Doğal Dil Anlama (NLU)

Doğal Dil Anlama (NLU), dilbilimin özelleşmiş bir alt alanıdır. Yapay Zeka (AI) aşağıdakilere odaklanmıştır makine okuma anlama. Standart metin işleme kelimeleri sayabilirken, NLU kelimeleri deşifre etmeyi amaçlar. İnsan dilinin ardındaki anlam, niyet ve duygular. Yazılımın aşağıdakileri yapmasını sağlayan "beyindir" e-postalar, sohbet günlükleri veya sözlü komutlar gibi yapılandırılmamış metinleri yorumlayarak yapılandırılmış, eyleme dönüştürülebilir veri. Bu yetenek, aşağıdaki gibi sezgisel sistemler oluşturmak için temeldir chatbotlar ve kullanıcılarla etkileşime girebilen sanal asistanlar doğal olarak.

NLU'nun Temel Bileşenleri

Dili etkili bir şekilde "anlamak" için NLU sistemleri girdiyi birkaç anlamlı katmana ayırır. Bu süreç, ham metni algoritmaların üzerinde işlem yapabileceği yapılandırılmış bir biçime dönüştürür.

• Niyet Tanıma: Bu, kullanıcının hedefini tanımlar. Örneğin, eğer bir kullanıcı "Bir Tokyo'ya uçuş," niyet BookFlight. Bu, hedef odaklı yapay zeka ajanları için çok önemlidir.
• Adlandırılmış Varlık Tanıma (NER): Bu, adlar, tarihler, konumlar veya ürün kodları gibi belirli bilgi parçalarını çıkarır. İfadede "Cuma günü Glenn ile buluşma," NER, "Glenn "i bir "Glenn" olarak tanımlıyor. PERSON ve "Cuma" olarak DATE.
• Duygu Analizi: Bu Metnin duygusal tonunu (olumlu, olumsuz veya nötr) değerlendirir. Müşteri desteğinde aşağıdakiler için yaygın olarak kullanılır Kullanıcı memnuniyetini otomatik olarak ölçün.
• Bağlamsal Akıl Yürütme: Genellikle aşağıdakiler tarafından desteklenen gelişmiş NLU Büyük Dil Modelleri (LLM'ler) ve Transformers, tek tek cümlelerin ötesine bakarak referansları ve belirsizlikleri anlamak (örneğin, bir konuşmada "o" kelimesinin neyi ifade ettiğini anlamak).

Gerçek Dünya Uygulamaları

NLU, günlük olarak kullandığımız birçok teknolojinin arkasındaki motordur ve insan iletişimi ile makine arasındaki boşluğu doldurur Mantık.

1. Müşteri Hizmetleri Otomasyonu: Şirketler akıllı destek aracılarını güçlendirmek için NLU kullanıyor. Gibi platformlar IBM Watson Doğal Dil Anlama gelen destek biletlerini analiz edebilir, bunları amaca göre doğru departmana yönlendirebilir ve hatta Sorun tanımına dayalı yanıtlar.
2. Anlamsal Arama: Tam kelimeleri eşleştiren anahtar kelime aramasının aksine, NLU güdümlü arama motorları sorgunun anlamını anlamak. Bu sayede kullanıcılar " Ultralytics'in CEO'su kimdir?" gibi sorular sorabiliyor. gibi sorular sormalarına ve "CEO" kelimesini içeren bağlantılar listesi yerine doğrudan bir yanıt almalarına olanak tanıyor.
3. Sesle Etkinleştirilen Kontrol: Cihazlar sözlü komutları ayrıştırmak için NLU'ya güvenir. Bir kullanıcı "Dön" dediğinde oturma odasının ışıklarını kapat" dediğinde, sistem eylemi ("Kapat") ve hedefi tanımlamak için NLU kullanır varlık ("oturma odası ışıkları").

NLU vs NLP vs Bilgisayarlı Görü

NLU'yu ilgili yapay zeka disiplinlerinden ayırmak faydalı olacaktır:

• Doğal Dil İşleme (NLP): NLP, tüm dil görevlerini kapsayan kapsayıcı bir alandır. NLU özellikle anlama alt kümesi (Girdi $\$ Anlam). Diğer bir alt küme olan Doğal Dil Üretimi (NLG) ise metnin oluşturulması (Anlamı $\to$ Çıktı).
• Bilgisayarla Görme (CV): Süre NLU metni işler, CV ise görsel verileri yorumlar. Ancak, modern Çok Modlu Modeller birleştirmek her ikisi de. Örneğin, YOLO gibi modeller NLU'yu Metin komutlarını yorumlayın (örneğin, "mavi sırt çantası") ve ardından bir görüntüde bu nesneleri bulmak için CV'yi kullanın.

Görme Yapay Zekasında NLU: Açık Kelime Tespiti

NLU'nun bilgisayar görüşü ile entegre edilmesi "Açık Kelime Dağarcığı Nesne Tespiti "ne olanak tanır. Sınırlı olmak yerine sabit bir sınıf listesine ( COCO'daki 80 sınıf gibi) bağlı olarak, bir model açıklayıcı metne dayalı olarak nesneleri detect edebilir. Bu Ultralytics YOLOWorld modeli bunu, "anlamak" için yerleşik bir metin kodlayıcı kullanarak örneklendirmektedir. bulmak istediğiniz sınıfları seçin.

Aşağıdaki örnek, NLU'nun bir görüş modelinin yalnızca metinle tanımlanan özel nesneleri detect nasıl sağladığını göstermektedir:

from ultralytics import YOLOWorld

# Load a YOLO-World model (incorporates NLU for text-based class definition)
model = YOLOWorld("yolov8s-world.pt")

# Define custom classes using natural language
# The model's NLU component understands these terms without retraining
model.set_classes(["person reading a book", "red coffee mug"])

# Run inference on an image
results = model.predict("library.jpg")

# Display results
results[0].show()

Araçlar ve Gelecek Trendleri

NLU alanı, aşağıdaki gibi grupların araştırmalarıyla hızla ilerlemektedir Stanford NLP Grubu ve Hesaplamalı Dilbilim Derneği (ACL). Teknolojiler ilerliyor Basit anahtar kelime eşleştirmeden derin bağlamsal anlamaya kadar.

Geliştiriciler için, yakında çıkacak olan Ultralytics Platformu (2026'da piyasaya sürülecek) aşağıdakilerin yaşam döngüsünü kolaylaştıracak Yapay zeka modelleri, veri kümelerini yönetmeyi ve hem görüntü hem de yapay zekadan yararlanan karmaşık çok modlu sistemleri dağıtmayı kolaylaştırır. dil anlama. Mevcut son teknoloji görüş görevleri şu şekilde ele alınabilir YOLO11Ar-Ge çalışmaları yeni nesil üzerinde devam ederken YOLO26, hız ve doğruluğun daha da sıkı entegrasyonunu hedefliyor. Bulut hizmetleri gibi Google Cloud Natural Language ayrıca aşağıdakiler için sağlam API'ler sağlar uygulamalara saf NLU özellikleri eklemek.