美國(guó)Lux Research研究機(jī)構(gòu)近日發(fā)布了題為《人工智能和機(jī)器學(xué)習(xí)改善創(chuàng)新前端》的白皮書。該書指出，自然語(yǔ)言處理（NLP）技術(shù)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(yǔ)言處理和主題建模可以使技術(shù)優(yōu)化、競(jìng)爭(zhēng)分析和微弱信號(hào)檢測(cè)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(dòng)的關(guān)鍵所在。

Lux Research數(shù)字產(chǎn)品副總裁凱文·西恩博士認(rèn)為，有效利用機(jī)器學(xué)習(xí)可快速挖掘數(shù)據(jù)，從而減少全面分析時(shí)間。以前需要花費(fèi)數(shù)周時(shí)間，現(xiàn)在可以減少到幾天。

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

使用機(jī)器學(xué)習(xí)來提升創(chuàng)新速度和技術(shù)包容性，已日漸成為業(yè)界共識(shí)。知識(shí)建模可使用分類法來定義特定主題下關(guān)鍵創(chuàng)新領(lǐng)域的技術(shù)發(fā)展趨勢(shì)。在相似性概念中取一個(gè)內(nèi)容，然后查找其他相關(guān)文章、專利或新聞以加快創(chuàng)新進(jìn)程。在公司層面，主題建模還可用于競(jìng)爭(zhēng)性產(chǎn)品組合分析；新聞機(jī)構(gòu)或社交媒體操作海量數(shù)據(jù)搜集分析時(shí)，主題建模也可用于弱信號(hào)檢測(cè)。

在定義成熟的人工智能和機(jī)器學(xué)習(xí)策略時(shí)，需要加權(quán)考慮一些關(guān)鍵技術(shù)點(diǎn)，包括是否需要構(gòu)建新的技術(shù)框架，使用哪些數(shù)據(jù)源及如何定義和解釋技術(shù)。適應(yīng)接受這些技術(shù)工具的企業(yè)文化也很重要，可幫助從業(yè)者將自然語(yǔ)言處理視為技能資產(chǎn)而不是競(jìng)爭(zhēng)對(duì)手。?

西恩總結(jié)說：“人工智能和機(jī)器學(xué)習(xí)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(diǎn)、標(biāo)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(jī)器之間的協(xié)作互動(dòng)可以產(chǎn)生更好的結(jié)果，最終使所有相關(guān)方受益。”