因此，预计今年在 NLP 等 AI 技术上的支出将会增加，这并不令人意外。这无疑是我们最近对美国和欧洲 NLP 从业者进行的调查得出的关键结论之一，超过四分之三的受访组织预计在未来 12-18 个月内将在 NLP 项目上投入更多资金。这也与我们在市场上听到的消息一致。
Fortune Business Insights 预测，到 2028 年，NLP 市场规模将达到 1270 亿美元。Forrester 认为，NLP 是实现 AI 和投资回报承诺的前沿技术，它不是“某一天”，而是今天。Forrester Research 新兴技术投资组合副总裁 Brian Hopkins 表示：“NLP 的好处几乎是立竿见影的。根据 Forrester 2021 年的数据，70% 的公司采用 AI 的数据和分析决策者表示，他们希望公司使用自然语言技术……”
让我们仔细看看我们研究的主要发现和 2023 年的趋势。
NLP 的主要趋势
我们研究的主要发现让我们可以一窥 2023 年自然语言处理的现状：
- 公司希望能够解决多种用例： 71% 的公司使用支持多种用例的自然语言平台
- 准确性是首要任务，也是一项挑战： 67% 的企 whatsapp 号码数据 业使用 NLP 模型 5 年以上，但仍然面临准确性挑战
- 效率是投资回报率的基准： 61% 的团队根据效率改进来衡量投资回报率
- 模型的可解释性很重要： 74% 的人表示，在选择解决方案时，他们会考虑每种 AI 方法的可靠性（可解释性、节能性和公正性）
- NLP 工作量正在增长：接受调查的五分之四的组织已在生产 NLP 模型，每个组织每月要处理数万份文档。
- 采用挑战依然存在： 37% 的受访企业面临着为 NLP 项目建立商业案例（尤其是在投资回报率方面）的挑战。
企业的关键要点
显然，人们对提高运营效率有着浓厚的兴趣，以通过 修复错误的 5 种方法 使用 NLP 来降低成本、推动增长并获得竞争优势，只有 1% 的受访者没有积极考虑 NLP 业务用例，77% 的受访者预计会增加 NLP 支出。那么，这些趋势告诉我们什么呢？
混合方法效果最佳
接受本报告调查的绝大多数公司都采取了多解决方案的方法来实现 NLP。
机器学习和符号语言经常相互对立，是自然语言理解的互斥选项。这迫使组织以某种方式妥协。最近的技术进步带来了混合方法的出现，组织可以同时使用多种技术，包括机器学习 (ML)、深度学习 (DL)、符号方法，甚至可以同时利用大型语言模型 (LLM)，从而使他们能够实现多种方法的核心优势。团队通常需要一种混合方法的灵活性，该方法集成了多种技术，以实现对每个用例最有价值的成功指标，例如可扩展性和准确性以及可解释性。
事实上，将多种 AI 方法（如符号 AI 和 ML）相结合的 英国电话号码 混合方法越来越被公认为自然语言 AI 应用的“两全其美”的选择。Forrester 最近的一份报告赞扬了混合方法：“对于适合未来、适应性强、开箱即用、仅需适度支持、能够不断学习和自我改进的 NLP 解决方案，请寻找基于混合 AI 的 NLP 解决方案。