2018年,自然语言处理最全的应用与合作

简介: 机器翻译、语音交互、汽车、医疗、法律、金融、广告、电商,全年案例大合集。

2018年见证了 NLP 许多新的应用发展。Elvis Saravia 是计算语言学专家,也是2019 计算语言学会年度大会北美分部的项目委员之一。他在一份报告中总结出,NLP 不仅在聊天机器人和机器学习中有所突破,也在医疗健康、金融、法律和广告等行业中有崭新的表现。
点击文章中的链接,可查看详细信息。

聊天机器人
聊天机器人是一项非常重要的研究领域,因为包括了 NLP 所覆盖的几大目标。

  • 这篇 Wired 文章,解释语音情感识别如何帮助机器与人类建立更加健康的关系。
  • 梅赛德斯奔驰发布了聊天机器人 MBUX,据称能为顾客创造“最会聊天的汽车”,让人与汽车可以通过自然的对话进行聊天。
  • NLP 创业公司 Hugging Face 获得400万美元融资,打造情感智能聊天机器人。
  • Wired 还发布了一篇文章讨论 Facebook 的虚拟助理 M ,以及为何公司计划将其关闭。此前就有许多人认为,也许聊天机器人只是一个泡沫,因为目前的 NLP 和 AI 的技术水准还无法达到顾客的预期。
  • 这篇文章讨论 Passage AI 如何使用 NLP 和深度学习技术来训练顶尖的聊天机器人,用英语、西班牙语和中文进行聊天。
  • 谷歌研究人员开发了一系列技术,深化聊天中的语意文本相似度。

Screen_Shot_2019_01_07_at_19_43_43

  • Mastercard 称,聊天银行也许已经成为主流。
  • 艾伦 AI 研究院通过 Alexandria 项目开发具有常识的AI。
  • AskArvi 使用 NLP 和深度学习,理解顾客的需要,从而推荐合适的保险项目。
  • 亚马逊的新技术和 API 将提供能够离线使用的机器学习工具。
  • Facebook 提交了一个电商聊天机器人的专利申请,以 NLP 为其核心技术。
  • 谷歌发布 Google Duplex,用于进行自然聊天,通过电话实现“真实世界”任务。这项技术在谷歌2018 IO 大会发布。

医疗健康

  • Jessica Kent 探讨如何将 NLP 应用于电子医疗记录,精确分析并改善心脏衰竭的病人护理。
  • Anthem 与 doc.ai 合作,分析和预测病人的过敏模式。
  • MIT 研究人员打造了一个基于 AI 的众筹平台,打造一个可以分析药物与蛋白质的系统。
  • 据一份新报告称,NLP 和 AI 将把医疗从线下服务,改变为不受医生地理位置限制的高质量服务。
  • DeepMind 称其开发了一项新技术,能自动探测和治疗视网膜疾病。
  • 一种基于 NLP 的新文本挖掘技术,可以通过病人的生物标记来决定癌症治疗方案。
  • 创业公司 Proven Beauty 使用 NLP 为顾客提供个人化的护肤产品线。
  • 看 NLP 如何帮助改善医疗文档
  • BrightSign 是一款智能手套,使得具有语言残疾的人能够更好地沟通。
  • 一家医疗机构使用深度学习和计算机视觉技术在 CT 扫描中检测疾病,比人类肿瘤学家的速度快150倍
  • 谷歌如何通过技术,提升人们的健康水平。
  • 自动化心理治疗机器人 Woebot 获得A轮800万美元融资。
  • Stitch CEO 讨论如何通过数据来销售个人化时尚
  • Linguamatics 提供基于文字药物发现和研究的工具库

机器学习工具

  • 谷歌发布 Cloud AutoML,目标是为大企业提供云端 AI 服务,这是谷歌普及 AI 使命的一部分。
  • 谷歌 AI 发布 BigQuery ML,能让数据科学家在大规模结构化和半结构化数据库上使用机器学习模型。
  • Fast.ai 与 AWS Open Datasets 合作,标准化并发布开放数据库
  • Facebook 通过多语言嵌入,提供更快速的翻译服务
  • PyTorch Geometric 通过 PyTorch 进行几何深度学习
  • 简单的几项测试看出,最优秀的谷歌翻译也很肤浅
  • Linguistics Agents Ltd. 发布了一个 NLP 平台,训练深度增强学习代理。
  • 这里有一个简化电子游戏代码编写的 AI 工具。
  • 谷歌 Brain 发布 Magenta.js,一个利用 TensorFlow.js 生成音乐和艺术内容的API。
  • 谷歌发布谷歌文字语音转换,其基础是 DeepMind 开发的 WaveNet。
  • TensorFlow 1.9 和 TensorFlow 1.10.0 相继发布,TensorFlow 2.0 将于2019年初发布,在这个论坛可以看到新版本的预期特征。
  • PyTorch 主持了第一场开发者大会,讨论最新发布的 PyTorch 1.0 的研究和生产能力。
  • Intel 开源了名为 NLP Architect 的 Python 库。
  • Semantris 是一款基于 NLP 和机器学习的文字联想游戏。

金融、广告和法律

  • 澳大利亚证券与投资委员会(ASIC)希望利用 NLP 加强管理公司和金融服务法律
  • Tumi 使用 AI 和 NLP 进行目标营销
  • 华尔街和大型创业公司现在都下血本投资 NLP 和机器学习,用于为客户进行更好的投资,类似于一种自动化投资管理
  • 小型和大型律师事务所正在通过 AI 一决高下。
  • 金融行业在使用机器学习和 NLP 来重新定义服务,开发新市场。
  • 通过“数据转移项目”,谷歌希望实现数据移动化,包括给予用户完全的数据掌控。

更多的NLP故事

  • 据称,DARPA 将在 AI Next Initiative 投资高达20亿美元,实现语境推理和问题解决能力。
  • 著名教授及研究员 Pedro Domingos 计划成为纽约投资公司 D.E. Shaw 集团的管理总监,领导公司的机器学习工作。
  • 微软最新的专利目标通过 NLP 将来电 ID 功能提升一个水准,系统将能够识别来电者的目标和行动。
  • 使用 AI 改善呼叫中心服务的创业公司 Observe.ai 筹集800万美元资金,使用机器学习和 NLP 技术将呼叫中心体验自动化。

本文由阿里云云栖社区组织翻译。
文章原标题《NLP highlights of 2018》,译者:炫,审校:袁虎。
文章简译,更为详细的内容,请查看原文

相关文章
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在自然语言处理中的应用探索
本文从一个独特的角度出发,通过对深度学习技术在自然语言处理(NLP)领域应用的深入分析,展现了如何通过深度学习模型理解和生成人类语言的可能性。文章首先概述了深度学习技术的基础知识,随后详细探讨了其在NLP中的几个关键应用,包括语言模型、文本分类、情感分析和机器翻译。此外,文章还着重讨论了面临的挑战以及未来的发展方向,旨在为读者提供一个全面而深刻的理解,关于深度学习如何推动自然语言处理技术的进步,以及这一进步对人类社会可能产生的深远影响。
|
3月前
|
机器学习/深度学习 自然语言处理 算法框架/工具
在Python中进行自然语言处理(NLP)的进阶应用
在Python中进行自然语言处理(NLP)的进阶应用
40 3
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
自然语言处理(NLP)在文本分析中的应用:从「被动收集」到「主动分析」
过去,文本分析往往是依靠人工阅读、标注和分类。但随着自然语言处理(NLP)技术的发展,文本分析的方式也在发生变化。本文将探讨NLP在文本分析中的应用,介绍NLP技术在不同领域的具体应用案例,并探讨NLP技术未来的发展方向。
32 0
|
24天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在自然语言处理中的应用与挑战
随着深度学习技术的快速发展,自然语言处理领域也迎来了前所未有的机遇和挑战。本文将探讨深度学习在自然语言处理中的应用现状、关键技术及面临的挑战,并展望未来发展方向。
|
25天前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在自然语言处理中的应用与挑战
传统的自然语言处理技术在面对复杂语义和语境时往往表现不佳,而深度学习技术的兴起为解决这一难题提供了新的可能性。本文将探讨深度学习在自然语言处理中的应用现状、关键技术及挑战,并展望未来的发展方向。
17 1
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在自然语言处理中的应用探索
【2月更文挑战第13天】 本文从一个独特的角度出发,通过对深度学习技术在自然语言处理(NLP)领域应用的深入分析,展现了如何通过深度学习模型理解和生成人类语言的可能性。文章首先概述了深度学习技术的基础知识,随后详细探讨了其在NLP中的几个关键应用,包括语言模型、文本分类、情感分析和机器翻译。此外,文章还着重讨论了面临的挑战以及未来的发展方向,旨在为读者提供一个全面而深刻的理解,关于深度学习如何推动自然语言处理技术的进步,以及这一进步对人类社会可能产生的深远影响。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习在自然语言处理中的应用与挑战
【2月更文挑战第10天】 随着人工智能技术的不断发展,深度学习在自然语言处理领域的应用日益广泛。本文将探讨深度学习在自然语言处理中的重要性、现状和未来挑战,以及我个人对于该领域的一些思考和见解。
17 1
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索前沿技术:基于深度学习的自然语言处理应用与挑战
本文将深入探讨基于深度学习的自然语言处理(NLP)技术在当今应用中的重要性以及所面临的挑战。通过分析NLP的基本原理、应用场景和未来发展趋势,帮助读者更好地了解NLP技术的前沿领域和发展方向。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
探索自然语言处理:语言模型的发展与应用
探索自然语言处理:语言模型的发展与应用
14 0
|
1月前
|
机器学习/深度学习 自然语言处理
基于深度学习的自然语言处理技术在智能客服系统中的应用
【2月更文挑战第21天】随着人工智能技术的不断发展,自然语言处理(NLP)技术在各个领域得到了广泛应用。本文主要探讨了基于深度学习的自然语言处理技术在智能客服系统中的应用。首先介绍了深度学习和自然语言处理的基本概念,然后分析了智能客服系统的工作原理和技术要求,接着详细阐述了基于深度学习的自然语言处理技术在智能客服系统中的具体应用,包括语义理解、情感分析和问答系统等。最后对基于深度学习的自然语言处理技术在智能客服系统中的优势和挑战进行了总结。
42 1