Ibm annuncia la disponibilità di nuove tecnologie Ibm Watson progettate per aiutare le aziende a identificare, comprendere e analizzare alcuni degli aspetti più difficili della lingua con maggiore chiarezza. Le principali funzionalità di Natural Language Processing (Nlp) fornite nei pacchetti di ultima generazione provengono dal Project Debater di Ibm Research, al momento l’unico sistema di intelligenza artificiale in grado di discutere con gli esseri umani su argomenti complessi.
In passato l’intelligenza artificiale non era in grado di gestire e comprendere gli idiomi, mentre ora, grazie all’integrazione tra Project Debater e Ibm Watson, può capire e analizzare il nostro linguaggio. La soluzione Nlp di Ibm è integrata anche in piattaforme come Watson Discovery per la comprensione dei documenti, Ibm Watson Assistant per agenti virtuali e Watson Natural Language Understanding per l’analisi avanzata del sentiment.
Le funzionalità della piattaforma Ibm
Ibm sta così introducendo sul mercato le tecnologie nate da questa combinazione per l’analisi, il riassunto e il raggruppamento in cluster delle conversazioni. Inizialmente, Nlp lavorerà sulla lingua inglese, ma tra il 2020 e il 2021, l’offerta del gruppo sarà in grado di supportare anche numerose altre lingue, tra cui italiano, francese, tedesco, cinese, giapponese e arabo. Inoltre, l’azienda sta sfruttando la tecnologia di Ibm Research per comprendere documenti aziendali, come Pdf e contratti, da aggiungere anche ai loro modelli di intelligenza artificiale. Con un’analisi dei sentimenti avanzata, le aziende possono iniziare ad analizzare i dati linguistici con le Api di Watson per una comprensione olistica del loro funzionamento.
Come detto, l’integrazione di Project Debater in Ibm Watson prevede diversi step nel corso dell’anno al fine di migliorare le capacità di interpretare il linguaggio naturale umano. Sul fronte dell’analisi la nuova funzionalità avanzata di analisi del sentiment permette di identificare e analizzare sia schemi di idiomi colloquiali complessi sia terminologia business, anche all’interno di documenti, come Pdf e contratti. La tecnologia Brief è poi in grado di realizzare sintesi dei contenuti analizzati, siano essi orali o scritti. Entro l’anno è prevista l’integrazione di Summarization in Ibm Watson Natural Language Understanding. Attraverso la funzione Cluster, Project Debater consente anche di creare gruppi tematici in grado di facilitare la comprensione di linguaggi tecnici, che afferiscono a specifici settori, come quello assicurativo, medico, manifatturiero.
I casi già sviluppati: Grammys e Espn Fantasy Football
Si possono già citare due casi applicativi: la funzionalità versione iniziale di Summarization è stata adottata durante l’ultima edizione dei Grammys per analizzare oltre 18 milioni di articoli e blog per offrire approfondimenti su centinaia di artisti e celebrity presenti. I dati sono stati quindi pubblicati su www.grammy.com per proporre ai fan approfondimenti sulla serata. La piattaforma di fantacalcio Espn Fantasy Football utilizza invece Watson Discovery e Watson Knowledge Studio per analizzare milioni di fonti di dati sul calcio ogni giorno durante la stagione per offrire a milioni di giocatori informazioni in tempo reale. Elaborando il linguaggio naturale, Watson identifica il tono e il sentiment di articoli di giornali, blog, forum, classifiche, proiezioni, podcast e tweet che coprono tutto, dalle informazioni sugli spogliatoi all’analisi delle lesioni. Gli insight così ottenuti vengono pubblicati nelle schede giocatore che mostrano il potenziale di “boom” e “bust” di ciascun profilo, così come una sezione “Player Buzz” che riassume il commento positivo o negativo di un giocatore.
“Il linguaggio è uno strumento per esprimere il pensiero e l’opinione, oltre che uno strumento per l’informazione”, afferma in una nota Rob Thomas, General Manager, Ibm Data e Ai. “Questo è il motivo per cui stiamo raccogliendo la tecnologia dal Project Debater e integrandola in Watson: per consentire alle aziende di acquisire, analizzare e comprendere di più dal linguaggio umano e iniziare a trasformare il modo in cui utilizzano il capitale intellettuale codificato nei dati”.
