پردازش زبان طبیعی در زمان بحران

پردازش زبان طبیعی در زمان بحران : چگونه NLP می‌تواند از سلامت عمومی پشتیبانی کند

طی دو دهه گذشته، فناوری به سرعت پیشرفت کرده است؛ ولی از زمان ظهور ویروس کرونا، جهان با سرعت بیشتری خود را تنظیم ساخته است.

با توجه به اینکه هنوز واکسنی برای کوید-19 در دسترس نیست، مقامات بهداشت عمومی در تمامی جهان، به منظور جلوگیری از شیوع آن، به مداخلات غیر دارویی مانند ماسک‌های صورت و رعایت فاصله اجتماعی روی آورده‌اند. با این‌حال، پیشرفت در هوش مصنوعی (به ویژه در NLP) می‌تواند به مقامات کمک کند تا پاسخ‌های بهتری برپایه احساسات و واکنش‌های جامعه آماده سازند.

NLP زیرمجموعه‌ای از هوش مصنوعی است که در آن رایانه‌ها قادر به درک و تفسیر زبان انسان هستند. در سه سال گذشته، مدل‌های بزرگ‌تر و معماری‌های جدید باعث شده که سیستم‌های NLP قادر به پیشی گرفتن از عملکرد انسان در چندین معیار معروف باشند. مدل‌سازی موضوع و آنالیز احساسات مبتنی بر منظر و سیما، دو راهی است که می توان از پردازش زبان طبیعی در زمان بحران برای درک بهتر واکنش‌های مردم نسبت به کوید-19 استفاده کرد.

آژانس‌های علاقه مند به استفاده از NLP برای پاسخ به بحران باید این سه مرحله را نمایند:

شروع با مدل‌سازی موضوع

به طور خلاصه، مدل سازی مبحث زمانی است که سیستم‌های هوش مصنوعی با تعداد زیادی از اسناد تغذیه شده و به آن‌ها متداول‌ترین کلمات کلیدی (یا متداول‌ترین موضوعات) را نشان می‌دهند. پیش‌تر، پژوهش‌های دانشگاهی از مدل‌سازی موضوع و پردازش زبان طبیعی در زمان بحران ، برای ارزیابی آنچه مردم در مورد ویروس کرونا در توییتر خود می‌گفتند، استفاده کرده است: موضوعات مورد گفت‌وگو، از فاصله فیزیکی تا شیوع اصلی بیماری در ووهان چین متغیر بود. این اطلاعات برای مقامات دولتی از آن جهت مهم است که بیشترین نگرانی شهروندان در یک بحران خاص را به درستی درک نمایند. همچنین مدل‌سازی موضوع قادر به نشان دادن موضوعاتی است که مردم غالبا درباره آنان سخن نمی‌گویند. این می‌تواند علامتی برای دولتمردان باشد که باید چه علایمی را دنبال کرده و از چه علایمی به سادگی رد شوند.

بزرگترین چالش با پردازش زبان طبیعی در زمان بحران ویروس کرونا و تجزیه‌وتحلیل پست‌های مرتبط با کوید-19 این است که زبان کاملا جدیدی در پاسخ به ویروس ظاهر شده است. یادگیری ماشینی که زیربنای NLP است، متکی به مدل‌هایی است که روی مجموعه داده‌های بزرگ و تاریخی آموزش دیده‌اند که نام‌گذاری “فاصله اجتماعی” بخشی از آن نبود. برای استفاده از NLP، پژوهشگران باید داده‌ها را به صورت مداوم جمع‌آوری کرده تا واژه‌های جدیدی را به فرهنگ واژگان آن بیافزایند.

پردازش زبان طبیعی در زمان بحران : استفاده از آنالیز احساسی مبتنی بر منظر و سیما

یکی از کاربردهای NLP، تجزیه‌وتحلیل احساسات است. همان‌طور که از نامش برمی‌آید، احساسات را بر پایه متن تفسیر می‌کند که کاملا در مقابل مباحث خوشه بندی ساده است. این امر، به ویژه برای پاسخگویی در برابر بحران، راه‌حلی بسیار مفیدی به شمار می‌آید زیرا احساس مردم را نسبت به اقدامات اعمال شده، نشان می‌دهد. در حال‌حاضر، چالش اصلی این است که علاوه‌بر بیماری همه‌گیر کرونا، بسیاری از مردم با رکود اقتصادی و تحولات سیاسی روبرو هستند. بنابراین، بسیاری از پست‌های رسانه‌های اجتماعی حاوی طیف گسترده‌ای از موضوعات و تا حدودی غیر مرتبط با این ویروس است. در دنیای تجزیه‌وتحلیل احساسات، می‌توان سروصدا و هیاهوی قابل‌توجهی ایجاد کرد، طوری‌که احساسات خاص را در مورد بیماری کرونا، تا اندازه زیادی کدر کند.

پردازش زبان طبیعی در زمان بحران با کمک آنالیز احساسی مبتنی بر منظر و سیما می‌تواند این مشکل را تا اندازه چشم‌گیری برطرف کند. این سامانه قادر به تقسیم‌بندی متن به اجزایی مختلف است (گروه‌بندی اسامی، افعال و صفت‌های مرتبط با یکدیگر) و سپس احساسات هر گروه را به دقت مورد کاووش و تجزیه‌وتحلیل قرار می‌دهد. کاربران می‌توانند جنبه‌های مهم را ایجاد و تعریف نمایند و اگر این جنبه‌ها در یک عبارت خاص وجود نداشته باشد، تجزیه‌و‌تحلیل انجام نمی‌شود. تجزیه‌و‌تحلیل احساسات به ویژه برای مقامات بهداشت عمومی راهکاری بسیار مفید است؛ به عنوان مثال، آنان می‌توانند درک نمایند چه زمانی یک مداخله غیر دارویی موفقیت‌آمیز نخواهد بود و واکنش افراد بدان منفی است و یا آن را به کل نادیده می‌گیرند.

پردازش زبان طبیعی در زمان بحران و تفسیر نتایج

نکته بسیار مهم در اینجا آن است که پژوهشگران باید اطمینان حاصل نمایند که قبل از تفسیر داده‌ها، تعصبات   را به حداقل برسانند. سایت‌های رسانه‌های اجتماعی مانند توییتر، اغلب بیهوده‌گویی می‌کنند و تعداد کمی از افراد در حساب کاربری توییتر خود اظهار می‌کنند که تا چه اندازه از این‌که در منزل، کار خود را انجام داده‌اند، خشنود و راضی‌اند.

از سویی دیگر، نظرسنجی‌های هدایت شده کمتر مغرضانه عمل می‌کنند و ممکن است پاسخ‌های متعادل‌تری را شامل شوند. مقامات دولتی هنگام نظرسنجی، به دنبال اطلاعاتی مانند اطلاعات جمعیتی نیز هستند و می‌خواهند مطمین شوند که نمونه آن‌ها، تا چه اندازه درست و اصولی است.

البته، قصد مقامات، تنها درک احساسات مردم در یک لحظه خاص نیست، بلکه آن‌ها می‌خواهند روندها را درک نمایند و در درک بهتر این روندها، بهترین فناوری، استفاده از پردازش زبان طبیعی در زمان بحران است. بعد از چندین قرنطینه، احتمال تغییر دیدگاه مردم وجود دارد. مدل‌سازی موضوع و آنالیز احساسی باید به صورت یکسان ارایه گردند تا به خوبی توانا به نشان تغییرات در طول زمان باشند. درک همین روندهاست که راهنمای دولت‌ها در آینده است.

NLP یک فناوری قدرتمند است که در سال‌های اخیر پیشرفت چشمگیری داشته است. در بحبوحه بحران حاضر، این فناوری می‌تواند به دانشمندان و مقامات بهداشت عمومی کمک کند تا مرجع معتبر و مفیدی برای ارایه پاسخ‌ و پیشنهادهای لازم به عموم مردم باشد. مدل‌سازی موضوع و آنالیز احساسی مبتنی بر منظر و سیما، سطحی از پیچیدگی و عمق را ارایه می‌دهد که اشکال ابتدایی دیگر نظارت بر شبکه‌های اجتماعی از آن بی‌بهره است. با استفاده از پردازش زبان طبیعی در زمان بحران و پیشرفت‌های به دست آمده در زمینه یادگیری ماشین و هوش مصنوعی، مقامات بهداشت عمومی می‌توانند یک نبض دقیق و مستمر از چگونگی پاسخ به شهروندان و ارایه پیشنهادهای لازم به آن‌ها را به دست آورند و پاسخ‌های خود را متناسب با شرایط عاطفی جامعه تطبیق دهند.