Schneller und besser: Innovation und natürliche Sprache

Mit der Innovation ist es wie mit der Mutterschaft. Jeder liebt sie als Konzept, aber sie im eigenen Leben zu praktizieren ist eine ganz andere Geschichte. In der Praxis sind weder Innovation noch Mutterschaft vage Konzepte, bei denen man sich wohlfühlt. Sie sind eine Realität, die verändert, warum und wie man Dinge tut. Wenn man sie gut macht, erntet man große Früchte.

In diesem Bereich werden wir uns mit der praktischen Anwendung neuer Technologien befassen, die zu Innovationen führen können. Dabei geht es nicht um das amorphe Schlagwort der Innovation, sondern um die konkrete Anwendung neuer, besserer Methoden in den Bereichen Business Intelligence, Leistungsmanagement, Datenmanagement und -analyse sowie in verwandten Bereichen.

Wir werden die Anwendung von Tools für natürliche Sprache, künstliche Intelligenz, Blockchain usw. aus dem technischen Blickwinkel eines Unternehmens betrachten, das sich der Anwendung dieser Tools auf unser Geschäft verschrieben hat und in sie investiert. Die meisten mittelständischen Unternehmen wie Prophix haben ein Budget für Forschung und Entwicklung (F&E), das eigentlich ein "D"-Budget ist. Die Ressourcen werden für die Entwicklung von Produkten und neuen Produktversionen mit zusätzlichen Funktionen verwendet.

Die Unternehmensleitung von Prophix hat erkannt, dass wir das "R" in F&E verstärken müssen, um wirklich innovativ zu sein, d. h. um neue und bessere Wege zu finden, um das zu tun, was unsere Kunden mit ihren Daten tun wollen. Das ist es, was wir in diesem Bereich erforschen: die Möglichkeiten und Herausforderungen bei der Neuerfindung von Tools und Prozessen.

Ein Vorbehalt: Wir werden unsere Forschungsarbeiten zur Anwendung neuer Technologien auf eine Weise erörtern, die wirklich innovative Ergebnisse hervorbringt. Aber nicht jede Forschungsarbeit führt zu einem Produkt. Manche vielleicht, manche nicht. Dies ist kein Produktfahrplan von Prophix. Es ist eine Untersuchung darüber, was möglich ist und was nicht.

Sind Sie bereit, Ihre Intelligenz zu erweitern? Laden Sie das Whitepaper über maschinelles Lernen und KI im Finanzwesen herunter.

Das Versprechen der natürlichen Sprachverarbeitung (NLP)

Wäre es nicht großartig, wenn Sie Ihr Corporate Performance Management (CPM)-System von überall auf der Welt aus anrufen und etwas sagen könnten wie: "Wie hoch waren die Widget-Verkäufe im Südosten der USA im letzten Monat und wie war der Vergleich zum gleichen Monat vor einem Jahr? Oder vielleicht: "Wie hoch waren die ungewöhnlichen Ausgaben für den Geschäftsbereich Gorgon im ersten Quartal?"

Anstatt stunden-, tage- oder wochenlang auf einen mehrseitigen Bericht zu warten, erhalten Sie dann innerhalb von Sekunden oder Minuten eine mündliche oder schriftliche Antwort. Informationen, auf die Sie sofort reagieren können.

Das ist das Versprechen der natürlichen Sprachverarbeitung, die eines der drei Hauptforschungsthemen von Prophix ist. Das andere ist maschinelles Lernen.

Laden Sie unser Whitepaper herunter, um einen Vorsprung bei der Einführung von maschinellem Lernen und künstlicher Intelligenz in Ihrem Unternehmen zu erhalten.

Die Geschichte von NLP

Informatiker arbeiten seit etwa 70 Jahren an der Herausforderung, Maschinen in die Lage zu versetzen, die natürliche menschliche Sprache mit all ihren Nuancen, kontextuellen Ungereimtheiten und Komplexitäten (z. B. "Jeet yet? No, d'joo?") zu verstehen und zu beantworten.

In den 1990er Jahren ermöglichten Fortschritte bei der Rechenleistung die Entwicklung von maschinellen Lernalgorithmen für die Sprachverarbeitung. Frühe Algorithmen des maschinellen Lernens, wie z. B. Entscheidungsbäume, waren starre Systeme von "Wenn-dann"-Regeln.

Mit der Zeit entwickelten sich daraus statistische Modelle, die weiche, probabilistische Entscheidungen treffen, indem sie den Merkmalen der Eingaben reale Werte zuordnen (je nach Kontext ist es wahrscheinlicher, dass sich ein "dead-cat bounce" auf eine vorübergehende finanzielle Erholung bezieht als auf eine verstorbene Katze).

In diesem Artikel werden wir uns mit zwei heute vorherrschenden NLP-Ansätzen befassen.

Zwei verschiedene NLP-Ansätze

Erste Herangehensweise

Ansatz eins ist das Cache-Modell, das auf statistischen Modellen basiert, die die oben erwähnten weichen, probabilistischen Entscheidungen treffen, indem sie den Merkmalen der Eingaben (Wortdefinitionen, Grammatik, Syntax, Kontext) reale Werte zuordnen. Das Cache-Modell - von Grund auf neu entwickelt - wird von IBM (Watson), Apple (Siri), Amazon (Alexa), Google (Google Assistant) und Microsoft (Cortana) verfolgt. Sie erfassen das Universum der Intentionen, indem sie von Grund auf eine Intent-Sprache entwickeln, die die Intentionen jedes Wortes oder jeder Wortkombination im Kontext erfasst. Diese Unternehmen beschäftigen Tausende von Mitarbeitern, die ihre natürlichen Sprachbibliotheken aufbauen, meist für Verbraucheranwendungen (z. B. "OK Google, stelle die Klimaanlage auf 71, schalte das Licht in der Küche ein und spiele Little Deuce Coupe.").

IBM hat Watson für den Einsatz in bestimmten Bereichen wie dem Finanzwesen oder dem Gesundheitswesen geschult (z. B. "Watson, was ist die wirksamste Diabetes-Behandlung für krankhaft fettleibige 55-jährige Männer in Neuengland?").

Das Cache-Modell ist auch bei unbekannten, fehlerhaften Eingaben sehr effektiv. Es kann in andere Systeme integriert (als Front-End verwendet) werden.

Zweiter Ansatz

Der zweite Ansatz ist die Nachrüstung eines Produkts mit natürlichsprachlichen Funktionen - ein bisschen so, als würde man einen BMW mit Kotflügeln ausstatten. Das ist es, was Prophix tut.

Wir stehen auf den Schultern von Giganten und nutzen die von diesen anderen Anbietern bereitgestellten Technologien, um unsere Corporate Performance Management-Software zu ermöglichen. Wir tun dies, weil wir der festen Überzeugung sind, dass das Interaktionsmodell für ALLE zukünftigen Anwendungen eine Form von natürlicher Sprache beinhalten wird, und wir beabsichtigen, dieses Ziel vor der Konkurrenz zu erreichen.

Das ist nicht ohne eine gewisse technische Komplexität. OK, das ist eine Untertreibung. Zunächst einmal erfordert es die Verwendung von vier Sprachen:

1. Eine bereichsspezifische Sprache (DSL): Dies ist eine Computersprache - unsere basiert auf PowerShell, die eine Bibliothek mit grundlegenden Funktionen speziell für Prophix bereitstellt. Wir bauen die DSL zuerst auf, damit wir etwas haben, das unsere Anwendungen steuert.
2. Eine "englischsprachige" Iteration der DSL auf höherer Ebene, die einfach einzugeben ist, aber zur Ausführung in unsere grundlegende DSL kompiliert wird.
3. Eine gesprochene Sprache (natürliche Sprache), die die "Absichten" der Wörter wiedergibt. Wir verwenden Amazon Lex, um die Konversationsschnittstellen (Sprache und Text) mit unseren CPM-Tools zu erstellen. Dies ermöglicht die automatische Spracherkennung für die Umwandlung von Sprache in Text und das Verstehen natürlicher Sprache, um die Absicht des Textes zu erkennen, und gibt unseren Benutzern die Möglichkeit, ihre Interaktionen mit ihren CPM-Daten zu vereinfachen. Mit anderen Worten, die DSL ermöglicht es uns, hochentwickelte Chatbots in natürlicher Sprache zu erstellen, die sich unterhalten.
4. Schließlich brauchen wir einen Compiler, der "Intents" in unsere Basis-DSL umwandelt (siehe #1)

All das ist nur der natürlichsprachliche Teil - die innovative Art, nützliche datengestützte Erkenntnisse in die Hände (oder Ohren) unserer Kunden zu bringen.

Da sich unsere Anwendung in der Cloud befindet und wir davon ausgehen, dass unsere Benutzer von einer Vielzahl mobiler und nicht-mobiler Geräte aus auf ihre Daten und die damit verbundenen Erkenntnisse zugreifen möchten, müssen wir auch mehrere Tools, Datenbanken (SQL usw.) und Anwendungen (verschiedene ERP-Module, HR, Salesforce usw.) sicher mit der Funktionalität von Prophix verbinden. Aber das ist eine Geschichte für einen anderen Tag.

Sind Sie bereit, Innovationen im Office of Finance voranzutreiben? Laden Sie jetzt den CFO-Leitfaden für KI und maschinelles Lernen im Finanzwesen herunter.

Innovation im Finanzwesen

Innovation in Ihrem Unternehmen voranzutreiben, ist keine leichte Aufgabe.

Unternehmen müssen prüfen, wo sie ihre F&E-Budgets investieren und wie sie die Möglichkeiten und Herausforderungen angehen, die mit der Neuerfindung ihrer Tools und Prozesse verbunden sind.

Die praktische Anwendung natürlicher Sprache ermöglicht einen nahezu sofortigen Zugriff auf wertvolle Daten, so dass Finanzfachleute mehr Zeit haben, um sich auf strategische Entscheidungen zu konzentrieren.

Hier sind einige wichtige Punkte:

• Bei der Innovation geht es darum, einen neuen und besseren Weg zu finden, Dinge zu tun
• Um innovativ zu sein, müssen Sie sich auf den Forschungsanteil Ihres Forschungs- und Entwicklungsbudgets konzentrieren
• Natürliche Sprachverarbeitung ist einer der drei Hauptforschungsbereiche bei Prophix
• Die beiden Ansätze zur Verarbeitung natürlicher Sprache sind das Cache-Modell und die Nachrüstung eines Produkts mit natürlichen Sprachfunktionen

Möchten Sie mehr über Anwendungen der natürlichen Sprachverarbeitung und der künstlichen Intelligenz erfahren? Laden Sie jetzt unser Whitepaper herunter.

Wir laden Sie dazu ein, unsere Überlegungen zu kommentieren, zu hinterfragen und sogar herauszufordern. Wir werden unser Bestes tun, um auf Ihre Kommentare einzugehen und aus ihnen zu lernen.