كيف تعمل البرمجة اللغوية العصبية (NLP) على الشحن التوربيني لذكاء الأعمال

تطورت معالجة اللغة الطبيعية (NLP) وذكاء الأعمال (BI) والتحليلات بشكل متوازٍ في السنوات الأخيرة. أظهر البرمجة اللغوية العصبية إمكانية جعل بيانات ذكاء الأعمال أكثر سهولة. ولكن هناك الكثير من العمل في المستقبل لتكييف البرمجة اللغوية العصبية للاستخدام في هذا المجال شديد التنافسية.

أصبحت روبوتات الدردشة المدمجة التي تدعم البرمجة اللغوية العصبية جزءًا من العديد من الأنظمة الموجهة لذكاء الأعمال جنبًا إلى جنب مع ميزات البحث والاستعلام. لاعبو ذكاء الأعمال الراسخون والمبتكرون على حد سواء في بيئة تنافسية للغاية ، حيث تسعى علوم البيانات وتقنيات MLOps إلى تحقيق أهداف مماثلة. لكن المنافسة حفزت الابتكار.

شهدت أنظمة مثل Domo و Google Looker و Microsoft Power BI و Qlik Insight Advisor Chat و Tableau و SiSense Fusion و ThoughtSpot Everywhere تحديثات البرمجة اللغوية العصبية. جعلت هذه من استهلاك البيانات أكثر ملاءمة بشكل ملحوظ حيث يسترد مستخدمو الأعمال البيانات من خلال استعلامات اللغة الطبيعية.

إفساح المجال لـ ChatGPT

هناك المزيد من الابتكار في المتجر عبر طيف واسع من المنتجات. كما هو الحال مع مجالات التكنولوجيا الأخرى ، من المتوقع أن يتغير المجال بشكل أكثر دراماتيكية مع ظهور نماذج اللغة الكبيرة مثل ChatGPT من OpenAI عبر الإنترنت.

ظهرت علامات تعزيز ChatGPT لجهود البرمجة اللغوية العصبية الشهر الماضي حيث قالت Microsoft إن إمكانات تطوير Power BI القائمة على هذا النموذج ستكون متاحة من خلال Azure OpenAI Service. تابعت الشركة هذا الأسبوع بقدرات الذكاء الاصطناعي التوليدية لوكلاء Power Virtual.

وفي هذا الأسبوع أيضًا ، أعلنت SalesForce عن تكامل OpenAI الذي يجلب “Enterprise ChatGPT” إلى نماذج AI المملوكة لشركة SalesForce لمجموعة من الأدوات ، بما في ذلك الملخصات التلقائية التي يمكن أن تؤثر على سير عمل ذكاء الأعمال.

فوق من clunky

الاستعلام عن اللغة الطبيعية وتفسير اللغة الطبيعية [are] قال دوج هينشين ، المحلل في كونستليشن ريسيرش ، لموقع VentureBeat. لكنه قال إن هذا الطريق كان شاقًا في بعض الأحيان.

قال Henschen عندما جاء تحسين البرمجة اللغوية العصبية في الأصل إلى أنظمة ذكاء الأعمال ، “كان نوعًا ما عديم الجدوى”. كان على مطوري المؤسسات العمل على تنظيم اللغة التي كانت شائعة في المجال الذي يعيش فيه مستخدمو البيانات. وشمل ذلك تحديد المرادفات التي قد يستخدمها الأشخاص لوصف الشيء نفسه. وأشار إلى أن أدوات التدريب والعمل من وراء الكواليس أصبحت أفضل في أتمتة الإعدادات.

قال Henschen: “بالنسبة للجزء الأكبر ، أصبحت منتجات BI أفضل في التعامل مع ذلك”. “الآن لدينا هذه الموجة الجديدة الكاملة من نماذج اللغات الكبيرة والذكاء الاصطناعي التوليدي للنظر إلى … مستوى آخر تمامًا من التكنولوجيا.”

ذكاء الأعمال المحسّن في البرمجة اللغوية العصبية (NLP)

في معظم أنظمة ذكاء الأعمال ، يتم الوصول إلى البيانات بطريقة تقليدية: تسجيل الدخول إلى أحد التطبيقات ، وإنشاء التقرير المطلوب ، وتصفية الرؤى من خلال لوحات المعلومات. لكن هذه العملية التي تستغرق وقتًا طويلاً تتطلب بعض الكفاءة التقنية. هذا يعني معدلات اعتماد أقل.

لهذا السبب تلجأ الشركات غالبًا إلى توظيف علماء البيانات ومحللي البيانات لاستخراج الرؤى من أنظمة ذكاء الأعمال الخاصة بهم. لكن المديرين يبحثون أيضًا عن اعتماد أوسع داخل المنظمة. يعتمد عدد متزايد من الشركات العالمية الآن روبوتات محادثة ذكية للأعمال تعتمد على البرمجة اللغوية العصبية (NLP) يمكنها فهم اللغة الطبيعية وتنفيذ المهام المعقدة المتعلقة بذكاء الأعمال.

يتحول ذكاء الأعمال من الإبلاغ عن الأخبار إلى التنبؤ ووصف الإجراءات ذات الصلة بناءً على البيانات في الوقت الفعلي ، وفقًا لسارة أوبراين ، نائب الرئيس لتحليلات go-to market في ServiceNow.

قال أوبراين: “مع انفجار الابتكار في معالجة اللغة الطبيعية ، يمكن الآن بناء هذه الإجراءات بلغة محادثة وسحبها من مجموعة واسعة من المصادر”. “توفر المعلومات المهنية السياق – وتوفر البرمجة اللغوية العصبية المحتوى.”

يمكن لروبوتات الدردشة اليوم أن تجرد البيانات بكفاءة من مصادر مختلفة ، مثل أنظمة LOB و CRM الحالية ، وتتكامل مع العديد من تطبيقات المراسلة التابعة لجهات خارجية مثل Skype for Business و Slack ، وفقًا لـ Vidya Setlur ، مديرة الأبحاث في Tableau.

مع روبوتات المحادثة التي تدعم البرمجة اللغوية العصبية وواجهات الإجابة على الأسئلة ، لم يعد سير العمل التحليلي المرئي مرتبطًا بتجربة لوحة المعلومات التقليدية. يمكن للناس طرح الأسئلة في Slack للحصول على رؤى حول البيانات بسرعة ، “قال Setlur لـ VentureBeat.

وهذا يعني أنه يمكن للمستخدمين الحصول على رؤى قابلة للتنفيذ من خلال واجهة محادثة دون الحاجة إلى الوصول إلى تطبيق BI في كل مرة. تعتقد Setlur أن هذا قد غيّر طريقة تفكير المؤسسات في تنمية أعمالها وأنواع الخبرة التي توظفها.

“أدت التجارب التحليلية التي تعتمد على البرمجة اللغوية العصبية إلى إضفاء الطابع الديمقراطي على كيفية تحليل الأشخاص للبيانات واستخلاص الأفكار – دون استخدام أداة أو حرفة تحليلية معقدة.”[ing] استعلامات البيانات المعقدة “، أضاف Setlur.

تلعب هذه الراحة دورًا مهمًا في تعزيز ثقافة التحليلات للمؤسسة. من خلال تطبيق البرمجة اللغوية العصبية على أدوات ذكاء الأعمال ، يمكن حتى للأفراد غير التقنيين تحليل البيانات بشكل مستقل بدلاً من الاعتماد على متخصصي تكنولوجيا المعلومات لإنشاء تقارير معقدة.

يتيح استخدام البرمجة اللغوية العصبية للأشخاص الذين قد لا يمتلكون مجموعة المهارات المتقدمة للتحليل المعقد طرح أسئلة حول بياناتهم بلغة بسيطة. نظرًا لأن الأشخاص يمكنهم الحصول على إجابات للأسئلة من قواعد البيانات المعقدة ومجموعات البيانات الكبيرة بسرعة ، يمكن للمؤسسات اتخاذ قرارات حاسمة تعتمد على البيانات بشكل أكثر كفاءة “، أوضح Setlur.

وأضافت أن واجهات اللغة الطبيعية (NLIs) القائمة على الصوت والنص يمكنها تفسير هذه الأسئلة وتقديم إجابات ذكية حول البيانات والأفكار المتضمنة.

وبالمثل ، يعتقد Ivelize Rocha Bernardo ، رئيس قسم البيانات والعلوم التطبيقية في منصة VR للمؤسسات Mesmerise ، أن مثل هذه التطبيقات جعلت تحليلات البيانات أكثر شفافية ، وساعدت في إضفاء الطابع الديمقراطي على بيانات المنظمات.

“يمكن لأصحاب المصلحة والمديرين التنفيذيين الاستعلام عن البيانات من خلال الأسئلة ، ويمكن لمنصة ذكاء الأعمال الخاصة بهم الاستجابة من خلال توفير الرسوم البيانية ذات الصلة. إنه المستوى التالي من تحليل البيانات وإطلاق العنان لإمكانات ذكاء الأعمال والتحليلات ، حيث يمكن للفرق التركيز على أسئلة متابعة أكثر تفصيلاً ورؤى بيانات غير مباشرة.

أتمتة سير عمل ذكاء الأعمال الخاص بك باستخدام البرمجة اللغوية العصبية

يمكن للمؤسسات أتمتة العديد من مهام سير العمل من خلال معالجة اللغة الطبيعية للحصول على البيانات ذات الصلة.

قال Setlur من Tableau لـ VentureBeat: “يمكن لمحركات البحث الاستفادة من خوارزميات البرمجة اللغوية العصبية للتوصية بالنتائج ذات الصلة بناءً على سلوك سجل البحث السابق ونية المستخدم”. أصبحت محركات البحث هذه متطورة [at] الإجابة على أسئلة تقصي الحقائق مثل “ما حالة الرحلة؟ أو “ما هي النتيجة الحالية لمباراة Golden State Warriors؟”.

أصبح إنشاء النص التنبئي والإكمال التلقائي في كل مكان ، من هواتفنا إلى كتابة المستندات والبريد الإلكتروني. يمكن أن توصي الخوارزميات حتى بالكلمات والعبارات لتناسب نغمة الرسالة.

المجالات محددة

يعتبر التعاون في عمليات ذكاء الأعمال أمرًا مهمًا ، وفقًا لما ذكره برناردو من Mesmerize. قالت إن تطبيق نماذج البرمجة اللغوية العصبية هو تعاون بين الفرق. من الضروري الحصول على دعم متخصص في مجال ما لتحسين هياكل سير العمل والعمل مع فريق البيانات.

هناك الكثير من النجاحات [use] حالات استخدام البرمجة اللغوية العصبية (NLP) لتحسين سير العمل ، وأحدها هو تحليل وسائل التواصل الاجتماعي لتحديد الاتجاهات أو مشاركة العلامة التجارية. هناك حالة أخرى ناجحة وهي روبوتات المحادثة التي تعمل على تحسين خدمة العملاء من خلال أتمتة عملية الإجابة على الأسئلة المتداولة ، وإلغاء حظر الموظفين للتركيز على المهام التي تتطلب تفاعلًا بشريًا ، “قال برناردو.

بصفته عالم بيانات متمرسًا ، يوصي برناردو بأن أفضل طريقة لتنفيذ حلول البرمجة اللغوية العصبية هذه هي العمل على مراحل ، مع عمليات تسليم صغيرة وموضوعية للغاية ، وقياس النتائج وتتبعها.

“نصيحتي للتنفيذ الفعال لهذه الحلول هي البدء بتحديد حالات الاستخدام التي تريد المنظمة تحسينها. بعد ذلك ، ضع أهدافًا طويلة المدى وقصيرة المدى. يجب أن ترتبط الأهداف قصيرة المدى بعمليات التسليم وأن يتم تخصيصها في مرحلة مشروع معين. أخيرًا ، يجب على الفريق إعادة النظر في الخطة طويلة المدى في نهاية كل مرحلة لإعادة تقييمها وصقلها ، “قال برناردو.

كما أشارت إلى أن أحد أفضل الممارسات لتنفيذ حلول البرمجة اللغوية العصبية هو التركيز على مجال معين. “كلما اتسع نطاق النموذج ، زادت فرص نموذج البرمجة اللغوية العصبية الذي يعطي نتائج غير دقيقة.”

التحديات الحالية لتنفيذ البرمجة اللغوية العصبية في BI

يتمثل أحد التحديات الرئيسية التي تواجه تنفيذ البرمجة اللغوية العصبية في ذكاء الأعمال في أنه يمكن العثور على التحيز ضد مجموعات معينة أو التركيبة السكانية في نماذج البرمجة اللغوية العصبية. آخر هو أنه على الرغم من أن أنظمة معالجة اللغات الطبيعية تتطلب كميات هائلة من البيانات لتعمل ، فإن جمع هذه البيانات واستخدامها يمكن أن يثير مخاوف خطيرة تتعلق بالخصوصية.

يجب أن نركز على إنشاء نماذج عادلة وغير متحيزة. قبل تخزين أي بيانات ، تحتاج المؤسسات إلى النظر في مزايا المستخدم ، وسبب الحاجة إلى تخزين البيانات ، والعمل وفقًا للوائح وأفضل الممارسات لحماية بيانات المستخدم.

يمكن أن تصبح نماذج البرمجة اللغوية العصبية أيضًا أكثر تعقيدًا ، وقد يكون فهم كيفية توصلهم إلى قرارات معينة أمرًا صعبًا. لذلك ، من الضروري التركيز على إنشاء نماذج قابلة للتفسير ، أي تسهيل فهم كيفية وصول النموذج إلى قرار معين.

يجب أن تكون أنظمة الكمبيوتر قادرة على تحليل وتفسير الطرق العديدة التي يطرح بها الأشخاص أسئلة حول البيانات ، بما في ذلك المصطلحات الخاصة بالمجال (على سبيل المثال ، الصناعة الطبية). إن تطوير أدوات قوية وموثوقة يمكن أن تدعم مؤسسات ذكاء الأعمال لتحليل واستخلاص الأفكار مع الحفاظ على الأمن لا يزال يمثل قضايا يحتاج المجال إلى مزيد من التحسين عليها “، أضاف Setlur من Tableau.

ما التالي لـ NLP في BI؟

في حين أن البرمجة اللغوية العصبية (NLP) قد تقدمت ، ويمكن أن تساعد في حل مجموعة من المشكلات ، فإن اللغة نفسها لا تزال معقدة وغامضة.

وفقًا لـ ياشار بهزادي ، الرئيس التنفيذي ومؤسس منصة البيانات الاصطناعية Synthesis AI ، لا تزال مناهج الذكاء الاصطناعي التوليدية في البرمجة اللغوية العصبية (NLP) جديدة ، ويدرك عدد محدود من المطورين كيفية بناء النماذج وضبطها بشكل صحيح.

قد يؤدي الاستخدام الساذج لهذه الأساليب إلى التحيز والتلخيص غير الدقيق. ومع ذلك ، هناك شركات ناشئة وشركات أكثر رسوخًا تقوم بإنشاء إصدارات مؤسسية من هذه الأنظمة لتبسيط عملية تطوير نماذج دقيقة ، الأمر الذي من شأنه أن يخفف من بعض التحديات الحالية “، قال بهزادي.

يتوقع بهزادي أنه في السنوات القادمة ، ستمكن الحلول المتكاملة على مستوى المؤسسات الشركات من ضبط نماذج اللغات الكبيرة على بياناتها. وقال أيضًا إن حلول مراقبة النماذج والتغذية المرتدة ستصبح شائعة للمساعدة في تقييم الأداء في البرية وتحسين النماذج الأساسية باستمرار.

“ينبغي استكمال ذكاء الأعمال التقليدي [by] ولا يتم استبدالها بمناهج البرمجة اللغوية العصبية الجديدة للسنوات القليلة القادمة. إن التكنولوجيا تنضج بسرعة ، ولكن يجب أن تعتمد القرارات الأساسية التي تحركها الأعمال على مناهج ذكاء الأعمال المجربة والصحيحة حتى يتم بناء الثقة مع الأساليب الجديدة “، أضاف بهزادي.

من جانبه ، قال يانيف ماكوفر ، الرئيس التنفيذي والمؤسس المشارك لمنصة كتابة الإعلانات بالذكاء الاصطناعي Anyword ، إن شركته تلاحظ الحاجة المتزايدة لـ “نسخ الذكاء” ، وهو نهج ذكاء الأعمال لإدارة الاتصالات مع السوق عبر القنوات. يقول ماكوفر أننا قد نرى تكامل ذكاء الأعمال مع الذكاء الاصطناعي التوليدي في المستقبل القريب.

“مع ظهور LLMs ، يمكن لخوارزميات البرمجة اللغوية العصبية أن تلخص بشكل أكثر دقة وتفهم معنى المحتوى الذي ينشئه المستخدم دون استخراج مجموعة لا نهائية من الأمثلة ، المنسوخة كلمة بكلمة. هذا سيجعل تلخيص الاستعلام أكثر قوة ، “قال ماكوفر.

يعد فهم تفضيلات واحتياجات المستخدمين النهائيين أمرًا حتميًا مستمرًا في معالجة اللغات الطبيعية وذكاء الأعمال ، وكذلك الحاجة إلى الفرز برمجيًا من خلال كتل البيانات.

من المهم ملاحظة أن LLMs مثل ChatGPT يمكن أن تساعد أيضًا في معالجة الاختناقات من جانب المطور لذكاء الأعمال.

أشار دوج هنشن إلى أن مثل هذا الذكاء الاصطناعي التوليدي يمكن أن يساعد في لغات برمجة البرامج ، وليس لغة الأعمال فقط.

وقال: “بصفته الجيل القادم من اللغة الطبيعية ، فإن الذكاء الاصطناعي التوليدي يولد أيضًا رمزًا”. “انه ضخم.”

لكنه يستشهد بتحذير أسماه “الإنسان في دائرة الحذر”.

“كان هناك الكثير من القصص والأمثلة عن شخص ما حاول شيئًا ما باستخدام النموذج ، وقد أدى ذلك إلى هراء. لذلك ، كلما زاد السياق الذي يمكن لصانعي البرامج بناؤه فيه ، ستكون النتيجة أكثر موثوقية “.

وقال هينشن إن الشركات ستظل بحاجة إلى إشراف ورؤية بشرية. ومع ذلك ، قال إن نماذج مثل ChatGPT “تعد بتوفير قدر كبير من الوقت ، وتساعدك على البدء في إنشاء كود لتوليد اللغة قريب جدًا مما هو مطلوب.”

“لكن عليك أن تتأكد من أنها صحيحة.”