxis, context). Het Cache Model - vanaf de grond opgebouwd - wordt nagestreefd door IBM (Watson), Apple (Siri), Amazon (Alexa), Google (Google Assistant) en Microsoft (Cortana). Ze leggen het universum van de intentie vast - ze creëren een intentietaal vanaf nul die de intentie van elk woord of elke combinatie van woorden in de context vastlegt. Deze bedrijven hebben duizenden mensen die hun natuurlijke taalbibliotheken uitbouwen, meestal voor consumententoepassingen (bijv. "OK Google, zet de airconditioning op 71, doe de keukenverlichting aan en speel Little Deuce Coupe.").

IBM heeft Watson getraind voor gebruik op specifieke gebieden, zoals financiën of gezondheidszorg (bijv. "Watson, wat is de meest effectieve diabetesbehandeling voor zwaarlijvige 55-jarige mannen in New England?").

Het Cache Model is behoorlijk effectief, zelfs met onbekende invoer die fouten bevat. Het kan worden geïntegreerd met (gebruikt als front-end) voor andere systemen.

Tweede benadering

De tweede benadering is het achteraf uitrusten van een product met mogelijkheden voor natuurlijke taal -- een beetje zoals het toevoegen van vleugels aan je BMW. Dit is wat Prophix doet.

We staan op de schouders van reuzen en gebruiken de technologieën van deze andere leveranciers om onze Corporate Performance Management software mogelijk te maken. We doen dit omdat we er absoluut van overtuigd zijn dat het interactiemodel voor ALLE toekomstige toepassingen een vorm van Natuurlijke Taal zal bevatten, en we zijn van plan om de concurrentie voor te zijn.

Dat is niet zonder enige technische complexiteit. OK, dat is een understatement. Om te beginnen vereist het het gebruik van vier talen:

1. Een domeinspecifieke taal (DSL): Dit is een computertaal - de onze is gebouwd op PowerShell, die een bibliotheek met basisfuncties biedt die specifiek zijn voor Prophix. We bouwen eerst de DSL, zodat we iets hebben dat onze toepassingen aanstuurt.
2. Een hoger niveau "Engels-achtige" iteratie van de DSL die gemakkelijk te typen is, maar compileert naar onze basis-DSL voor uitvoering.
3. Een gesproken taal (natuurlijke taal) die de "bedoelingen" van de woorden weergeeft. We gebruiken Amazon Lex om de conversatie-interfaces (spraak en tekst) met onze CPM-tools te bouwen. Dit zorgt voor automatische spraakherkenning voor het omzetten van spraak naar tekst en natuurlijk taalbegrip om de intentie van de tekst te herkennen, en geeft onze gebruikers de mogelijkheid om hun interacties met hun CPM-gegevens te vereenvoudigen. Met andere woorden, de DSL stelt ons in staat om geavanceerde, in natuurlijke taal converserende chatbots te maken.
4. Tot slot hebben we een compiler nodig die "intents" converteert naar onze basis DSL (zie #1)

Dit alles is slechts het natuurlijke taalgedeelte - de innovatieve manier om bruikbare gegevensgedreven inzichten in de handen (of oren) van onze klanten te krijgen.

Omdat onze applicatie zich in de cloud bevindt en omdat we voorzien dat onze gebruikers toegang willen tot hun gegevens en gerelateerde inzichten vanaf een groot aantal mobiele en niet-mobiele apparaten, moeten we ook meerdere tools, databases (SQL, enz.) en applicaties (verschillende ERP-modules, HR, Salesforce, enz.) veilig verbinden met de functionaliteit van Prophix. Maar dat is een verhaal voor een andere dag.

Klaar om innovatie te stimuleren in het kantoor van Financiën? Download dan nu The CFO's Guide to AI and Machine Learning in Finance.

Innovatie in de financiële wereld

Innovatie in je organisatie stimuleren is geen eenvoudige taak.

Bedrijven moeten evalueren waar ze hun R&D-budgetten investeren en hoe ze omgaan met de mogelijkheden en uitdagingen die gepaard gaan met het opnieuw uitvinden van hun tools en processen.

De praktische toepassing van natuurlijke taal zal zorgen voor bijna onmiddellijke toegang tot waardevolle gegevens, waardoor financiële professionals meer tijd hebben om zich te richten op strategische besluitvorming.

Enkele belangrijke punten:

• Innovatie gaat over het vinden van een nieuwe en betere manier om dingen te doen
• Om te innoveren, moet je je richten op het onderzoeksgedeelte van je Research & Development budget
• Natural Language Processing is een van de drie belangrijkste onderzoeksgebieden bij Prophix
• De twee benaderingen van Natural Language Processing zijn het Cache Model en het achteraf aanpassen van een product met mogelijkheden voor natuurlijke taal

Wilt u meer weten over toepassingen van Natural Language Processing en kunstmatige intelligentie? Download dan nu onze whitepaper.

We nodigen u uit om commentaar te geven, vragen te stellen en zelfs onze denkwijze hier uit te dagen. We zullen ons best doen om op uw opmerkingen in te gaan en ervan te leren.