இயற்கை மொழி செயலாக்கம் என்றால் என்ன?
இயற்கை மொழி செயலாக்கம் (NLP) என்பது கணினிகள் மனித மொழியை புரிந்து கொண்டு தொடர்பு கொள்ள உதவும் செயற்கை நுண்ணறிவு (AI) துறையாகும்.
இயற்கை மொழி செயலாக்கம் (NLP) – அல்லது இயற்கை மொழி செயலாக்கம் – என்பது செயற்கை நுண்ணறிவு (AI) துறையில் கணினிகள் மனித மொழியை புரிந்து கொண்டு தொடர்பு கொள்ள உதவும் துறையாகும். எளிதாகச் சொல்வதானால், NLP என்பது மெஷின் கற்றல் முறைகளை பயன்படுத்தி கணினிகளுக்கு நாம் தினமும் பயன்படுத்தும் இயற்கை மொழியை புரிந்து கொள்ளவும், தொடர்பு கொள்ளவும் மற்றும் அறிந்து கொள்ளவும் திறன் வழங்குகிறது.
மொழி என்பது மனிதர்களுக்கு தனித்துவமான எண்ணங்கள் மற்றும் தொடர்பு கொள்ளும் ஒரு நுணுக்கமான கருவி என்பதால், வாக்கியங்களின் மறைமுக அர்த்தங்களை "புரிந்து கொள்ள" இயந்திரங்களுக்கு தேவையான இந்த சிக்கலான சவால்களில் ஒன்றாக இது கருதப்படுகிறது.
இயற்கை மொழி என்பது இங்கு வியட்நாமீஸ், ஆங்கிலம், சீனம் போன்ற மனித மொழிகளை குறிக்கிறது, கணினி மொழிகளுக்கு மாறாக. NLP இன் நோக்கம் கணினிகளை இந்த மொழிகளை தானாக செயலாக்கி புரிந்து கொள்ள மற்றும் மனிதர்களைப் போல வாக்கியங்களை உருவாக்க நிரல்படுத்துவதாகும்.
இயற்கை மொழி செயலாக்கம் ஏன் முக்கியம்?
டிஜிட்டல் காலத்தில், மொழி தரவு (உரை, ஒலி, உரையாடல்கள்) பல்வேறு மூலங்களிலிருந்து பெரிதும் வளர்ந்துள்ளது, உதாரணமாக மின்னஞ்சல்கள், செய்திகள், சமூக வலைத்தளங்கள், வீடியோக்கள் போன்றவை. கட்டமைக்கப்பட்ட தரவு (எண்கள், அட்டவணைகள்) போல அல்லாமல், உரை அல்லது ஒலி வடிவில் உள்ள மொழி தரவு கட்டமைக்கப்படாத தரவு ஆகும் – NLP இல்லாமல் தானாக செயலாக்குவது மிகவும் கடினம்.
இயற்கை மொழி செயலாக்க தொழில்நுட்பம் கணினிகளுக்கு இந்த கட்டமைக்கப்படாத தரவை திறம்பட பகுப்பாய்வு செய்து, மனித வார்த்தைகளில் உள்ள நோக்கம், சூழல் மற்றும் உணர்வுகளை புரிந்து கொள்ள உதவுகிறது. இதனால், NLP இயந்திரங்களுக்கு மனிதர்களுடன் தொடர்பு கொள்ள மற்றும் சேவை செய்ய திறன் வழங்கும் முக்கிய விசையாக மாறுகிறது.
இயற்கை தொடர்பு
மனிதர்களுக்கும் கணினிகளுக்கும் இடையேயான இயற்கையான தொடர்பை சிக்கலான கட்டளைகள் கற்றுக்கொள்ளாமல் ஏற்படுத்துகிறது.
நேரம் மற்றும் செலவு சேமிப்பு
சிக்கலான மொழி சார்ந்த பணிகளை தானாகச் செய்து, கைமுறை முயற்சியும் செயல்பாட்டு செலவுகளையும் குறைக்கிறது.
மேம்பட்ட அனுபவம்
பல்வேறு பயன்பாடுகளில் சேவைகளை தனிப்பயனாக்கி பயனர் அனுபவத்தை மேம்படுத்துகிறது.
இயற்கை மொழி செயலாக்கம் முக்கியம் என்பதற்கான காரணம், இது மனிதர்களுக்கும் கணினிகளுக்கும் இடையேயான இயற்கையான தொடர்பை ஏற்படுத்துகிறது. கணினி மொழிகளை கற்றுக்கொள்ளாமல், நாம் சொந்த மொழியில் கட்டளைகள் கொடுக்கவோ கேள்விகள் கேட்கவோ முடியும். NLP பல சிக்கலான மொழி சார்ந்த பணிகளை தானாகச் செய்து, நேரம் மற்றும் செலவுகளை சேமிக்க உதவுகிறது, மேலும் பல துறைகளில் பயனர் அனுபவத்தை மேம்படுத்துகிறது.
வணிகங்கள் NLP ஐ பயன்படுத்தி சமூக ஊடகங்களில் ஆயிரக்கணக்கான வாடிக்கையாளர் கருத்துக்களை தானாக பகுப்பாய்வு செய்து மதிப்புமிக்க தகவல்களை பெற முடியும், மேலும் NLP மூலம் இயக்கப்படும் சாட்பாட்கள் 24/7 வாடிக்கையாளர்களுக்கு தொடர்ந்து பதிலளிக்க முடியும்.
— தொழில் பயன்பாட்டு உதாரணம்
சரியான NLP பயன்பாடு நிறுவனங்களுக்கு செயல்முறைகளை மேம்படுத்த, திறன்திறனை அதிகரிக்க, மற்றும் ஒவ்வொரு பயனருக்கும் தனிப்பயன் சேவைகளை வழங்க உதவுகிறது.
தெளிவாக, இயற்கை மொழி செயலாக்கம் நம்மைச் சுற்றியுள்ள பல புத்திசாலி பயன்பாடுகளை இயக்கும் முக்கிய தொழில்நுட்பமாக மாறி, இயந்திரங்களுக்கு மொழியை முன்பு இல்லாத அளவுக்கு சிறப்பாக "புரிந்து கொள்ள" உதவுகிறது.
NLP இன் பொதுவான பயன்பாடுகள்
மொழியை "புரிந்து கொள்ளும்" திறனுக்காக, NLP பல துறைகளில் பரவலாக பயன்படுத்தப்படுகிறது. கீழே சில இயற்கை மொழி செயலாக்கத்தின் முக்கிய பயன்பாடுகள் கொடுக்கப்பட்டுள்ளன:
மெய்நிகர் உதவியாளர்கள் மற்றும் சாட்பாட்கள்
NLP மூலம் சிரி, அலெக்சா போன்ற மெய்நிகர் உதவியாளர்கள் மற்றும் வலைத்தளங்கள், ஃபேஸ்புக் மெசஞ்சர் போன்ற இடங்களில் சாட்பாட்கள் உருவாக்கப்படுகின்றன, அவை பயனர் கேள்விகளை புரிந்து தானாக பதிலளிக்க முடியும்.
- அடிக்கடி கேட்கப்படும் கேள்விகளுக்கு பதிலளிக்க
- அட்டவணை மற்றும் வாங்குதலில் உதவ
- வாடிக்கையாளர் பிரச்சனைகளை 24/7 தீர்க்க
உணர்ச்சி மற்றும் கருத்து பகுப்பாய்வு
நிறுவனங்கள் சமூக ஊடகங்கள், கருத்துக் கணக்கெடுப்புகள் அல்லது தயாரிப்பு மதிப்பாய்வுகளில் வாடிக்கையாளர் கருத்துக்களை பகுப்பாய்வு செய்ய NLP ஐ பயன்படுத்துகின்றன.
- உணர்ச்சியை (நல்ல/கெட்ட) கண்டறிதல்
- நோக்கங்கள் மற்றும் வஞ்சனையை அடையாளம் காணல்
- வாடிக்கையாளர் கருத்துகள் மற்றும் சந்தை போக்குகளை புரிதல்
மெஷின் மொழிபெயர்ப்பு
மெஷின் மொழிபெயர்ப்பு என்பது ஒரு பாரம்பரிய NLP பயன்பாடு. மொழிபெயர்ப்பு மென்பொருள் (கூகுள் மொழிபெயர்ப்பு போன்றது) NLP ஐ பயன்படுத்தி ஒரு மொழியில் உள்ள உரை அல்லது பேச்சை மற்றொரு மொழிக்கு பொருள் மற்றும் சூழலை பாதுகாத்து மாற்றுகிறது.
பேச்சு செயலாக்கம்
- பேச்சு அங்கீகாரம்: பேசப்படும் மொழியை உரையாக மாற்றுதல்
- உரை-மூலம் பேச்சு: இயற்கையான குரல்களை உருவாக்குதல்
- கார்கள் மற்றும் புத்திசாலி வீடுகளில் குரல் கட்டுப்பாட்டு அமைப்புகள்
வகைப்படுத்தல் மற்றும் தகவல் எடுப்பு
NLP தானாகவே உரைகளை தலைப்பின்படி வகைப்படுத்த மற்றும் முக்கிய தகவல்களை எடுக்க முடியும்:
- ஸ்பாம் மற்றும் ஸ்பாம் அல்லாத மின்னஞ்சல் வடிகட்டி
- செய்தி வகைப்பாடு
- மருத்துவ பதிவுகள் தரவு எடுப்பு
- சட்ட ஆவணங்கள் வடிகட்டி
தானாக உள்ளடக்கம் உருவாக்குதல்
நவீன மொழி மாதிரிகள் (GPT-3, GPT-4 போன்றவை) இயற்கை மொழியை உருவாக்க முடியும் – மனிதர்களைப் போல உரை எழுதுதல்:
- கட்டுரைகள் எழுதுதல் மற்றும் மின்னஞ்சல்கள் அமைத்தல்
- கவிதைகள் உருவாக்குதல் மற்றும் குறியீடு எழுதுதல்
- உள்ளடக்கம் உருவாக்குதலை ஆதரித்தல்
- தானாக வாடிக்கையாளர் சேவை பதில்கள்
மொத்தத்தில், இயற்கை மொழி (உரை, பேச்சு) சார்ந்த எந்த பணியும் NLP ஐ பயன்படுத்தி தானாகச் செய்யவோ அல்லது திறனை மேம்படுத்தவோ முடியும். தகவல் மீட்பு, கேள்வி பதில், ஆவண பகுப்பாய்வு, கல்வி ஆதரவு (தானாக கட்டுரை மதிப்பீடு, மெய்நிகர் பயிற்சி) போன்றவற்றில் இயற்கை மொழி செயலாக்கம் முக்கிய பங்கு வகிக்கிறது.
NLP எப்படி செயல்படுகிறது?
கணினிகள் மனித மொழியை புரிந்து கொள்ள, NLP கணினி அறிவியல் மற்றும் மொழியியல் ஆகிய துறைகளில் இருந்து பல தொழில்நுட்பங்களை இணைக்கிறது. அடிப்படையில், மொழியை செயலாக்கும் போது NLP அமைப்பு பின்வரும் முக்கிய படிகளை கடந்து செல்கிறது:
முன்னமைப்பு
முதலில், உரை அல்லது பேச்சு கணினிக்கான மூல தரவாக மாற்றப்படுகிறது. உரைக்கு, NLP வாக்கிய பிரிப்பு, டோக்கனிசேஷன் செய்கிறது, அனைத்தையும் சிறிய எழுத்துக்களாக மாற்றி, குறியீடுகள் மற்றும் அர்த்தமில்லா வார்த்தைகள் ("the", "is" போன்றவை) நீக்கப்படுகின்றன.
பிறகு, ஸ்டெமிங்/லெமடைசேஷன் பயன்படுத்தப்படலாம் – வார்த்தைகளை அதன் மூல வடிவிற்கு குறைக்கும் (உதா: "running" → "run"). பேச்சுக்கு, ஆரம்ப கட்டம் பேச்சு அங்கீகாரம் மூலம் உரை பெறுதல். முன்னமைப்பின் முடிவு என்பது சுத்தம் செய்யப்பட்ட மற்றும் சாதாரணப்படுத்தப்பட்ட மொழி தரவு ஆகும், இது மெஷின் கற்றலுக்கு தயாராக இருக்கும்.
அம்ச எடுப்பு
கணினிகள் நேரடியாக வார்த்தைகளை புரியவில்லை, ஆகவே NLP மொழியை எண்களாக பிரதிநிதித்துவம் செய்ய வேண்டும். இந்த படி உரையை எண் அம்சங்கள் அல்லது வெக்டர்கள் ஆக மாற்றுகிறது.
பொதுவான முறைகள் பேக் ஆஃப் வார்ட்ஸ், TF-IDF (term frequency-inverse document frequency), அல்லது மேம்பட்ட வார்த்தை எம்பெட்டிங்ஸ் (Word2Vec, GloVe போன்றவை) – ஒவ்வொரு வார்த்தைக்கும் அதன் அர்த்தத்தை பிரதிநிதித்துவம் செய்யும் வெக்டர் வழங்குதல். இந்த வெக்டர்கள் வார்த்தைகளுக்கு இடையேயான அர்த்த தொடர்புகளை (உதா: "king" என்பது "queen"க்கு "car" விட அருகில் உள்ளது) புரிந்து கொள்ள உதவுகின்றன.
சூழல் பகுப்பாய்வு மற்றும் புரிதல்
எண் தரவு கிடைத்தவுடன், அமைப்பு மெஷின் கற்றல் மாதிரிகள் மற்றும் ஆல்காரிதம்களை பயன்படுத்தி வாக்கிய அமைப்பு மற்றும் அர்த்தவியல் பகுப்பாய்வு செய்கிறது.
உதாரணமாக, வாக்கிய அமைப்பு பகுப்பாய்வு வார்த்தைகளின் பங்கு (எது பொருள், வினை, பொருள் என்பதைக் கண்டறிகிறது), அர்த்தவியல் பகுப்பாய்வு சூழலில் வாக்கியத்தின் அர்த்தத்தை புரிந்து கொள்ள உதவுகிறது. நவீன NLP ஆழ்ந்த கற்றல் மாதிரிகளை பயன்படுத்தி இந்த பணிகளை செய்கிறது, கணினிகள் மனிதர்களைப் போல வாக்கிய அர்த்தத்தை படிப்படியாக புரிந்து கொள்ள முடியும்.
மொழி உருவாக்கம் அல்லது செயல்
நோக்கத்தின் அடிப்படையில், இறுதி படி பயனருக்கு முடிவுகளை வழங்குதல் ஆகும். உதாரணமாக, கேள்விக்கான பதிலை தரவு மூலம் சரியான பதிலை கண்டறிந்து (உரை அல்லது பேச்சில்) பதிலளிக்கும். கட்டளைக்கான பதில், NLP இயந்திரத்தில் ஒரு செயலைத் தூண்டுகிறது (உதா: "பாடல் பிளே செய்" என்றால் இசை ஒலிக்கிறது).
மெஷின் மொழிபெயர்ப்பில், இந்த படி இலக்கு மொழியில் மொழிபெயர்க்கப்பட்ட வாக்கியத்தை உருவாக்குகிறது. சாட்பாட்களில், இது முந்தைய படிகளிலிருந்து புரிந்துகொண்ட அடிப்படையில் இயற்கையான பதில்களை உருவாக்கும் நேரம்.
எனினும், இந்த பிரிவினை மனித மொழியை கணினிகள் புரிந்து கொண்டு சரியான முறையில் பதிலளிக்க எப்படி மாற்றுகிறது என்பதை நமக்கு காட்சியளிக்க உதவுகிறது.
NLP இல் அணுகுமுறைகள்
உருவாக்கப்பட்ட வரலாற்றில், இயற்கை மொழி செயலாக்கம் பல தலைமுறைகளின் வெவ்வேறு அணுகுமுறைகளை கடந்து வந்துள்ளது. 1950களிலிருந்து இன்று வரை, NLP இல் மூன்று முக்கிய அணுகுமுறைகள் உள்ளன:
விதி அடிப்படையிலான NLP (1950கள்-1980கள்)
இது முதல் அணுகுமுறை. நிரலாளர்கள் இயந்திரங்களுக்கு வாக்கியங்களை செயலாக்க if-then வடிவில் மொழி விதிகளின் தொகுப்புகளை எழுதினர்.
- முன்னமைக்கப்பட்ட வாக்கிய மாதிரிகள்
- மெஷின் கற்றல் இல்லை
- கடுமையான விதி அடிப்படையிலான பதில்கள்
- மிகவும் குறைந்த புரிதல்
- சுய கற்றல் திறன் இல்லை
- பரிமாணம் அதிகரிக்க கடினம்
- மொழியியல் நிபுணர்களை தேவை
புள்ளியியல் NLP (1990கள்-2000கள்)
1990களில் இருந்து NLP புள்ளியியல் மெஷின் கற்றலுக்கு மாறியது. விதிகளை கைமுறையாக எழுதுவதற்கு பதிலாக, தரவிலிருந்து மொழி மாதிரிகளை கற்றுக்கொள்ள ஆல்காரிதம்கள் பயன்படுத்தப்பட்டன.
சாத்தியக்கூறு அடிப்படையிலானது
சூழலின் அடிப்படையில் சரியான வார்த்தை அர்த்தங்களை தேர்வு செய்ய சாத்தியக்கூறுகளை கணக்கிடுகிறது
பயன்பாட்டு பயன்பாடுகள்
பழைய தொலைபேசிகளில் T9 போன்ற எழுத்துப்பிழை சரிபார்ப்பு மற்றும் வார்த்தை பரிந்துரை அமைப்புகளை இயக்கு
இந்த அணுகுமுறை மெஷின்களுக்கு சூழல் அடிப்படையில் வார்த்தை/வாக்கியத்தின் சரியான அர்த்தத்தை தேர்வு செய்ய சாத்தியக்கூறுகளை கணக்கிட அனுமதிப்பதால், இயற்கை மொழி செயலாக்கம் மேலும் நெகிழ்வான மற்றும் துல்லியமானது ஆகிறது.
ஆழ்ந்த கற்றல் NLP (2010கள்-தற்போது)
2010களின் இறுதியில் இருந்து, ஆழ்ந்த கற்றல் மற்றும் நியூரல் நெட்வொர்க் மாதிரிகள் NLP இல் முக்கியமான முறையாக மாறியுள்ளன. இணையத்தில் உள்ள பெரும் உரை தரவு மற்றும் அதிக கணினி சக்தி காரணமாக, ஆழ்ந்த கற்றல் மாதிரிகள் தானாகவே மிக உயர்ந்த நிலை மொழி பிரதிநிதித்துவங்களை கற்றுக்கொள்ள முடிகிறது.
டிரான்ஸ்ஃபார்மர் மாதிரி
சூழல் புரிதலுக்கு சிறந்த சுய கவனிப்பு இயந்திரத்துடன் முக்கிய முன்னேற்றம்
BERT
கூகுளின் மாதிரி தேடல் தரத்தை குறிப்பிடத்தக்க முறையில் மேம்படுத்தியது
GPT தொடர்
GPT-2, GPT-3, GPT-4 மென்மையான உரை உருவாக்கத்தை இயக்கு
நவீன போக்குகள்: அடித்தளம் மாதிரிகள்
நவீன போக்கு என்பது அடித்தளம் மாதிரிகள் பயன்படுத்துவதாகும் – பில்லியன்களான வார்த்தைகளில் முன்பயிற்சி பெற்ற பெரிய AI மாதிரிகள். இவை (உதா: OpenAI இன் GPT-4 அல்லது IBM இன் Granite) பல NLP பணிகளுக்கு விரைவாக சிறப்பாக மாற்றப்பட முடியும், பொருள் நிறைந்த உரை சுருக்கம் முதல் திறமையான தகவல் எடுப்பு வரை.
நேரம் சேமிப்பு
முன்பயிற்சி பெற்ற மாதிரிகளுடன் பயிற்சி நேரத்தை குறைக்கிறது
உயர் செயல்திறன்
பணிகளில் சிறந்த முடிவுகளை அடைகிறது
மேம்பட்ட துல்லியம்
மீட்டெடுப்பு-வளர்த்தப்பட்ட உருவாக்கம் பதில்களின் துல்லியத்தை மேம்படுத்துகிறது
இது NLP தொழில்நுட்ப ரீதியாக துடிப்புடன் வளர்ந்து, தொடர்ந்து புதுமை செய்யும் நிலையை காட்டுகிறது.
NLP இல் சவால்கள் மற்றும் புதிய போக்குகள்
தற்போதைய சவால்கள்
பல சாதனைகளுக்குப் பிறகும், இயற்கை மொழி செயலாக்கம் முக்கியமான சவால்களை எதிர்கொள்கிறது. மனித மொழி மிகவும் வளமானதும் பல்வகையானதும்: ஒரே வாக்கியம் சூழலின் அடிப்படையில் பல அர்த்தங்களை கொண்டிருக்கலாம், மேலும் சொற்பொழிவு, பழமொழிகள், வார்த்தை விளையாட்டு, வஞ்சனை போன்றவை உள்ளன. அனைத்து நிலைகளிலும் இயந்திரங்கள் மனித நோக்கத்தை சரியாக புரிந்து கொள்ள உதவுவது எளிதல்ல.
சூழல் மற்றும் காரணமறிதல்
பயனர் கேள்விகளுக்கு துல்லியமான பதில்களை வழங்க NLP அமைப்புகள் பரபரப்பான பின்னணி அறிவு மற்றும் சில காரணமறிதல் திறன்களை கொண்டிருக்க வேண்டும், தனித்த வார்த்தைகளை மட்டும் புரிந்து கொள்வதல்ல.
பல்மொழி சிக்கல்
ஒவ்வொரு மொழிக்கும் தனித்துவமான பண்புகள் உள்ளன:
- வியட்நாமீஸ் ஆங்கிலத்திலிருந்து எழுத்து மற்றும் அமைப்பில் வேறுபடுகிறது
- ஜப்பானீஸ் மற்றும் சீனம் வார்த்தைகளை தெளிவாக பிரிக்கவில்லை
- பிராந்திய மொழி மற்றும் பண்பாட்டு நுணுக்கங்கள்
தோன்றும் போக்குகள்
போக்குகளுக்கு வந்தால், நவீன NLP அமைப்புகள் மேலும் புத்திசாலி மற்றும் "அறிவார்ந்த" ஆக உருவாக்கப்படுகின்றன. GPT-4, GPT-5 போன்ற பெரிய மொழி மாதிரிகள் இயற்கை மொழி புரிதலும் உருவாக்கமும் மேம்படுத்துவதாக எதிர்பார்க்கப்படுகின்றன.
விளக்கக்கூடிய NLP
ஆய்வாளர்கள் NLP ஐ விளக்கக்கூடியதாக மாற்ற ஆர்வமாக உள்ளனர் – அதாவது இயந்திரம் எந்த மொழி அம்சங்களின் அடிப்படையில் முடிவெடுத்தது என்பதை புரிந்து கொள்ள முடியும், ஒரு மர்மமான "கருப்பு பெட்டி" அல்லாமல்.
உலகளாவிய அறிவு ஒருங்கிணைப்பு
புதிய மாதிரிகள் மொழி செயலாக்கத்துடன் அறிவு தளங்கள் அல்லது வெளிப்புற தரவு இணைத்து சூழலை சிறப்பாக புரிந்து கொள்ள முடியும்.
நேரடி தகவல்
கேள்வி-பதில் அமைப்புகள் விக்கிப்பீடியா அல்லது இணையத்திலிருந்து நேரடியாக தகவல் தேட முடியும்
மேம்பட்ட துல்லியம்
கற்றுக்கொண்ட தரவை மட்டும் சாராமல் துல்லியமான பதில்களை வழங்குகிறது
பல்மாதிரி NLP
பல்மாதிரி NLP உரை, படங்கள் மற்றும் ஒலியை ஒரே நேரத்தில் செயலாக்கி, இயந்திரங்கள் மொழியை விரிவான சூழலில் புரிந்து கொள்ள உதவுகிறது.
NLP மேலும் பொதுவான AI நோக்கி நகர்கிறது, அறிவியல் மற்றும் நரம்பியல் போன்ற துறைகளுடன் இணைந்து மனிதர்கள் மொழியை உண்மையாக எப்படி புரிந்து கொள்கிறார்கள் என்பதை பின்பற்ற முயற்சிக்கிறது.
முடிவு
சுருக்கமாக, இயற்கை மொழி செயலாக்கம் AI இல் ஒரு முக்கிய துறையாக இருந்து வருகிறது மற்றும் தொடரும் பெரும் வாய்ப்புகளை கொண்டுள்ளது. கணினிகள் மனித மொழியை புரிந்து கொள்ள உதவுவதிலிருந்து பல மொழி பணிகளை தானாகச் செய்ய வரை, NLP வாழ்க்கை மற்றும் தொழில்நுட்பத்தின் அனைத்து அம்சங்களிலும் ஆழமான தாக்கத்தை ஏற்படுத்துகிறது.
ஆழ்ந்த கற்றல் மற்றும் பெரிய தரவு வளர்ச்சியுடன், நெருங்கிய எதிர்காலத்தில் இயந்திரங்கள் மேலும் புத்திசாலி மற்றும் இயற்கையான தொடர்பு கொண்டதாக இருக்கும் என்று நம்பப்படுகிறது. இயற்கை மொழி செயலாக்கம் மனிதர்களுக்கும் கணினிகளுக்கும் இடையேயான இடைவெளியை குறைத்து, தொழில்நுட்பத்தை மனித வாழ்க்கைக்கு இயற்கையான மற்றும் திறமையான முறையில் கொண்டு வருகிறது.
