在前面幾個章節中，我們介紹了人工智慧、機器學習以及深度學習，接著我們將帶您了解更深入的另一項技術應用。在人工智慧的發展過程，除了讓機器能夠擁有學習能力外，讓機器具備理解的能力，也是十分重要的一環，這就是「自然語言處理（Natural Language Processing，NLP）」。然而在亞洲地區，對於中文的語言處理並未成熟，我們該如何消除這項隔閡呢？讓我們的技術更上一層呢？SourceZones 將帶您深入挖掘這塊自然語言處理的領域，讓我們一同往下看吧！
程式語言與自然語言？
程式語言是人類為了與機器溝通，而設計出的語言，例如 JavaScript、Python 等；而自然語言是人類日常溝通時所說出來的語言，比如文字、音樂等。「自然語言處理」的目標，在於讓機器可以理解或是運用人類的語言，成為「機器」與「人類」之間的溝通橋樑。
什麼是自然語言處理（NLP）？
自然語言處理（NLP）是一種透過複雜的數學模型及演算法來讓機器去認知、理解並運用我們的語言的技術。透過斷詞、理解詞以及分析句子等步驟，將複雜的語言轉化為機器容易處理並計算的形式。早期的 NLP 技術主要基於統計的概念去訓練模型，透過人工方式進行特徵進行特徵提取及選擇後訂出規則。但是這種方式無法有效地辨識複雜的文法結構。隨著深度學習與演算法模型的突破，現在的 NLP 技術則是設計出模組，讓機器自主學習，改變了過往訓練模式。
目前最廣為研究人員使用的演算法模型即是 BERT， BERT 模組能夠預先訓練演算法，雙向地去查看前後字詞，進而推斷出完整的上下文。這樣的方式不同於以往的模型訓練，更能夠全面地連結上下文，有效幫助系統在文本上的理解與生成。我們 SourceZones 團隊便是運用最新 BERT 主動式閱讀新聞資訊擷取重要資訊，達到協助使用者提升盡職調查作業品質，並且提供早期預警高風險新聞資訊與客戶資訊。更多產品介紹詳情請見 KYCHECK™ 一站式平台 。
NLP = NLU + NLG
NLU 負責理解內容，NLG 負責生成內容。
自然語言理解（NLU）
自然語言理解（Natural Language Understanding）的目的在於將自然語言轉換成讓機器能夠讀懂的語言，並提取有用的資訊，以幫助後續進行分類、分析及搜索等任務。若要讓機器能夠理解自然語言，我們必須分析句子中的「語音、音韻、詞法、句法、語意和語用」，以達到訓練模組之目的。
自然語言生成（NLG）
自然語言生成（Natural Language Generation）則是將非語言格式的資料，轉換成人類可以理解的語言的形式輸出。簡單來說即是將只有機器看得懂的資料架構，像是 0101010101 的機器語言，轉化成人類能理解的字句。
NLP 普遍應用
隨著近年來 NLP 技術更加成熟，機器能夠 24 小時不間斷工作，將驅動 NLP 更多廣泛的應用，為產業創造更多價值。
偵測詐騙郵件
商業電子郵件詐騙（Business Email Compromise，BEC）是近年新興的全球性資安危機，造成許多企業損失慘重。透過 NLP 技術可以分析詐騙內容特徵及預測未知威脅，一旦偵測到可疑信件就提供預警，以幫助企業提高詐騙郵件攔截率，加強資安的防禦。
機器翻譯
運用機器將書面或是聲音形式的自然語言，翻譯成另一種的自然語言，這個過程稱為機器翻譯。
聊天機器人
取代以往的客服人員在線上隨時待命，聊天機器人能夠全天候提供即時服務，也能更精準地提供產品資訊與個人化的服務，成為企業豐富消費者體驗的強大工具。
文件分析
文本生成是很早被運用的一項 NLG 技術， AI 擅長即時處理並應用大量數據，機器能夠不斷瀏覽不同來源的資料並編寫文件。近年來也協助醫療領域，幫助醫生們閱讀新出的醫學報告、篩選醫學文獻，找出病患的病徵。
人名辨識擷取
透過NLP技術，我們可以將文章中的人名，自動辨識後並擷取出來，以利文章語句上的判讀。
NLP 的難點
在發展 NLP 的過程中，SourceZones 發現因為中英語言差異的關係，造成了許多執行上的困難點，我們整理了三大難點並分析：
- 語言具有多樣性
- 語言缺乏規律性
- 語言表達方式的差異
由於亞洲地區在人工智慧上的起步較慢，SourceZones 在三年前開創自然語言處理（NLP）在中文語言上的發展，我們透過多年的實務經驗，發現臺灣中小企業在資源上以及資金上的不足，造成他們在技術上往往不如大企業公司，進而導致歇業的情況。SourceZones 透過多年在人工智慧、機器學習、自然語言處理以及知識圖譜等技術，打造優良的服務，協助企業解決這些困難。導致歇業或賠錢的實例是什麼？
NLP 可以幫助金融機構什麼？
NLP 的發展在近年來大家都是有目共睹，為許多企業達到運營上的效率提升以及成本的降低，更增加了許多顧客體驗。SourceZones 在金融機構上，也提供最佳的服務，比如說我們透過 NLP 技術進行大量非結構化文件分析，協助客戶蒐集從自然人資料、法人資料、新聞文章、文件及其他來源的文字中探索意義和關係，達到風險分析及探勘之目的。通常可以用於反洗錢追蹤（Anti-Money Laundering，AML）、KYC（Know Your Custumer）及犯罪追蹤等，以降低企業之風險成本，達到協助使用者提升盡職調查作業品質。
SourceZones 源銳資訊 