Natural Language Understanding ist ein Teilgebiet von Künstlicher Intelligenz, das sich damit beschäftigt, menschliche Sprache für Maschinen verständlich zu machen. Die Herausforderungen besteht darin, Worte und semantische Sätze so in Zahlen umzuwandeln, dass deren Inhalt und Bedeutung nicht verloren gehen.

Was ist Natural Language Understanding?

Natural Language Understanding (kurz: NLU) ist ein Teilbereich von Natural Language Processing (NLP) und bildet die Grundlage für die nachfolgenden Schritte, indem es sicherstellt, dass der Algorithmus natürliche, also menschliche Sprache, richtig und gut versteht. Dabei geht es nicht nur um das tatsächliche Verstehen der Wortbedeutung, sondern auch um semantische Beziehungen in einem Satz. Dazu zählen beispielsweise die verschiedenen Zeitformen (Vergangenheit oder Zukunft) oder auch dass Personalpronomen und deren Verweis auf einen Namen richtig erkannt wird.

Im Bereich der Künstlichen Intelligenz wird oft der Fehler begangen zu denken, dass alles was für uns Menschen einfach ist, wie eben das Kommunizieren in einer Sprache, für den Computer auch einfach sein muss. Jedoch ist es vielmehr so, dass der Computer sehr gut mit Zahlen umgehen kann. Deshalb ist er eben auch so viel besser in Dingen, die uns Menschen schwer fallen, wie zum Beispiel das schnelle Berechnen von komplexen Gleichungen. Jedoch liegt die natürliche Sprache nicht in Zahlen vor, sondern in Wörtern. Das heißt, damit es der Computer verstehen kann, müssen diese Wörter erst in Zahlen umgewandelt werden und in diesen Zahlen muss auch der Sinn des Textes erhalten bleiben. Genau darin liegt die Schwierigkeit von Natural Language Understanding.

Wie funktioniert Natural Language Understanding?

Es gibt verschiedene Disziplinen im Bereich des NLU die dazu beitragen, dass der Inhalt des Textes vom Computer richtig verstanden wird. Die Qualität der einzelnen Modelle hängt dabei auch unmittelbar zusammen, sodass jedes Modell direkte Auswertungen auf die Performance des anderen hat.

• Stemming und Lemmatization: Bevor wir mit der Verarbeitung von Text starten können, müssen die Wörter erstmals in Zahlen umgewandelt werden. Dies könnte man mit dem relativ einfachen Ansatz umsetzen, einfach jedem Wort eine fortlaufende Zahl zuzuordnen. Jedoch würde dies der Komplexität unserer Sprache bei weitem nicht gerecht werden. Denn darin sollte beispielsweise abgebildet werden, dass die Wörter „spielen“ und „spielte“ zwar nicht dasselbe sind, aber inhaltlich in einem Zusammenhang stehen und sich deutlich unterscheiden von dem Wort „Auto“. Deshalb benutzt man Konzepte, wie Stemming und Lemmatization, um solche Zusammenhänge zu berücksichtigen.

• Named Entity Recognition: Wenn wir einen Satz im Gehirn verarbeiten, orientieren wir uns automatisch an verschiedenen Entitäten, um so den Sinn des Satzes zu verstehen. Wir können automatisch zuordnen, bei welchen Wörtern es sich möglicherweise um Personennamen handelt oder Ortsangaben. Im Bereich der Künstlichen Intelligenz gibt es spezielle Modelle, die nur darauf trainiert wurden, Entitäten zu erkennen.
• Intent Detection: Dieser Teilbereich von NLU versucht die Absicht des Textes zu erkennen, damit angemessen darauf reagiert werden kann. Es macht zum Beispiel einen Unterschied, ob der Kunde eine Frage zum Produkt stellt oder aber eine Reklamation anstoßen möchte.

Was sind die Unterschiede zwsichen NLU und NLP?

Die Begriffe Natural Language Understanding und Natural Language Processing werden fälschlicherweise oft durcheinander gebracht. Natural Language Processing ist ein Teilbereich von Computer Science, der sich damit beschäftigt natürliche Sprache, also beispielsweise Texte oder Sprachaufnahmen, verstehen und verarbeiten zu können. Das Ziel ist es, dass eine Maschine in der gleichen Weise mit Menschen kommunizieren kann, wie es Menschen untereinander bereits seit Jahrhunderten tun.

Somit ist NLU nur ein, wenn auch essenzieller, Teilbereich von NLP, der den Ausgangspunkt dafür bildet, dass die Sprache richtig verstanden wurde. Das bedeutet auch, dass die Qualität von NLP immens davon abhängt, wie gut das Verstehen des Textes war. Auch deshalb liegt vor allem auf dem Textverständnis gerade ein großer Fokus in der Forschung.

Welche Anwendungen hat NLU?

Das Verstehen von natürlicher Sprache bietet viele neue Möglichkeiten in unterschiedlichsten Bereichen. Eine Auswahl davon ist hier ausgeführt:

• Speech Recognition versucht aufgezeichnete Sprache zu verstehen und in textuelle Informationen umzuwandeln. Das macht es für nachgeschaltete Algorithmen einfacher die Sprache zu verarbeiten. Speech Recognition kann jedoch auch alleinstehend genutzt werden, beispielsweise um Diktate oder Vorlesungen in Text zu verwandeln.
• Customer Service: Große Unternehmen erhalten täglich eine Vielzahl von Anfragen über unterschiedlichste Kanäle, wie beispielsweise per Mail oder Telefon. Oft müssen diese noch von Menschen ausgewertet werden, um sie der bearbeitenden Abteilung weiterzuleiten. Ein Programm, welches den Inhalt genau versteht, kann diese Verteilung übernehmen und die Menschen können sich auf die komplexeren, nachgeschalteten Vorgänge, wie beispielsweise eine Reklamation kümmern.
• Voice Assistants: Die bekannten Systeme, unter anderem von Amazon oder Apple, stehen bereits in unzähligen Haushalten und unterstützen die Kunden dabei ihr Smart Home zu bedienen. Dabei sind die Assistenten jedoch auch darauf angewiesen, dass sie die Befehle des Menschen richtig verstehen, um anschließend die folgerichtige Aktion daraus ableiten zu können.

• Machine Translation: Oftmals macht man den Fehler zu denken, dass eine automatisierte Übersetzung von Text vergleichsweise einfach ist, da lediglich Wort für Wort die Bedeutung übersetzt werden muss. Jedoch gibt es in nahezu jeder Sprache Wörter, die mehrere Bedeutungen haben können. Das deutsche Wort „umfahren“ beispielsweise kann sowohl meinen, dass man einem Hindernis ausweicht als auch, dass man es überfährt. Um dieses Wort also richtig übersetzen zu können, muss man den Inhalt des vorangegangenen und nachfolgenden Textes verstehen und die richtige Bedeutung wählen.

Das solltest Du mitnehmen

• Natural Language Understanding ist ein Teilgebiet von Künstlicher Intelligenz und beschäftigt sich damit, den Inhalt von natürlicher Sprache richtig zu verstehen und in Zahlen umzuwandeln, sodass es für eine Maschine verständlich ist.
• NLU nutzt verschiedene Aspekte um die Bedeutung des Textes richtig zu verstehen. Dazu zählen das Stemming, die Named Entity Recognition und die Intent Detection.
• Der Begriff sollte nicht mit dem Natural Language Processing verwechselt werden. NLU ist nämlich ein Teilgebiet von Natural Language Processing, das die Grundlage dafür bildet, dass die nachfolgende Sprachausgabe richtig gewählt wird.
• NLU begegnet uns heutzutage schon in vielen Anwendungen. Es kann beispielsweise im Customer Service eingesetzt werden, um die Kundenanfragen richtig zu verstehen und sie an die geeignete Abteilung weiterleiten zu können.

Andere Beiträge zum Thema Natural Language Understanding

Auf Google Scholar findet man die neuesten Paper im Bereich des Natural Language Understandings.