美國Lux Research研究機構(gòu)近日發(fā)布了題為《人工智能和機器學習改善創(chuàng)新前端》的白皮書。該書指出，自然語言處理（NLP）技術可提升創(chuàng)新效率，但目前尚未得到充分開發(fā)利用。

目前，產(chǎn)業(yè)界正發(fā)力鉆研人工智利用數(shù)據(jù)的高效方法。通過自然語言處理和主題建模可以使技術優(yōu)化、競爭分析和微弱信號檢測等流程得到改善，加快海量文本數(shù)據(jù)分析，而以上環(huán)節(jié)均是創(chuàng)新驅(qū)動的關鍵所在。

Lux Research數(shù)字產(chǎn)品副總裁凱文·西恩博士認為，有效利用機器學習可快速挖掘數(shù)據(jù)，從而減少全面分析時間。以前需要花費數(shù)周時間，現(xiàn)在可以減少到幾天。

自然語言處理技術帶來的增速由主題建模實現(xiàn)，主題建模從文本中提取重要概念，同時大量消除了與之相關的人工假設及數(shù)據(jù)偏差。西恩說：“由于調(diào)查人員的知識局限和數(shù)據(jù)偏差，以前數(shù)據(jù)挖掘往往不夠全面準確，而使用機器學習，上述兩種情況都會得到有效改善，幾乎可以杜絕人為判斷錯誤和有益技術思路的遺漏。”

使用機器學習來提升創(chuàng)新速度和技術包容性，已日漸成為業(yè)界共識。知識建?？墒褂梅诸惙▉矶x特定主題下關鍵創(chuàng)新領域的技術發(fā)展趨勢。在相似性概念中取一個內(nèi)容，然后查找其他相關文章、專利或新聞以加快創(chuàng)新進程。在公司層面，主題建模還可用于競爭性產(chǎn)品組合分析；新聞機構(gòu)或社交媒體操作海量數(shù)據(jù)搜集分析時，主題建模也可用于弱信號檢測。

在定義成熟的人工智能和機器學習策略時，需要加權(quán)考慮一些關鍵技術點，包括是否需要構(gòu)建新的技術框架，使用哪些數(shù)據(jù)源及如何定義和解釋技術。適應接受這些技術工具的企業(yè)文化也很重要，可幫助從業(yè)者將自然語言處理視為技能資產(chǎn)而不是競爭對手。?

西恩總結(jié)說：“人工智能和機器學習帶給決策過程的支撐和信心將使創(chuàng)新加速，但這并不意味著人類的缺席。人們?nèi)匀恍枰x分析的起點、標注主題并從收集的信息中提取所需數(shù)據(jù)。毋庸置疑，人與機器之間的協(xié)作互動可以產(chǎn)生更好的結(jié)果，最終使所有相關方受益?！?/p>