Plus vite et mieux : Innovation et langage naturel

L'innovation, c'est comme la maternité. Tout le monde l'aime en tant que concept, mais la mettre en pratique dans sa propre vie est une toute autre histoire. En pratique, ni l'innovation ni la maternité ne sont des concepts vagues et rassurants. Il s'agit de réalités concrètes qui changent le pourquoi et le comment des choses. Si vous les faites bien, vous en récolterez les fruits.

Dans cet espace, nous allons nous plonger dans l'application pratique des technologies émergentes qui peuvent déboucher sur l'innovation. Il ne s'agit pas de la notion amorphe d'innovation, mais de l'application spécifique de nouvelles et meilleures façons de faire les choses dans les domaines de l'intelligence économique, de la gestion des performances, de la gestion et de l'analyse des données, et d'autres domaines connexes.

Nous examinerons l'application des outils de langage naturel, de l'intelligence artificielle, de la blockchain, etc. du point de vue technique d'une entreprise qui s'est engagée et investie dans l'application de ces outils à son activité. La plupart des entreprises de taille moyenne comme Prophix ont un budget de recherche et développement (R&D) qui est en fait un budget "D". Les ressources sont utilisées pour développer des produits et de nouvelles versions de produits avec des fonctionnalités supplémentaires.

La direction de Prophix a reconnu que pour innover réellement - pour trouver de nouvelles et meilleures façons de faire les choses que nos clients veulent faire avec leurs données - nous devons faire plus de "R" en R&D. C'est ce que nous explorons dans cet article. C'est ce que nous explorons dans cet espace : les possibilités et les défis liés à la réinvention des outils et des processus.

Une mise en garde s'impose : nous parlerons de nos recherches sur l'application des nouvelles technologies de manière à obtenir des résultats réellement novateurs. Mais tous les travaux de recherche ne débouchent pas sur un produit. Certains peuvent l'être, d'autres non. Il ne s'agit pas d'une feuille de route pour les produits Prophix. Il s'agit d'une recherche sur ce qui est possible et ce qui ne l'est pas.

Êtes-vous prêt à augmenter votre intelligence ? Téléchargez le livre blanc sur l'apprentissage automatique et l'IA dans la finance.

Les promesses du traitement du langage naturel (NLP)

Ne serait-il pas formidable de pouvoir appeler votre système de gestion de la performance de l'entreprise (CPM) de n'importe où dans le monde et de pouvoir dire quelque chose comme : "Quelles ont été les ventes de gadgets dans le monde ? "Quelles ont été les ventes de gadgets dans le sud-est des États-Unis le mois dernier et comment ont-elles été comparées à celles du même mois de l'année précédente ?" Ou encore : "Quelles ont été les dépenses inhabituelles de la division Gorgon au premier trimestre ?"

Au lieu d'attendre des heures, des jours ou des semaines un rapport de plusieurs pages, vous obtenez une réponse orale ou écrite en quelques secondes ou minutes. Des informations sur lesquelles vous pouvez agir immédiatement.

Telle est la promesse du traitement du langage naturel, qui est l'un des trois principaux thèmes de recherche de Prophix. L'autre est l'apprentissage automatique.

Téléchargez notre livre blanc pour prendre une longueur d'avance sur l'adoption de l'apprentissage automatique et de l'intelligence artificielle dans votre organisation.

L'histoire du NLP

Les informaticiens travaillent depuis environ 70 ans sur le défi consistant à faire en sorte que les machines comprennent le langage humain naturel et y répondent, avec toutes ses nuances, ses incohérences contextuelles et ses complexités (par exemple, "Jeet yet ? No, d'joo ?").

Dans les années 1990, les progrès de la puissance de traitement ont permis de développer des algorithmes d'apprentissage automatique pour le traitement du langage. Les premiers algorithmes d'apprentissage automatique, tels que les arbres de décision, étaient des systèmes rigides de règles "si-alors".

Par la suite, ils ont évolué vers des modèles statistiques qui prennent des décisions souples et probabilistes en attachant des poids à valeur réelle aux caractéristiques des entrées (selon le contexte, il est plus probable qu'un "dead-cat bounce" fasse référence à une reprise financière temporaire qu'à un félin décédé).

Dans le cadre de cet article, nous examinerons les deux approches dominantes de la PNL aujourd'hui.

Deux approches différentes de la PNL

Première approche

La première approche est le modèle de cache, basé sur des modèles statistiques qui prennent les décisions douces et probabilistes mentionnées ci-dessus en attachant des poids à valeur réelle aux caractéristiques des entrées (définitions de mots, grammaire, syntaxe, contexte). Le modèle de cache - construit à partir de zéro - est poursuivi par IBM (Watson), Apple (Siri), Amazon (Alexa), Google (Google Assistant) et Microsoft (Cortana). Ils capturent l'univers de l'intention - en créant un langage d'intention à partir de zéro qui capture l'intention de chaque mot ou combinaison de mots dans le contexte. Ces entreprises emploient des milliers de personnes pour développer leurs bibliothèques de langage naturel, principalement pour des applications grand public (par exemple : "OK Google, règle la climatisation à 71, allume les lumières de la cuisine et joue à Little Deuce Coupe").

IBM a formé Watson à une utilisation dans des domaines spécifiques, tels que la finance ou la santé (par exemple : "Watson, quel est le traitement du diabète le plus efficace pour les hommes de 55 ans souffrant d'obésité morbide en Nouvelle-Angleterre ?)

Le modèle de cache est très efficace, même avec des données inconnues contenant des erreurs. Il peut être intégré à d'autres systèmes (utilisé comme interface).

Deuxième approche

La deuxième approche consiste à doter un produit d'une capacité de traitement du langage naturel, un peu comme si l'on ajoutait des ailes à une BMW. C'est ce que fait Prophix.

Debout sur les épaules de géants, nous utilisons les technologies fournies par ces autres fournisseurs pour activer notre logiciel de gestion des performances de l'entreprise. Nous le faisons parce que nous sommes absolument convaincus que le modèle d'interaction pour TOUTES les applications futures impliquera une certaine forme de langage naturel, et nous avons l'intention d'y parvenir avant la concurrence.

Cela ne va pas sans une certaine complexité technique. D'accord, c'est un euphémisme. Pour commencer, il faut utiliser quatre langages :

1. Un langage spécifique au domaine (DSL) : Il s'agit d'un langage informatique - le nôtre est basé sur PowerShell, qui fournit une bibliothèque de fonctions de base spécifiques à Prophix. Nous construisons le DSL en premier, afin d'avoir quelque chose qui pilote nos applications.
2. Une itération de plus haut niveau du DSL qui est facile à taper mais qui compile notre DSL de base pour l'exécution.
3. Un langage parlé (langage naturel) qui renvoie les "intentions" des mots. Nous utilisons Amazon Lex pour construire les interfaces conversationnelles (voix et texte) avec nos outils CPM. Cela permet la reconnaissance automatique de la parole pour la convertir en texte, et la compréhension du langage naturel pour reconnaître l'intention du texte, et donne à nos utilisateurs la possibilité de simplifier leurs interactions avec leurs données CPM. En d'autres termes, le DSL nous permet de créer des chatbots conversationnels sophistiqués en langage naturel.
4. Enfin, nous avons besoin d'un compilateur qui convertit les "intentions" en notre DSL de base (voir n° 1)

Tout cela n'est que la partie langage naturel - la manière innovante d'obtenir des informations utiles basées sur des données dans les mains (ou les oreilles) de nos clients.

Parce que notre application réside dans le nuage, et parce que nous prévoyons que nos utilisateurs voudront accéder à leurs données et aux informations connexes à partir d'une multitude d'appareils mobiles et non mobiles, nous devons également connecter de multiples outils, bases de données (SQL, etc.) et applications (divers modules ERP, HR, Salesforce, etc.) en toute sécurité à la fonctionnalité de Prophix. Mais il s'agit là d'une histoire pour un autre jour.

Prêt à stimuler l'innovation au sein du bureau des finances ? Téléchargez dès maintenant le Guide du directeur financier sur l'IA et l'apprentissage automatique en finance.

L'innovation dans la finance

Piloter l'innovation dans votre organisation n'est pas une tâche facile.

Les entreprises doivent évaluer où elles investissent leurs budgets de R&D et comment elles abordent les possibilités et les défis liés à la réinvention de leurs outils et processus.

L'application pratique du langage naturel permettra un accès quasi instantané à des données précieuses, ce qui donnera aux professionnels de la finance plus de temps pour se concentrer sur la prise de décisions stratégiques.

Voici quelques points clés :

• L'innovation consiste à trouver une nouvelle et meilleure façon de faire les choses
• Pour innover, vous devez vous concentrer sur la partie recherche de votre budget de recherche et développement
• Le traitement du langage naturel est l'un des trois principaux domaines de recherche de Prophix
• Les deux approches du traitement du langage naturel sont le modèle de cache et l'adaptation d'un produit à la capacité de traitement du langage naturel

Vous souhaitez en savoir plus sur les applications du traitement du langage naturel et de l'intelligence artificielle ? Téléchargez notre livre blanc dès maintenant.

Nous vous invitons à nous faire part de vos commentaires, à nous interroger, à nous poser des questions et même à remettre en cause notre façon de penser. Nous ferons de notre mieux pour répondre à vos commentaires et en tirer des enseignements.