La génération de langage naturel et ses applications commerciales

        
Génération de langage naturel (NLG)
      
    Dans le cadre de la poursuite de l'exploration des auteurs d'IA et des nouvelles générées par les robots, il convient d'examiner certaines des technologies qui sous-tendent ces algorithmes. Les IA conçues pour générer des documents qui se lisent comme s'ils avaient été rédigés par un humain s'appuient sur des algorithmes de génération de langage naturel (NLG). Ces algorithmes ont pour but de générer automatiquement, à partir de données structurées, un texte qui se lit comme s'il avait été écrit par un auteur humain. Les données structurées sont des documents tels que
Rapports sur les produits décrivant les caractéristiques d'un nouveau produit.
Résultats d'une enquête de satisfaction de la clientèle en ligne.
Rapports financiers (comme ceux qu'utiliserait un auteur de robots).
Courriels personnalisés.
En d'autres termes, le NLG peut être défini comme la collecte de données textuelles brutes et leur transformation en une narration humaine. Le NLG est lié au traitement du langage naturel (NLP), mais fonctionne dans la direction opposée. Le NLP collecte des données à partir de textes, tandis que le NLG génère des textes à partir de données. En d'autres termes, le NLP lit ce que le NLG écrit. L'ordre général des opérations d'un algorithme de NLG est le suivant :
Collecte de données : trouver les bonnes données structurées sur lesquelles s'entraîner et choisir le bon contenu à transmettre dans la sortie NLG.
Décider du contenu : décider des principaux sujets qui seront abordés et de la manière dont ils le seront.
Structuration du document : présentation du contenu de la manière la plus cohérente et la plus "naturelle" possible.
Agrégation de contenu : création de phrases, assemblage de phrases similaires et ajout de références.
        
        
Que doit décider le NLG ?
      
    
Au fil des étapes énumérées ci-dessus, un algorithme de NLG doit prendre deux décisions : ce que l'on entend par "langage naturel" et comment créer un "récit humain" à l'aide de ce langage naturel. Pour un algorithme de NLG, le langage naturel "ressemble à" :
De grandes parties de texte séparées concernant un seul sujet.
Phrases complexes avec une syntaxe cohérente.
Structure complète avec un flux d'informations logique.
Références et analogies.
Ensuite, un algorithme de NLG doit décider comment compiler son récit de sortie, ou exécuter l'étape 4 de la section précédente. En se basant sur le contexte de l'entrée en langage naturel, l'algorithme doit comprendre comment formater au mieux sa sortie pour qu'elle soit lue comme une voix humaine. Il doit décider :
L'idée centrale du texte à générer.
La meilleure structure, réduite au fil des itérations, du texte narratif.
La fluidité des phrases et le choix des mots.
Les bons idiomes / références / expressions.
La bonne syntaxe et la bonne voix.
      
        
NLG dans les applications professionnelles
       
    
Les résultats de la "narration humaine" du NLG ont de nombreuses applications dans les pratiques commerciales modernes. Cet article en décrit brièvement deux : le reporting et le marketing.

Comme indiqué dans l'article "Rise of AI Authorship", le NLG et le NLP peuvent être utilisés pour compiler rapidement des rapports faciles à lire pour les spécialistes du marketing à partir de données complexes. Par exemple, le NLG peut fournir un rapport concis sur les ventes de la semaine précédente. Le NLG peut également utiliser le courrier électronique personnel comme source de données pour créer rapidement et efficacement des courriers électroniques à consonance humaine, ce qui permet aux utilisateurs d'économiser le temps passé à formater et à rédiger des messages électroniques sortants.

Outre l'établissement rapide de rapports sur les données et le formatage des messages, les utilisateurs s'accordent généralement à dire que le principal avantage de l'utilisation du NLG se situe dans le domaine du marketing. Les applications de NLG spécifiques au domaine du marketing comprennent :

• Réduire les documents de marketing généraux "à taille unique" et augmenter automatiquement les documents de marketing spécifiques aux clients.
• Générer rapidement un contenu marketing unique ciblant un client unique.
• Atteindre rapidement une base de clients plus large en générant et en distribuant rapidement du matériel de marketing ciblé.
• Accroître la fidélité d'un client en créant un contenu passionnant lié à la manière dont ce client unique utilise les produits et/ou les services de l'entreprise.
• Comprendre les métadonnées relatives à un client unique et adapter les informations sur les produits à ce client.

En résumé, le NLG est l'autre facette du NLP. L'IA NLG prend des données structurées en entrée et produit un document texte. Toutefois, la particularité du NLG réside dans la manière dont il produit un texte qui semble avoir été rédigé par un être humain. Il existe de nombreuses nuances dans l'utilisation correcte du NLG, et il n'est pas toujours facile d'utiliser le NLG de la "bonne" manière. Cependant, les bénéfices que le NLG peut apporter à une entreprise valent la peine d'être pris en compte. Les entreprises et les spécialistes du marketing d'aujourd'hui devront comprendre le NLG et la manière de l'exploiter à leur avantage pour réussir à l'ère numérique.