自然語言生成(NLG):你需要知道的一切

自然語言生成技術(NLG)正以一股浪潮席卷全球數十億美元的語言創業公司正在顛覆人類創造內容以及與機器互動的方式。

但NLG到底是什麼?它與其他人工智能語言技術有何不同?

在營銷BETVlCTOR1946伟德AI研究所，我們花了數年時間研究AI技術及其對營銷的影響——包括NLG。我們在這篇文章中提煉了我們的專業知識，其中包含了你需要知道的關於這種變革性人工智能技術的一切。

什麼是自然語言生成?

自然語言一代(NLG)是轉化的過程數據成自然語言使用人工智能．

NLG軟件通過使用機器學習和深度學習驅動的人工智能模型，將數字轉化為人類可以理解的自然語言文本或語音來實現這一點。

聊天機器人、語音助手和人工智能博客作者(舉幾個例子)都使用自然語言生成。NLG係統可以根據預先設置的模板將數字轉換為敘述。它們可以預測接下來需要生成哪些單詞(比如，在你正在積極輸入的電子郵件中)。或者，最複雜的係統可以形成完整的摘要、文章或回答。

NLG和自然語言處理(NLP)的區別是什麼?

NLG是翻譯的過程數據成文本或者使用人工智能的語音。自然語言處理(NLP)給了NLG這樣的能力數據．

自然語言處理是將你說的話準確地翻譯成機器可讀數據的過程，這樣NLG就可以使用這些數據來生成響應。

畢竟，機器必須“理解”提示或對話，才能做出回應。換句話說:NLP讀(或聽)，而NLG寫(或說)。

NLG和自然語言理解(NLU)的區別是什麼?

NLP把你說的話翻譯成數據．一個NLG係統使用該數據生成語言．但如果機器的答案毫無意義呢?這就是自然語言理解(NLU)進來了。

自然語言理解是利用計算模型來解釋人類語言背後的意義的人工智能。它分析由NLP產生的數據來理解你的單詞的意思和概念之間的關係。

NLG生成聽起來像人類的語言。NLU確保聽起來像人類的語言實際上是有意義的。如果NLU完成了它的工作，你就會從聊天機器人或語音助手那裏得到完全合理的回應。

自然語言生成的應用

NLG技術有無數的商業應用，無論您是否意識到，幾乎可以肯定您每天都會體驗NLG。

下麵是一些高級NLG應用的例子:

• 聊天機器人自動回答網站上的問題。
• 語音助手比如Alexa或Siri，它們會對命令做出反應。
• 機器翻譯工具把一種語言翻譯成另一種語言。
• 會話的人工智能助理使用高級NLG和NLU進行雙向對話。
• 分析平台可以使用NLG以易於理解的語言解釋數據中的見解。
• 人工智能博客作者對於內容創建，可以使用語言模型自動編寫從一句話到整篇文章的任何內容。
• 情緒分析平台使用NLU來理解哪種語言能引起客戶的共鳴，然後使用NLG來創建他們可能會回應的信息。
• 人工智能轉錄工具使用語音識別來理解音頻，然後NLG將其轉換為文本。
• 敘述一代工具使用結構化數據(通常以電子表格的形式)自動生成文本敘述。

這些隻是NLG在商業和消費者生活中廣泛使用的幾種方式。現在讓我們來看看針對這些用例開發NLG的一些特定公司。

自然語言生成工具

在商業應用中，有成千上萬的NLG工具使用人工智能和機器學習來寫作和說話。

在營銷人工智能研BETVlCTOR1946伟德究所，我們跟蹤數千家人工智能供應商。所以，我們對做NLG的頂級工具有很好的認識。這裏有一些值得探索的:

Arria

Arria使用NLG將數據提取並總結為可讀的敘述。

自動化的見解

Automated Insights使用NLG幫助組織創建大規模的收益報告、體育文章(方框分數、結果等)和數據驅動的敘述。

Clickvoyant

Clickvoyant使用NLG極大地減少了從分析中提取見解並根據這些見解創建演示文稿所需的時間。

漂移

Drift使用會話NLG，通過聊天、電子郵件、視頻和自動化產品消除購買過程中的摩擦。

Exceed.ai

Exceed.aiuses AI to engage with every sales lead that enters your pipeline, using human-like, two-way conversations by email and chat.

HyperWrite

Hyperwrite是一種NLG工具，可以根據人類提供的提示自動編寫句子和段落。

MarketMuse

MarketMuse是一個人工智能驅動的助手，用於構建內容策略和創建內容。它使用NLG創建摘要，告訴你如何寫文章的最大影響，甚至會自動生成文本。

敘事科學軟件

敘事科學使用NLG獲取結構化數據(電子表格)，並將其轉化為聽起來像人類的敘事。

鉛筆

Pencil使用NLG自動生成性能更好的Facebook廣告。

Persado

Persado使用NLG生成營銷文案和創意，為您的個人前景跨渠道創造最好的信息。

Phrasee

Phrasee使用NLG比人類更好地自動編寫電子郵件主題行，從而獲得更高的打開率。

Yseop

Yseop使用NLG從財務和醫療報告數據中自動生成敘述。

既然您已經對NLG供應商有了一些了解，為什麼不自己開始使用這項技術呢?

如何開始使用自然語言生成

在商業和市場營銷中開始使用NLG需要一些思考和計劃。

以下是您可以采取的一些初始步驟，以加速在您的業務中采用NLG。

1.確定您是否有基本NLG的用例。

首先看看你已經手動用數字講述的故事。把“故事”想象成任何有意義的數據敘述。這可能包括麵向外部或麵向內部的報告、摘要、情況說明等。

你經常寫這種類型的故事嗎?這些敘述是否具有一致的、可重複的格式(例如，你每周或每月都在報道或講述關於相同類型的數字的故事)?

這些可能是自然語言生成的候選者。

營銷人工智能研究所(marketing Artificial Intelligence Institute)背後的營銷機構PR 20/20已經使用NLG將穀歌Analytics報告的分析和製作時間縮短了80%。這不是一個像GPT-3一樣健壯的高級NLG用例，但它是一個有價值的用例。

它隻是表明，唾手可得的果實可能會更快地為您的組織創造價值，同時教會您自然語言生成的基礎知識。

2.查看數據的結構。

即使有了用例，自然語言生成也需要結構化數據才能工作。

您的數據集是否按有序的列和行組織?目前我們使用的NLG解決方案需要CSV上傳，因此數據需要幹淨且相對一致，才能從這項技術中獲得價值。

或者，在將數據上傳到使用自然語言生成的係統之前，您可能需要投入時間來清理數據。

3.對你的投資回報率要現實一點。

NLG解決方案，即使是基本的解決方案，通常也需要大量的時間來設置。您還需要為解決方案以及可能的相關NLG服務付費。你會想要現實地看待這項技術，它能為你做什麼，以及你可以在多大程度上使用它。

首先分析報告、文章或敘述目前需要多長時間，然後看看NLG可以節省多少時間。

最後，把節省下來的時間應用到NLG會影響到的所有員工身上。每個員工每周節省一個小時對你的組織來說是有經濟意義的。

GPT-3和自然語言生成的未來

NLG最令人印象深刻的進展是最近才發生的，而且這個領域正在以曲速發展。

早在1986年，研究就發表了可能的NLG用例．十年後，阿伯丁大學的研究人員發表了關於如何將這項技術用於文本和句子規劃．直到2006年，NLG采用的障礙仍在該領域的領導人之間進行界定和討論。

然而，2019年卻是NLG真正的輝煌之年。就在那時，OpenAI，一家非盈利的人工智能研究公司，宣布他們建立了一個人工智能模型寫出大量連貫的段落．這個模型被稱為GPT-2，它通過分析800萬個網頁來學習如何寫得很好。

GPT-2催生了GPT-3，僅在一年後發布的GPT-3模型使用了比前任多100倍的數據，而且功能強大10倍。GPT-3是目前最流行的NLG文本生成模型之一。它越來越多地用於生成與人類書寫的句子和段落幾乎沒有區別的文本。

這意味著，很快，下一次你在網上聊天時，你甚至可能意識不到你在和一台機器說話。