自然語言理解是人腦科學與機器神經(jīng)學的一場革命,自然語言處理( Natural Language Processing,以下簡稱NLP)作為人工智能三大關鍵技術之一,被譽為人工智能領域皇冠上的明珠。眼下,NLP持續(xù)在語言分析、理解和處理等方面取得突飛猛進的發(fā)展,并賦能更多行業(yè)實現(xiàn)智能化轉(zhuǎn)型升級。基于“以場景驅(qū)動技術”的全新解題思路,易聯(lián)眾健康大腦團隊開發(fā)出健康大腦“NLP自學習平臺”(以下簡稱“易聯(lián)眾NLP自學習平臺”),率先發(fā)力醫(yī)療健康領域,為尋求NLP技術的突破提供了新思路。
破局三大難題,打造醫(yī)療健康領域的中文NLP
事實上,相比國外成熟的英文NLP的高歌猛進,國內(nèi)中文NLP的研究卻屢遭瓶頸。要讓機器學習博大精深的中文,首先要面臨三大難題:一是中文自然語言環(huán)境復雜,很難進行詞性標注;二是中文分詞困難;三是中文字詞一詞多義的特點難以正確解析。
目前,已有的、相對成熟的深度學習模型多為英文NLP,中文的語言學基本無法遷移,且中文NLP比英語要相對困難和復雜,需要專業(yè)團隊從零開始訓練合適的語言處理方法和模型。
依托易聯(lián)眾在醫(yī)療健康行業(yè)深耕多年的產(chǎn)業(yè)經(jīng)驗與業(yè)務積累,易聯(lián)眾健康大腦團隊“以場景驅(qū)動技術”,為打造“更懂”中文的新一代NLP、提升中文NLP研究在國際話語體系中的地位做出貢獻。易聯(lián)眾NLP自學習平臺,以醫(yī)療健康領域為突破口,基于海量健康醫(yī)療數(shù)據(jù),通過神經(jīng)網(wǎng)絡學習算法訓練模型,打造NLP自學習平臺。平臺借助數(shù)據(jù)多模態(tài)錄入、語言的結(jié)構化錄入、場景下實體提取與文本分類等功能,破局三大難題,探索中文NLP的新發(fā)展,讓機器“聽得到”更“聽得懂”中國話。
已知反哺未知,讓人工智能更懂你
易聯(lián)眾NLP自學習平臺是一款覆蓋模型構建全流程的一站式機器學習平臺,用戶僅需標注或上傳適量數(shù)據(jù),即可通過平臺的自監(jiān)督預訓練算法、特征表示學習算法及自訓練系統(tǒng),訓練出可進行自優(yōu)化、自迭代的優(yōu)質(zhì)算法模型。易聯(lián)眾NLP自學習平臺的四大主要功能:
(1)實體提取
實體即某一概念的實例,以“時間”概念為例,“中秋節(jié)”“4月1日”便是“時間”的實體。易聯(lián)眾NLP自學習平臺的實體提取功能,就是將用戶想要的實體信息,從一句話、一篇文章、一系列文本中篩選出來并進行實體關聯(lián)。這是AI理解“自然語言”的基石,也是NLP實現(xiàn)信息提取、問答系統(tǒng)、句法分析、機器翻譯等眾多任務的重要基礎工具。
(2)文本分類
文本分類是機器理解語言的重要手段,即通過對語義、詞意的解析,判斷其分類歸屬。中文語境下,文本的準確分類是非常復雜的任務,一是因為有些文本之間差異過小;二是有時需要綜合多方面因素進行分辨。平臺自主研發(fā)量化學習迭代的訓練方法支持語言處理與模型設計:由機器結(jié)合詞性和上下文總結(jié)規(guī)律并生成模型,使模型參數(shù)向真實情況貼合,從而更精準解析語義、詞意乃至句式。
(3)文本生成
文本生成對技術要求較高,應用場景廣泛,包括報告生成、對話系統(tǒng)、自動摘要、關鍵詞AI創(chuàng)作等。易聯(lián)眾NLP自學習平臺采用可控文本生成模型,通過全面分析語句并進行核心意圖識別,產(chǎn)出多維特征構建出的智能文本量化模型,幫助用戶通過模版擴寬文本數(shù)據(jù)量,對輸入內(nèi)容進行分析糾錯,輔助訓練獨屬于用戶的智能模型。
(4)自學習預訓練算法
結(jié)合實際業(yè)務場景與需求,NLP自學習平臺開發(fā)出自監(jiān)督、自學習的預訓練算法。用戶可通過上傳適量數(shù)據(jù)或標注,實現(xiàn)最大限度的模型訓練;通過訓練出的標簽樣本特征,讓模型深入學習到領域內(nèi)的知識,挖掘潛在內(nèi)嵌信息,應用到未知標簽數(shù)據(jù)上,減少人工干預,提升學習效率,解決標注數(shù)據(jù)不足、數(shù)據(jù)缺少標簽的問題。
“有客戶戲稱我們的平臺是‘煉丹爐’,原材料丟進去,‘藥單’跟‘制作工藝’就出來了,之后就可以簡單套用和自行調(diào)試,甚至可以拿來對未知文本進行檢測。”易聯(lián)眾個人健康云團隊AI技術負責人洪晶瑾博士說道。
極簡化操作,賦能產(chǎn)品與企業(yè)智能化變革
讓機器像人一樣理解語言、掌握知識的NLP技術,是人工智能中認知智能的核心。易聯(lián)眾NLP自學習平臺向個人與企業(yè)用戶提供簡單高效的模型開發(fā)能力,幫用戶可在極少人工干預的情況下,讓不懂AI算法的人員訓練出屬于自己的AI模型,極大提高了NLP算法的通用程度。此外,平臺結(jié)合神經(jīng)網(wǎng)絡學習訓練,實現(xiàn)了自監(jiān)督學習能力,通過自動標注、標簽升級等方法反哺數(shù)據(jù)維度,不斷完善數(shù)據(jù)對話能力,實現(xiàn)NLP系統(tǒng)動態(tài)升級。
易聯(lián)眾NLP自學習平臺能滿足多種實際應用場景的NLP服務。在健康醫(yī)療相關場景中,可以識別疾病實體并標準化、構建基于聯(lián)合實體和關系提取的醫(yī)療健康知識圖譜、自動提取報告和句子級模板生成準確的臨床醫(yī)學報告;在日常生活中,可能夠?qū)崿F(xiàn)拼寫檢查、自動摘要、手寫體與印刷體識別、文語轉(zhuǎn)換、自動問答問句分類、垃圾郵件判定、預定餐位、查天氣、訂機票等應用;在研究機構中,可以輔助論文文本分類、有效翻譯、專業(yè)術語實體提取;在電商行業(yè),可用于商品評論分析、用戶畫像標簽提取、用戶情感分析等。
以醫(yī)療健康領域為切入點,健康大腦“NLP自學習平臺”也將與易聯(lián)眾獨立開發(fā)的C端產(chǎn)品結(jié)合,實現(xiàn)飲食、運動、行為、體征、心情五大類型的語句解析,初步實現(xiàn)和機器的“智能對話”,打造創(chuàng)新互動方式,幫助用戶快捷錄入,只需運用簡單的語句輸入,就可以告別打字,直接與手機“溝通”,輕松記錄日常點滴,增強用戶體驗感。最終,通過多方角色聯(lián)合,以及各種技術能力庫的調(diào)用和集成,打造健康場景綜合解決方案閉環(huán),賦能醫(yī)療健康領域的數(shù)字化和信息化發(fā)展。同時,易聯(lián)眾NLP自學習平臺也正在嘗試幫助醫(yī)生實現(xiàn)快速轉(zhuǎn)錄處方、錄入電子健康記錄、生成健康報告與健康指導。通過NLP結(jié)構化數(shù)據(jù)輸入方式,幫助醫(yī)療健康從業(yè)人員從繁重、枯燥的記錄中解放出來。在不久的將來,平臺也將為臨床試驗提供無縫和自動化支持能力、幫助個人定制合理的醫(yī)療保健套餐、定制化問答系統(tǒng)與健康生活服務管家等功能。
基于上述服務功能,易聯(lián)眾NLP自學習平臺將與個人健康云體系內(nèi)的多種AI產(chǎn)品自主搭配,提升AI產(chǎn)業(yè)落地能力。與易聯(lián)眾自研C端健康服務產(chǎn)品“嘻陪伴”結(jié)合,幫助用戶實現(xiàn)語音錄入與語音指令查詢兩大核心功能,讓“嘻陪伴”成為用戶的貼身智能管家,實時反饋用戶關心的健康問題;與“C.Health數(shù)據(jù)開放平臺”結(jié)合,幫助數(shù)據(jù)平臺實現(xiàn)“小知識+大數(shù)據(jù)=大知識”的質(zhì)的飛躍;與“個人健康畫像SanCore引擎”結(jié)合,解決人機對話難題;與知識圖譜組成“黃金搭檔”,打造“JAQ(Just ask a question)機制”,通過智能問答和語義搜索技術,讓用戶的知識獲取與問題解答不再是大海撈針。
易聯(lián)眾自研C端健康服務產(chǎn)品嘻陪伴,一鍵錄入每一刻生活
NLP集中體現(xiàn)了人工智能的最高任務與境界,只有當計算機具備了處理自然語言的能力時,機器才算實現(xiàn)了真正的智能化。洪晶瑾博士表示:“我們一直在探索如何將抽象的技術以降維、細化、拆解、整合等形式,融入到具體的整體解決方案中。未來,我們期待易聯(lián)眾NLP自學習平臺可以讓冰冷的機器更有溫度,全面釋放人工智能的價值,讓人類更好地享受人工智能的創(chuàng)新成果。”
