智能语音助手和聊天机器人是当今人工智能的热点和突破口，但并不是每家公司都具备谷歌、Facebook、亚马逊、苹果等公司的经济和技术实力来开发NLP应用，尤其是最难的对话类型的NLP应用程序。幸运的是，目前NLP的开源技术足够强大，你可以轻松“站在巨人的肩膀上”，只需要一个专业的小团队，借助合适的平台方法，就可以开发出令人惊叹的高效NLP应用。下表列出了一些今天值得研究的开源工具：第二，即使有如此丰富的精品技术资源触手可及，开发一个前端NLP（一种“会话”，这是大多数人想到的时候会想到的）人工智能）还是需要远见和坚持。因为在您看到一些高级功能得到回报之前，它通常需要大量的前期投资。后端NLP更容易，并提供更直接的投资回报。基于NLP的业务改进不一定需要对话式前端。后端驱动或语言分析项目通常是短期内使用NLP的最快、最具成本效益和最高回报的方式。这类项目的开发往往只需要两三个人的团队，几个月就可以完成。Cloudera机器学习总经理HilaryMason在最近的Strata会议上的主题演讲中展示了后端NLP的一个很好的例子。Mason解释了Cloudera如何使用NLP来降低其呼叫中心成本并提高客户满意度。他们从呼叫中心获取了记录电话的统计样本，并将其转录为文本。他们对这个语料库进行了文本分析，寻找与特定问题和解决问题步骤相关的语音模式。然后，他们将基于此分析的预测模型部署到他们的呼叫中心系统中。当客户来电时，底层算法会识别语音模式，并在客户与客户交谈时主动向客户服务代表推荐可能的解决方案。ConversationalNLP成本更高，需要战略情怀和长期投资。如果你致力于会话式NLP（或AI），你希望机器和人的交互能够达到人与人之间的那种流畅和模糊，这在技术上是极其重要的。挑战大，成本高。我们不是在谈论聊天机器人，聊天机器人实际上是一个非常简单的程序，它在某些预定义的上下文（如FacebookMessenger）中针对特定任务进行相对结构化的对话。而会话式AI则完全不同，类似于Alexa，它们无处不在（它们无处不在），可以处理多个应用程序（也称为意图），并且可以处理各种响应。他们还可以快速切换场景——例如，从提供有关今天天气的信息到进行餐厅预订。几个开源平台已经存在（上图），允许您的团队在合理的时间范围内构建功能性（如果不是完美的）AI，并且成本提供积极的回报。苹果、谷歌、微软和亚马逊等公司每年投资数亿美元，将地球上一些最聪明的博士投入到先进的NLP界面中。而这些开源库使得普通公司和团队能够以3-4人的团队在一年左右的时间内开发出一个简单对话式AI的基础平台，总投资约50万美元。这些早期平台具有一些简单的上下文对话功能，但没有预先分析用户（这需要与安全系统的接口），并且没有以前用户会话的记忆。以这个平台为起点，开发一个新的简单场景对话的成本约为10,000美元。企业应将对话式NLP基础平台视为一项长期投资，每一个新的对话式功能都会摊薄整个平台的成本。例如，允许人们针对丢失/忘记的密码或其他简单的IT问题进行自助服务，每年至少可以节省一名IT运营人员。使用Excel中的IRR函数进行一些快速计算，并假设该角色每年花费100,000美元，快速计算出这个“复杂”应用程序的单年ROI约为260%，这显然是值得的。成本只是我们用来优先考虑对话功能开发的一个因素，有时我们应该投资于一些具有战略意义的重要对话功能，而没有明确的或极高的投资回报。
