Zbudują superkomputer rozumiejący po polsku

To pierwsza próba stworzenia polskiej wersji dla słynnego IBM Watson, zdolnego do przetwarzania ogromnych zbiorów cyfrowych informacji z wielu źródeł w języku polskim. Rozwiązanie będzie służyło agregowaniu, przeszukiwaniu i automatycznej interpretacji danych tekstowych, występujących zarówno w formie ustrukturyzowanej, jak i nieuporządkowanej.

System wykorzystując sztuczną inteligencję oraz rozumienie języka naturalnego (NLU-Natural Language Understanding), będzie potrafił logicznie interpretować nawet bardzo długie formy tekstowe. Podstawą jego funkcjonowania będzie zbiór aż 80 tysięcy ontologii, czyli zbiorów znaczeń, nie tylko z wiedzy ogólnej, ale także charakterystycznej dla konkretnego sektora gospodarki.

Jego zadaniem będzie realna automatyzacja wielu procesów obsługiwanych wewnątrz przedsiębiorstw. Za pośrednictwem systemu możliwe będzie wyszukanie danych po kontekście ich użycia, rozpoznawanie otoczenia biznesowego, monitoring aktywności konkurencji, badanie satysfakcji klientów czy znacznie szybsza weryfikacja aplikacji kandydatów do pracy. Jego nadrzędnym zadaniem będzie także wykrywanie szans oraz zagrożeń, m.in. poprzez możliwość zaoferowania klientowi produktów i usług lepiej odpowiadających jego indywidualnym preferencjom czy zdolność do przewidywania prawdopodobieństwa jego rezygnacji ze współpracy z firmą na podstawie dynamicznej oceny satysfakcji. A wszystko to z poziomu prostego w obsłudze interfejsu, który można dowolnie personalizować – tłumaczy Jacek Grzyb z teamLeaders.

System znajdzie zastosowanie niemal we wszystkich branżach, w tym. m.in. w bankowości, telekomunikacji, centrach kontaktowych, przemyśle, sektorze medycznym czy administracji publicznej. Będzie to pierwszy tego typu system zdolny do wieloaspektowej interpretacji danych tekstowych w języku polskim – pochodzących zarówno z wewnętrznych baz, jak i globalnej sieci.

Będzie analizował nie tylko słowa kluczowe, ale również cały kontekst zdań.

Poza stworzeniem platformy umożliwiającej dokładne „poznanie” klientów, system znacznie usprawni wykonywanie obowiązków pracowników różnych obszarów przedsiębiorstwa. Głównie dzięki temu, iż będzie w stanie „sięgać” po wszystkie informacje związane z działalnością firmy – także te nieuporządkowane, które zwykle są pomijane ze względu na brak czasu oraz odpowiednich narzędzi. Konsultant call center nie będzie więc musiał otwierać wszystkich maili od klientów, gdyż system wyświetli mu czego one dotyczą i skategoryzuje je pod względem ważności, ekspert z kancelarii prawnej momentalnie odnajdzie interesujące go zmiany w treści danej ustawy, zaś menadżer ds. HR otrzyma już sklasyfikowane według założonych parametrów aplikacje kandydatów. To rozwiązanie o niemal nieograniczonym zakresie zastosowań – dodaje Jacek Grzyb z firmy teamLeaders.

Eksperci z firmy teamLeaders przekonują, że jest to idealny czas na opracowanie systemu zdolnego do inteligentnej analizy informacji, „posługującego się” językiem polskim. Argumentów jest wiele – pierwszy z nich to wzrost ilości danych gromadzonych przez firmy. Według analizy IBM, każdego dnia globalna sieć powiększa się o kolejne 2,5 kwintyliona bajtów (2,5 miliona terabajtów) nowych danych, nad którymi coraz trudniej zapanować i efektywnie wykorzystywać w analizach biznesowych.

Ponadto, często są one nieuporządkowane i rozlokowane po dziesiątkach różnych systemów IT wewnątrz organizacji, które nie są transparentne. System, nad którym pracują eksperci teamLeaders będzie agregował wszystkie dane z każdego z nich w jednym miejscu, w czasie rzeczywistym, znacznie ułatwiając zarządzanie informacjami. System ma też duży potencjał w obszarze obsługi klienta, która staje się coraz bardziej kluczowa dla biznesowego powodzenia firm i zwiększania osiąganych wyników finansowych. Dość wspomnieć, iż wg. firmy Genesys Telecommunications Laboratories polskie przedsiębiorstwa tracą przez niesatysfakcjonującą obsługę klienta aż 8,8 mld euro każdego roku.

Funkcjonalnością wyróżniającą opracowywany system jest także zdolność do analizy sentymentu wypowiedzi zgodnie z teorią emocji Roberta Plutchika. Analizowane wypowiedzi klientów, odnalezione w wielu sieciowych źródłach, będą więc klasyfikowane nie tylko jako pozytywne, negatywne czy neutralne, system odnajdzie w nich również takie emocje jak np. rozczarowanie, zdenerwowanie, zachwyt, zaufanie, lęk czy gniew, dostarczając znacznie pełniejszy obraz opinii oraz oczekiwań konsumentów. Ponadto, platforma wskaże której sprawy poruszanej w wypowiedzi dotyczy sentyment – wszystkie dostępne obecnie na rynku narzędzia do analizy wydźwięku przedstawiają jedynie procentowy podział na sentyment pozytywny oraz negatywny, nie rozróżniając jego znaczenia dla zrozumienia przesłania.

Oprac. MS