在解决和数学或物理相关的问题时，技术能够发挥相当大的作用。但在解决涉及到以人为中心的问题时，技术的可发挥余地就变得很小。在 Ultimate Software 的高级策略总监 Armen Berjikly 看来，自然语言处理（NLP）的进步会帮助技术更好的识别出人类的情感与同情心，从而来帮助人们更好地处理各种问题。文章发表在 VentureBeat，由 36 氪编译。
人性化的视角来解决问题" data-img-size-val="578,385" />
以目前的发展速度来看，科技似乎正承载着一项雄心勃勃的使命——解决人类最迫切的问题。
在某些方面，我们取得了很大的进步。比如可再生能源、疾病预防和灾后重建等领域，我们已经有了巨大的突破。但是，当涉及到应对以人为中心的挑战时——比如员工多样性、无意识偏见、员工和客户满意度——技术能发挥的余地就很少。
这是因为，像喷气推进或 GPS 这样的技术问题很大程度上是数学和物理相关的，这也是计算机（和程序员）擅长的地方。但解决员工参与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。人类是情绪化的动物，尤其是在做决定的时候。通常情况下，我们先有一种感觉，然后运用逻辑来帮助证明我们的情绪反应，最后，我们采取行动。因此，任何帮助人们做出更好的决定，而不考虑情感因素的尝试，几乎都注定会失败。
然而，随着人工智能的最新进展，尤其是自然语言处理（NLP），我们终于有了能理解人类情感复杂性和利用其力量的技术工具。这种方法对于我们如何设计系统有着重要的意义，它将会从更人性化的视角来解决问题。
为差异而编程
语言是极其复杂的。从一个人到另一个人，某个人经历或环境中出现的细微差别，就会对他们表达自己的方式产生影响。方言，性别，地点，甚至季节都可以改变我们用来表达想法的词语。
人们很善于发现这些细微的差别。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，它们需要一套庞大而丰富的语言训练数据，涵盖了人口统计学、经历和背景等各不相同的无数个案例。
要想知道这在现实生活中是如何运作的，只需要想象这样的一个场景：在对于一个智能手机进行评论时，加州的一个青少年使用的词语是“lit”（意思是“兴奋”），但在马萨诸塞州一个老年人的评论中可能是“屏幕亮度”的意思。
字里行间的阅读
这是第一次，我们能够教会计算机不仅理解人们所说的基本知识——通过识别单词或查找特定的短语，还能“读懂字里行间”，理解我们话语背后的真正意图和含义。当然，这是一项重要的技能，随着时间的推移，人们逐渐将其作为一种同理心的功能。
常见的“满意度调查”是一个典型的例子，体现出了技术在解决人们的感觉问题时的局限性。从原则上讲，它是一种了解人们对产品或服务的感受的有力工具。但在实践中，它是笨拙的、不准确的、早就应该重新制作了。
考虑一下在大多数商店收据上的调查提示：“请为你的体验从 1 到 10 打分，并谈谈原因。”相比之下，一个人在面对同样的情景时，可能只需问一句“你觉得体验怎么样？”然后从回答者所使用的语言和整体的语境中推断出“分数”。虽然人们不需要给出明确的评级，但机器可以做到。
照照镜子
除了帮助我们更好地了解彼此，NLP 还能让我们更好地了解自己。语言是了解我们思想和情感的最详尽的窗口。当技术能够开始理解我们（而不是它想要我们成为什么样子）时，它就会成为一个真正的合作伙伴，帮助我们发现如何最好地成长和改进。
看看可怕的绩效评估和各种各样的偏见吧。当你在工作环境中询问人们是否会有偏见，他们一般会下意识极力否认。然而，对绩效评估的研究显示了普遍的、无意识的偏见。
来自我的团队的分析表明，当男性评价其他男性时，他们压倒性地使用了被动式的语言（“他们可以更积极主动”）。然而，当这些男性对女性进行评价时，他们经常使用相互指责的语言（“你应该注意细节”）。通过数据驱动的技术，我们能够进一步了解许多人在无意识情况下隐藏的偏见。幸运的是，人工智能可以让我们走上纠正这种偏见的道路，让它们引起我们的注意。
要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更公平，我们都需要技术来展现同理心。
相关文章
