编者按：技术在解决与数学或物理相关的问题方面可以发挥相当大的作用。但在解决以人为中心的问题时，技术的发挥空间很小。UltimateSoftware战略高级总监ArmenBerjikly表示，自然语言处理(NLP)的进步将帮助技术更好地识别人类的情感和同理心，从而帮助人们更好地处理各种问题。文章发表于VentureBeat，36氪编译。以目前的发展速度，技术似乎肩负着解决人类最紧迫问题的雄心勃勃的使命。在某些方面，我们已经取得了长足的进步。例如，在可再生能源、疾病预防和灾难恢复等领域，我们已经取得了巨大的突破。但在解决以人为本的挑战时——例如劳动力多样性、无意识偏见以及员工和客户满意度——技术的发挥空间很小。这是因为，喷气推进或GPS等技术问题在很大程度上与数学和物理相关，而这正是计算机（和程序员）擅长的领域。但解决像员工敬业度这样的人事问题通常需要同理心，而这是出了名的难以捉摸。人是情绪化的动物，尤其是在做决定的时候。通常，我们从一种感觉开始，然后使用逻辑来帮助证明我们的情绪反应是合理的，最后我们采取行动。因此，任何试图帮助人们在不考虑情绪的情况下做出更好决策的尝试几乎注定要失败。然而，随着人工智能，尤其是自然语言处理(NLP)的最新进展，我们终于拥有了理解人类情感的复杂性并利用其力量的技术工具。这种方法对于我们如何设计从更人性化的角度处理问题的系统具有重要意义。不同的编程语言极其复杂。从一个人到另一个人，一个人的经历或环境的微小差异可能会影响他们表达自己的方式。方言、性别、地点，甚至季节都会改变我们用来表达思想的词语。人们非常善于发现这些细微的差异。然而，对于计算机来说，这是一个巨大的挑战。为了达到接近人类的理解水平，他们需要大量丰富的语言训练数据，涵盖无数不同人口统计、经历和背景的案例。要了解这在现实生活中是如何工作的，想象一下加利福尼亚的一个青少年在对智能手机发表评论时使用“lit”（意思是“兴奋”）这个词，但在马萨诸塞州的一位年长男子的评论中可能指的是“屏幕亮度”。读懂字里行间我们第一次能够教会计算机不仅通过识别单词或查找特定短语来理解人们所说的基本内容，而且还能“读懂字里行间”以理解真正的意图以及我们所说的背后的含义。当然，这是人们随着时间的推移发展起来的一项重要技能，作为同理心的功能。常见的“满意度调查”是技术在解决人们感受方面的局限性的典型例子。原则上，它是了解人们对产品或服务的感受的强大工具。但在实践中，它笨拙、不准确，而且早就应该重制了。想想大多数商店收据上的调查提示：“请按1到10的等级给您的体验打分，并解释原因。”相反，面对相同情况的人可能会简单地问“你对这次经历感觉如何？”然后从受访者使用的语言和整体上下文中推断出“分数”。虽然人类不需要给出明确的评分，但机器可以。照镜子NLP除了可以帮助我们更好地了解对方，还可以让我们更好地了解自己。语言是了解我们的思想和情感的最详细的窗口。当技术开始了解我们（而不是它希望我们成为什么样的人）时，它就会成为真正的合作伙伴，帮助我们发现如何最好地成长和改进。只要看看可怕的绩效评估和各种偏见就知道了。当你问工作环境中的人是否有偏见时，他们往往会强烈否认。然而，对绩效评估的研究揭示了普遍存在的无意识偏见。我团队的分析表明，当男人评论其他男人时，他们绝大多数使用被动语言（“他们可以更主动”）。然而，这些男性在评论女性时，往往使用指责的语言（“你应该注意细节”）。通过数据驱动技术，我们能够更多地了解许多人在不知不觉中隐藏的偏见。幸运的是，人工智能可以让我们走上纠正这些偏见并引起我们注意的道路。为了解决世界上最具挑战性的“人的问题”，无论是通过开发更好的产品还是在工作场所实现更好的理解和公平，我们都需要技术来表现出同理心。原文链接：https://venturebeat.com/2017/10/22/natural-language-processing-will-help-humans-and-machines-have-empathy/编译组出品。编辑：郝鹏程
