Apprentissage actif, étiquetage accélérée des données, nouveaux modèles de connaissances et génération automatique de règles d’extraction pour industrialiser et rendre plus efficace l’IA appliquée au langage naturel.
Expert.ai, une société leader dans le domaine de l’intelligence artificielle (IA) appliquée à la compréhension du langage naturel, a annoncé aujourd’hui le lancement de nouvelles fonctionnalités pour sa plateforme de langage naturel (NL) permettant de mettre les applications en production plus rapidement, avec la plus grande précision possible et à l’échelle de l’entreprise. Les nouvelles fonctionnalités incluent un apprentissage actif augmenté pour améliorer davantage l’étiquetage des données, des modèles de connaissances pré-entraînés pour accélérer la mise en production des applications de langage naturel ainsi que pour sélectionner de manière proactive et valider rapidement les résultats souhaités, et des fonctionnalités d’extraction étendues basées sur la génération automatique de règles pour l’extraction.
Les entreprises souhaitent industrialiser leurs projets d’IA mais peinent à mesurer la valeur créée et à combler l’écart entre les promesses techniques et la réalité métier. Dans le domaine du langage naturel, les difficultés viennent généralement de l’absence de documents adéquats ou en nombre suffisant pour l’entraînement d’un modèle. Avec une approche basée uniquement sur le Machine Learning, des tâches telles que l’annotation et l’étiquetage des données sont particulièrement coûteuses. L’annotation est une activité effectuée par des experts métiers, dont dépendent l’évolutivité et la réussite du projet dans son ensemble. Le problème est que la sélection et l’annotation manuelle des documents sont des processus fastidieux car ils nécessitent des ressources importantes et prennent beaucoup de temps.
« Déployer l’IA en production, à l’échelle de l’entreprise et mesurer son véritable retour sur investissement reste un défi pour de nombreuses organisations« , a déclaré Luca Scagliarini, CPO chez expert.ai. « Pour les applications en langage naturel, la solution réside dans l’intégration de technologies et de connaissances qui complètent les processus qui nécessitent qu’un humain lise et comprenne le contenu. Les améliorations apportées à la plateforme expert.ai viennent aider les organisations à développer une IA capable de fonctionner rapidement et efficacement dans des scénarios du monde réel. »
La plateforme de langage naturel la plus efficace est la plateforme expert.ai
Récemment nommée Strong Performer pour les plateformes d’analyse de texte par Forrester, expert.ai fournit la combinaison la plus efficace d’outils et de techniques de langage naturel pour répondre aux cas d’usage des entreprises et les faire évoluer de manière transparente au sein d’une plateforme conçue spécialement pour gérer la complexité des données linguistiques non structurées. Aujourd’hui, la société présente les nouvelles fonctionnalités de sa plateforme :
- L’apprentissage actif pour accélérer et rendre plus efficace l’étiquetage des données. Les résultats des activités d’annotation peuvent être améliorés en apprenant un concept avec moins d’exemples, en propageant les annotations dans plusieurs documents en un seul clic et en suggérant automatiquement les documents à annoter pour élargir l’impact sur la précision globale du modèle.
- Affichage du document original pour améliorer la fiabilité de l’annotation et de l’extraction en voyant et en effectuant des annotations dans le contexte du format original du document.
- Génération automatique de règles d’extraction s’appuyant sur le Machine Learning. Les utilisateurs peuvent générer automatiquement des modèles basés sur des règles pour les cas d’usage basés sur l’extraction d’entités ou de concepts.
- De nouveaux modèles de connaissances « intelligents par conception » permettent d’accélérer la mise en production d’applications en langage naturel avec de meilleurs niveaux de précision sur les domaines métiers spécifiques. Les utilisateurs peuvent accéder à des modèles personnalisés basés sur des règles prédéfinies pour classer des documents et extraire des entités, des idées et des relations spécifiques à un domaine vertical ou à un cas d’usage. Parmi les nouveaux modèles de connaissance, citons : la classification des e-mails bancaires, l’extraction d’informations temporelles, une extension du graphe de connaissances financières (permettant une compréhension complète des événements, des organisations, des marchés, des annonces et des indices), la détection des discours haineux, l’identification des délits d’entreprise et l’atténuation des risques opérationnels.
- Une gestion améliorée des taxonomies pour rendre plus efficace la création de taxonomies de contenu réutilisables à l’échelle de l’entreprise. La plateforme étant conçue pour des flux de travail en langage naturel en « low-code », elle peut être utilisée comme une solution unique de bout en bout pour la classification de documents, l’indexation de taxonomies axées sur la terminologie, l’enrichissement de métadonnées, ainsi que la création et la maintenance de bases de connaissances.
- Prise en charge étendue des langues pour créer des projets expert.ai en néerlandais, russe et portugais.
La version de la plate-forme s’accompagne également d’un nouveau moteur d’extraction de données de documents (version bêta) qui nécessite moins de traitement post-extraction tout en garantissant une meilleure qualité, en convertissant les PDF natifs et en renvoyant le texte, les titres, les en-têtes, les pieds de page et les tableaux avec les métadonnées pertinentes telles que le rectangle de délimitation, l’ordre de lecture et les informations sur le document.
