La continua produzione e diffusione di contenuti e lo sviluppo di nuove tecnologie ci pone di fronte a quella che è ormai un’evidenza: la comunicazione non è solo una prerogativa dell’uomo. Computer e sistemi di intelligenza artificiale (IA) hanno spinto verso una nuova dimensione della comunicazione, quella dell’interazione uomo-macchina, in cui trova posto il Natural Language Processing (NLP). Cerchiamo di capire cos’è, come funziona, quali sono i risultati della sua applicazione e quali sfide restano ancora da affrontare.

Cos’è il Natural Language Processing?

Per elaborazione del linguaggio naturale, corrispettivo dell’inglese Natural Language Processing (NLP), si intende il

processo di trattamento automatico mediante un calcolatore elettronico delle informazioni scritte e parlate in una lingua naturale*

Si tratta di una disciplina ibrida che coinvolge informatica, linguistica e intelligenza artificiale e che, come si evince anche dal nome e dalla definizione, si occupa dell’elaborazione del linguaggio umano (o naturale) attraverso un calcolatore elettronico. Il suo scopo è, quindi, quello di consentire a una macchina di decifrare e comprendere il linguaggio umano scritto e parlato (fermo restando tutte le implicazioni legate al significato della lingua naturale che vedremo in seguito).

Il funzionamento del Natural Language Processing

Il principale problema dell’interazione uomo-macchina è dato dai diversi linguaggi utilizzati per comunicare. Eppure se facciamo una domanda a un assistente virtuale basato sull’NLP (si pensi, per esempio, a Google Assistant, Siri o Alexa), otteniamo generalmente risultati adeguati e coerenti con il nostro interrogativo. Questo è possibile grazie a sistemi che permettono a una macchina di cogliere quanto viene detto o scritto con il linguaggio naturale, analizzarlo, estrarre le informazioni di interesse per l’assistente ed elaborare una risposta dotata di significato e tradotta nel linguaggio umano.

Nell’esempio appena proposto, riconosciamo due momenti distinti: la comprensione della domanda e la generazione di una risposta. In entrambi i casi è previsto l’utilizzo di due tecniche strettamente legate al NLP: Natural Language Understanding (NLU) e Natural Language Generation (NLG). Nel primo caso, la richiesta espressa viene codificata tramite un processo di comprensione, appunto, e interpretazione della lingua naturale; nel secondo caso, i dati necessari per elaborare una risposta vengono decodificati e trasformati in linguaggio naturale.

Ponendo il focus sul primo punto, l’NLP analizza gli aspetti sintattici e semantici della lingua umana per una comprensione più efficace. In questo senso, l’applicazione del Parsing e di tecniche di Named Entity Recognition (NER) e Relation Extraction (RE) consentono di distinguere la forma e struttura di un testo, estrarre le parole chiave (Information Extraction) e individuare la relazione tra di esse al fine di cogliere il significato.

Le principali applicazioni del Natural Language Processing

L’esempio proposto poco fa ci aiuta a comprendere quanto sia versatile e frequente l’utilizzo del Natural Language Processing. E non parliamo solo delle numerose forme che può assumere, ma anche dei diversi settori professionali in cui può trovare applicazione. Dagli assistenti vocali sui nostri smartphone, ai lettori testuali, traduttori automatici, chatbot, fino a tecnologie indipendenti sviluppate per rispondere ai bisogni specifici di un’azienda che si avvale dell’intelligenza artificiale.

Quest’ultimo è proprio il caso di Inda (Intelligent Data Analysis), la tecnologia proprietaria di intelligenza artificiale di Intervieweb sviluppata per ottimizzare il processo di ricerca e selezione e integrata nativamente nell’ATS Inrecruiting. Tra le numerose potenzialità, gli algoritmi di Natural Language Processing e Deep Learning contribuiscono ad accelerare la lettura e analisi dei CV, automatizzare le attività di pre-screening dei curricula e semplificare la ricerca semantica dei candidati direttamente all’interno del software.

I nodi ancora da sciogliere

L’elaborazione del linguaggio naturale porta con sé non poche difficoltà, specialmente a causa della complessità e ambiguità della lingua. Pensiamo infatti ai diversi significati che può assumere una parola, al tono della voce che può cambiare il senso di un concetto, alla diversa interpretazione di una frase a seconda del contesto in cui è inserita.

Questi fattori sono indicatori del fatto che, per una corretta comprensione del linguaggio naturale, non possiamo non considerare il ruolo del contesto o dell’ambiente circostante. In questo senso, il sempre più stretto legame delle neuroscienze con il mondo dell’intelligenza artificiale – come già affrontato in un nostro precedente articolo – potrà dare un contributo decisivo per risolvere uno dei nodi che risultano ancora difficili da sciogliere.

*Citazione tratta dalla pagina Wikipedia dedicata all’ elaborazione del linguaggio naturale.