Upload
georg-rehm
View
164
Download
5
Embed Size (px)
Citation preview
Connected Customer 360°, Hamburg – 22. Juni 2017
KI für die Kunden-kommunikation
Georg RehmForschungsbereich Sprachtechnologie
DFKI GmbH, Berlin
• Standorte in Saarbrücken, Kaiserslautern, Bremen, Berlin, Osnabrück, St. Wendel
• Intelligente Software-Systeme: Robotik, Agen-ten, Bildverstehen, Sprachverstehen, erweiterte Realität, 3D, Wissensmanagement, Mensch-Technik-Interaktion, Sicherheit, Industrie 4.0.
• 870 Beschäftigte – 220+ laufende Projekte• CEO: Prof. Dr. Wolfgang Wahlster
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH)
Deutschland GmbH
2
Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
(gegründet 1988)
Inhalt• Einleitung
• KI und Sprachtechnologie
• Beispiel 1: Chatbots
• Beispiel 2: Social Media Analytics für BI
• Beispiel 3: Automatisches Storytelling
• Europäische Herausforderungen
• Schlussfolgerungen – Prognosen – Fragen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 3
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 4
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 5
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 6
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 7
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 8
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 9
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 10
Daten Intelligenz
Aktuelle Durchbrüche mit maschinellen Lernverfahren (Deep Learning)Ebenfalls noch immer im Einsatz: Symbolische, regelbasierte Methoden
Sprachtechnologie• Sprachtechnologie setzt theoretische Ergebnisse der
sprachorientierten Forschung in praxisgerechte und technologisch verwertbare Anwendungen um.
• Nutzt Ergebnisse u.a. aus:– Künstliche Intelligenz + Informatik– Computerlinguistik
• Natural Language Processing• Natural Language Understanding
– Psychologie, Psycholinguistik– Kognitionswissenschaft
• Sprache: The next big thing for AI!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 11
Beispielanwendungen• Rechtschreibprüfung• Diktiersysteme• Übersetzungssysteme• Suchmaschinen• Reportgenerierung• Expertensysteme• Dialogsysteme• Textzusammenfassen
KI-CRM-Systeme• KI und Sprachtechnologie:
Zahlreiche Durchbrüche in unterschiedlichen Anwendungsgebieten
• Fokus: CRM, Kun-denkommunikation
• Riesiges Potenzial!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 12
KI-CRM-Systeme
Sprach-technologie
KI undDeep
Learning
Big Data, großeDaten-
mengen
SchnelleRechner, schnelle
Netze
Ø Unterstützung der Kommunikation mit Kunden
Ø Analyse von UGC
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 13
https://medium.com/@bootstrappingme/the-german-artificial-intelligence-landscape-b3708b325124
Diese fünf Kategorien umfassen 48% aller
deutschen KI-Startups!
Kundenkommunikation
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 14
UGC
Beispiel 1:Chatbots
Beispiel 2:Social MediaAnalytics für BI
Beispiel 3:AutomatischesStorytelling
KundenkommunikationBeispiel: Chatbots
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 15
Chatbots• Auch: Conversational Agent,
Dialogsystem, Personal Assistant• Ziel: Natürliche Dialoge oder auch
Unterhaltungen mit der Maschine• Wird seit Jahrzehnten erforscht, erst
jetzt im größeren Stil realisierbar• Ur-Chatbot: Eliza (J. Weizenbaum)• Zahlreiche Projekte am DFKI, z.B.
Verbmobil, COSMA, Wir im Kiez, Voice2Social, Streetlife ... <NDA>
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 16
Geschmacksrichtungen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 17
Goal-drivenChatbots
Non-goal-drivenChatbots
Interaktive Chatbots:
PersönlicheAssistenten
Erscheinungs-form
Textbasierte Widgets(evtl. mit GUI), eingebettet in Websites
Eigenständige Anwendungen oder eingebettet in größere Applikationen
An spezielle Hardware gekoppelt(Echo, Home, Siri, Cortana)
Typische Modalität
Geschriebene Sprache Geschriebene oder gesprochene Sprache
Gesprochene Sprache
Technologische Komplexität
Eher gering Kann variieren Hochgradig komplex
Zweck Unterstützung genau einer Aufgabe, z.B.technischer Support, Kundendienst, Produktinformationen, spezifische Hilfestellung liefern
Verschiedene Anwendungsfälle: Sprachenlernen, Spiele, Entertainment etc.
Diverse Aufgaben, z.B. Websuche, Wetterbericht, Börsenauskunft, Unter-stützung des Nutzers bei Bedienung des Geräts etc.
Fragen und Antworten• „When was Marvin Minsky born?“ (= „When was <PERSON> born?“)
• Sprachverarbeitung ist komplex und umfasst u.a.: 1. Erkennung gesprochener Sprache & Wandlung in Text2. Parsing, Erkennung von Entitäten und Relationen3. Erkennung des Kommando- bzw. Fragetyps 4. Semantische Verarbeitung 5. Antwort-Retrieval (z.B. per Wissensgraph, Faktenwissen)6. Adäquate Formulierung der Antwort7. Generierung und Ausgabe gesprochener Sprache
• Fortgeschrittene Systeme erkennen Intentionen, bauen Nutzermodelle auf und pflegen ein Dialoggedächtnis
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 18
Herausforderungen• Closed domain vs. open domain• Sprachlicher Kontext• Physikalischer Kontext• Sozialer und situativer Kontext• Logik und Weltwissen• Neues Wissen und Spezialwissen• Dialoggedächtnis• Konfliktauflösung
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 19
Unterstützung• Diverse Chatbots für Slack, Facebook Messenger,
Websites und andere Plattformen• Diverse NLU-Plattformen, die den Bau von Chatbots
vereinfachen (api.ai, wit.ai, RasaNLU etc.)• Diverse Hosting-Plattformen, die das Anbieten von
Chatbots vereinfachen (Meya, Botsify etc.)• Diverse Unternehmen, die Chatbots konfektionieren
(zahlreiche Startups)
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 20
Chatbots: Fazit• Stärken
– Verfügbarkeit 24/7– Liefern für bestimmte
CRM-Anwendungen gute Ergebnisse, z.B. Produktinformationen, Kundendienst
– Derzeit riesiger Hype– Nützliche Helferlein
• Schwächen– Web-Chatbots langfristig
nur in spezifischen Anwen-dungskontexten nützlich
– Fehler sorgen für schlechte User Experience und dauerhaften Abbruch
– Kontinuierliche Pflege der Datenbasis ist aufwändig
– Was ist eigentlich mit Mehrsprachigkeit?
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 21
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 22
Social Networks undUser-Generated Content
UGC
KundenkommunikationBeispiel: Social Media Analytics für BI
Social Media Analytics• Kunden äußern sich online zu Produkten und Services• E-Commerce-Websites, Twitter, Diskussionsforen, Blogs,
Facebook, Tumblr, LinkedIn, Yelp, Instagram etc.• Wertvolle Informationsquelle für die jeweiligen Anbieter,
um Rückmeldungen für ihre Produkte zu bekommen• Neben UGC auch Corporate Content der Konkurrenz• Mapping von Informationen, Aggregierung von Wissen• Schwierig: Kurze, fragmentarische, oft fehlerhafte Texte• NDA-bedingt sehen wir uns statt „Extraktion von
Produktinformationen“einen anderen Anwendungsfall an
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 23
Smart Data Projekte• BMWi-Förderprogramm „Smart Data“• SD4M: Informationsextraktion aus UGC für den
Mobilitätssektor. Smart Data Web: Wissensgraph• SD4M: Verknüpfung mit strukturierten Datenbeständen
von Mobilitätsanbietern – Aufbau eines Wissensgraphs• Ziel: Verbesserung der Mobilitätsplanung• Social-Media-basierte Verkehrsbeobachtung
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 24
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 25
Unstrukturierte Information istalgorithmisch nicht nutzbar
Erst die Extraktion strukturierter,mobilitätsspezifischer Informationenmacht sie wertvoll und nachnutzbar
Event Detection
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 26
Verkehrsinformationen
Nachrichten
buyer:Diebold acquired:Wincor_Nixdorf
event:Übernahme
street:A1_(Autobahn_DE)time:15min
length:5km
event:Obstruction
event:Traffic jam
Erkennungsgenauigkeit
Entity-Linking
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 27
“Auf der Berliner S-Bahnlinie S2 gibt es zwischen Buchund Blankenburg Schienenersatzverkehr.”
db/route/6974149 db/stop/5244243wikipedia/Buch
db/stop/5247896osm/town/Blankenburg_(Harz)
Entity AnzahlBerlin 3S2 18Buch 5Blankenburg 4
Wissensgraphen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 28
Company
Facility
Place
Event
Product
Resource
Personhas
located_in
managed_by
utilizes
involved_ininvolved_in
manufactures
Herausforderungen• Erkennung der Modalität: Schiene, Luft, Straße• Erkennung von Eigennamen: Stadt, Straße, ÖPNV-Linie • Mehrdeutigkeiten, z.B.:
– Stadtnamen: „Sommerloch“, „Berg“, „Buch“, „Dom“ etc.– Straßennamen: „Umgehungsstraße“, „Beamtenlaufbahn“
• Erkennung von Ereignissen alles andere als trivial• Verknüpfung erkannter Entitäten mit Datenquellen und
Wissensgraphen (Karten, ÖPNV-Daten, Wikipedia etc.)
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 29
Corporate SMA: Fazit• Social Media Analytics – riesiges Potenzial, z.B. für
– CRM und Business Intelligence– Kunden-, Markt-, Regionen-, Innovationsbeobachtung– Supply Chain Management und Monitoring
• In sehr großen Unternehmen seit Jahren im Einsatz• Forschung und auch Anwendungen (z.B. CRM-Systeme)
kratzen bislang nur an der Oberfläche• Herausforderungen: Identifizieren relevanter Quellen;
robuste und präzise Textanalyse; Mehrsprachigkeit etc.• Diverse Anbieter können unterstützen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 30
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 31
Automatische Generierung von Produktbeschreibungen, Content-Sammlungen, Marketingmaterialien, Analyse und Generierung von Texten etc.
KundenkommunikationBeispiel: Automatisches Storytelling
Textgenerierung• Seit den 80ern etabliert: Natural Language Generation• Automatische Generierung z.B. von Wetterberichten,
Artikeln über Fußballspiele, Börsennachrichten, Produktbeschreibungen für E-Commerce-Websites etc.
• Funktioniert sehr gut für eher schematische Textsorten• Schablonen werden mit Informationen gefüllt• Beliebter Anwendungsfall: Search Engine Optimisation• DFKI: Aktuelle Experimente mit Semantic Storytelling• Nächster Schritt: Storytelling mit Deep Learning• Ein Beispiel aus dem Labor ...
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 32
DKT Kick-off-Veranstaltung – 25. September 2015
Digitale Kuratierungstechnologien• Unterstützung und Optimierung digitaler Kuratierung durch
Sprach- und Wissenstechnologien• Entwicklung innovativer Prototypen bei den KMU-Partnern• Weiterentwicklung der DFKI-Technologien und Transfer mittels
Plattform für digitale Kuratierungstechnologien
Sprach- und Wissenstechnologien
Kuratierungstechnologien
BranchentechnologienPl
attfo
rmte
chno
logi
e
Branchenlösungen
StorytellingWunschfunktionalität bei allen KMU-Partnern:
Semantic Storytelling• Eingabe: Kohärente, in sich geschlossene Textkollektion• Ausgabe: Semantisch angereicherte Kollektion• Idee: Aufgabenspezifisch multiple Rezeptionspfade
generieren, vorschlagen, präsentieren• Lösung: Identifizierung, Ranking und Empfehlung
sinnvoller, überraschender Hypertextpfade• Es gibt noch zahlreiche Herausforderungen ...
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 34
RDF DB
RDF DB
Semantic Storytelling Backend
Authoring Environment
iOS App Android AppHTML5ePub …
• Input: Self-contained document collection• Example: Mendelsohn letters, 2796 documents,
written in German, English, French
• Assists the editor in putting together stories based on the semantic analyses
• Enables the construction of new stories, for example, by (1) focussing on the specific requirements of different text types such as biography or travelogue or (2) through highlighting and recommending to the human expert specific relationships between entities
• Automatic transformation of RDF database contents into play-out formats for different channels and media
Semantic Storytelling: Analysis and Annotation Steps• Language identification (for cross-lingual processing)• Temporal expression analysis (TimeX)• Geographic location analysis (GeoX)• Participants and actors analysis (Person X)• Coreference analysis• Event detection (cross-lingual, including German and
French, through machine translation)• Mode of transportation analysis• Identification of Movement Action Events out of the set of
identified events (filtering)
ExperimentalStorytelling Dashboard
Beispiel: Die Mendelsohn-Briefe
Mit Dank an:
35
Experiment:Überführung einerSammlung von Briefenin einen Reisebericht
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 36
Beispiel: Die Mendelsohn-Briefe
Storytelling: Fazit• Derzeit noch experimentelle Avantgarde-Technologie• Medienindustrie hat immenses Interesse: Verarbeitung
großer Mengen von Online-Nachrichten• Wir experimentieren mit Daten aus diversen Bereichen:
TV/Medien, Journalismus, News, Nachlässe• CRM-Kontext: Anwendung auf Produktinformationen,
Marketing-Materialien etc. für bessere, umfassendere User/Customer-Experience bietet sich an
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 37
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 38
EuropäischeHerausforderungen
• Mehrsprachigkeit ist ein Kern der europäischen Idee
• 24 EU-Sprachen – alle genießen den gleichen Status
• Dutzende von regionalen und Minderheitensprachen sowie Sprachen von Immigranten und Handelspartnern
• Wirtschaftliche Herausforderungen: – Wenn der digitale Binnenmarkt nicht inhärent multilingual ist,
entstehen 20+ Inselmärkte – streng nach Sprachgrenzen geteilt!
– Sprachbarrieren sind Marktbarrieren und CRM-Barrieren!
• Gesellschaftliche Herausforderungen:– Es allen Bürgern ermöglichen, ihre Muttersprache zu benutzen
– Grenz-, sprach- und kulturübergreifende Kommunikation
•60 Forschungszentren in 34 Ländern (gegründet 2010)Chair des Executive Boards: Jan Hajic (CUNI)Dep.: J. van Genabith (DFKI), A. Vasiljevs (Tilde) General Secretary: Georg Rehm (DFKI)
•Multilingual Europe Technology Alliance.800+ Mitglieder in 67 Ländern
(publiziert 2013) (31 Bände; publiziert 2012)
Multilingual Europe Technology AllianceNET
Language White Papers• „Europas Sprachen im Digitalen Zeitalter“
• 31 Bände zu 30 Sprachen
• Kurzdarstellung der Sprache
• Stand der Sprachtechnologie
• Gesellschaftliche und technologische Probleme; Chancen und Risiken
• > 200 nationale/regionale Experten
• > 8.000 Exemplare verteilt
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 41
http://www.meta-net.eu/whitepapers
q Basqueq Bulgarian*q Catalanq Croatian*q Czech*q Danish*q Dutch*q English*q Estonian*q Finnish*q French*
q Galicianq German*q Greek*q Hungarian*q Icelandicq Irish*q Italian*q Latvian*q Lithuanian*q Maltese*q Norwegian
q Polish*q Portuguese*q Romanian*q Serbianq Slovak*q Slovene*q Spanish*q Swedish*q Welsh
* Official EU languagehttp://www.meta-net.eu/whitepapers
Fragmentary
Weak/none
Moderate
Good
Excellent
Welsh
Maltese
Lithuanian
Latvian
Icelandic
Irish
Croatian
Serbian
Estonian
Slovene
Slovak
Roma
nian
Norwegian
Greek
Galician
Danish
Bulgarian
Basque
Swedish
Portu
guese
Finnish
Catal
anPo
lish
Hung
arian
Czech
Italia
nGe
rman
Dutch
Span
ishFre
nch
Engli
sh
Leve
l of s
uppo
rt
Languages with names in redhave little or no MT support
Quelle: META-NET White Paper Series: Europe's Languages in the Digital Age. Springer, Heidelberg, New York, Dordrecht, London, September 2012. Georg Rehm and Hans Uszkoreit (series editors)
Selbst aktuelle State-of-the-Art-Technologien sind noch nicht perfekt!
Drastische Technologiedefizite bei 21 europäischen Sprachen – es droht digitales Sprachensterben!• PM am Europäischen Tag der Sprachen 2012• 600+ Nennungen in der Presse, 50+ Interviews
(ca. 30 Radio, ca. 20 TV).
q Erste strategische Agenda für Sprachtechnologie überhaupt
q Sammlung von Technologie-visionen für Europa 2020
q 200+ Experten nahmen teil
q Präsentiert und diskutiert auf 80+ Konferenzen
q Erarbeitet 2011/2012
q Publiziert im Januar 2013
q http://www.meta-net.eu/sra
Drei Prioritätsthemen
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 45
Priority Research Theme 2: Social Intelligence and e-Participation
From shallow to deep, from coarse-grained to
detailed processing techniques
Making language technologies interoperable
with knowledge representa-tion and the semantic web
“Semantification” of the web: tight integration with the Semantic Web and Linked Open Data
Mapping large, heterogeneous, unstructured volumes of online content to structured, actionable
representations
Unleashing social intelligence by detecting and monitoring opinions,
demands, needs and problems
Target groups: European citizen, European institutions, discussion
participants, companies
Make use of the wisdom of the
crowds
Improved efficiency and
quality of decision processes
Understanding influence diffusion across social media
especially social media, comments, blogs, forums
decision-relevant information
support
sentiment analysis and opinion mining including the temporal dimension)
cues
from arbitrary online content
visualising discussions and opinion statements
Services and Technologies:
collective deliberation and e-participation
-wide deliberation on pressing issues
and processes; modeling evolution of opinions
analysis technologies
Applications:
Priority Research Theme 3: Socially-Aware Interactive Assistants
Interacting naturally
with and in groups
Learning and
forgetting information
Adaptable to the user’s needs and preferences and the environment
Include human-computer, human-artificial agent and
computer-mediated human-human communication
Proactive, self-aware,
user-adaptable
Interacts naturally with humans, in any
language and modality
Can be personalised to individual communication
abilities including special needs
Can learn incrementally from all interactions and
other sources of information
recognition
and synthesis, providing expressive voices
understanding
incremental conversational speech
models of human communication
inter-dependencies
priority themes
Services and Technologies:
Applications:
dialogue systems
environment
modalities (visual, tactile, haptic) verbal/non-verbal behaviour, social context
ments, any
vocabulary
recovery,self-
assessment
Multilingualcapabilities
q Top Priorität der EUq Soll zusätzlich mehr als 400B€ zum
europäischen GDP und Hunderttausendeneue Arbeitsplätze generieren
q Leider ist das Thema Mehrsprachigkeitnoch kein zentraler Bestandteil der der Digital Single Market Strategy der EC (publiziert im Mai 2015)
Das mehrsprachige Europa• E-Commerce: Wachstum nur etwa die Hälfte des US-Marktes
– das liegt u.a. auch an der Sprachabdeckung.• Weniger als 5% (!) der europäischen KMUs vertreiben ihre
Produkte oder Services über Sprachgrenzen hinweg.• Es wird Unterstützung durch Sprachtechnologien benötigt!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 47
THREE PRIORITY AREAS FOR ACHIEVING THE MULTILINGUAL DIGITAL SINGLE MARKET
Multilingual access to all digital goods and services across Europe1
Geo-blocking:
due to nationality, location, or residence
customers
Language-blocking:
languages they do not speak
however, current online translation is insufficienttrying to conduct
common languages
Geo-blocking and language-blocking are barriers to access
Both geo-blocking and language-blocking aredaily problems for tens of millions of EU citizens.
Customers are six times more likely to buy from sites in their native language.
Most EU languages address less than 3% of the market, fundamentally limiting SMEs operating in countries where thoselanguages are spoken.
Lack of language technology support (automatic translation, tools to assist human translators, and multilingual support in
European businesses.
Language can be expensive for SMEs
Online businesses face around €5,000 in up-front costs for each new language they translate their websites into, plus similar
and marketing costs.
Even when sites are translated, the vast majority of SMEs cannot respond to support requests or customer feedback in other languages. Such responsiveness is needed to achieve customer satisfaction and build brand loyalty.
English is not the answer52% of EU customers do not purchase
Adding even a few languages to an SME’s website beyond Englishcan have a major impact on revenue. Large organizations today
to increase market share.
6x morelikely to
purchase
Site in buyer’snative language
Site in foreignlanguage
Likel
ihoo
d of p
urch
asin
g
• Spezielle Version der strategischen Agenda – für den mehrsprachigen digitalen Binnenmarkt(derzeit: Version 0.9)
• Version 1.0 erscheint imNovember 2017
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 49
Strategic Research and Innovation Agenda
Language as a Data Type and Key Challenge for Big Data
Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
Multilingual Digital Single Market
Automated Translation
E-Commerce Content, Media, Verticals
Translation, Language, Knowledge, Data
Knowledge and Data Repositories
Multilingual Applications
Multilingual Services
ResearchCrosslingual
Big Data Language Analytics
Meaning, Semantics, Knowledge
High-Quality Machine
Translation
SMEs CEF DSIs IT Integrators Researchprovide innovative
applications
fills gaps
H2020 RIAs
H2020 CSAs, IAs, RIAs
H2020 CSAs, RAs, national funding
Multimodal Interaction
Language Processing, Analysis and Production – Language Resources
Citizens Public Business
interoperable and standardised
collaboration with member states
Conversational Technologies
Multilingual Strategy
Multilingual Digital Single Market
Automated Translation
E-Commerce Content, Media, Verticals
Translation, Language, Knowledge, Data
Knowledge and Data Repositories
Multilingual Applications
Multilingual Services
ResearchCrosslingual
Big Data Language Analytics
Meaning, Semantics, Knowledge
High-Quality Machine
Translation
SMEs CEF DSIs IT Integrators Researchprovide innovative
applications
fills gaps
H2020 RIAs
H2020 CSAs, IAs, RIAs
H2020 CSAs, RAs, national funding
Multimodal Interaction
Language Processing, Analysis and Production – Language Resources
Citizens Public Business
interoperable and standardised
collaboration with member states
Conversational Technologies
Multilingual Strategy
q Crosslingual search, CRM, helpdesks, processes, workflowsq Customer-facing vs. back-office facing (after-market, after-sales)q Multilingual presales communication and after-sales servicesq Crosslingual business intelligence (e.g., based on UGC)q Semantic, crosslingual product descriptions and cataloguesq Crosslingual communication for SMEs
Multilingual Europe through
Technology
Multilingual Strategy of the EU: more tech
support for multilingualism
Language Technologies for Europe's digital public
services
Technologies for the
Multilingual Digital Single
Market
Language Technologies for Big Data text analytics
The Human Language
Project – long-term R&D&I, post-H2020
Language Technologies
R&D&I (H2020, WP
2018-20)
Multilingual Europein June 2017
Strategic Research and Innovation Agenda
Language as a Data Type and Key Challenge for Big Data
Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
Open calls andupcoming servicecontracts
Dec. 2016: EC brainstormingmeeting on future LT prioritiesin Horizon 2020 and FP9.Need for a new strategy paper?
Jan. 2017: STOA workshop and study on LT for Europe
Dec. 2017: LT Sessionat BDVA Summit inValencia
2017: MDSM SRIA V1.0
Policy change and initiative towards a European digital public sphere enabled by MT/LT
DG CONNECT
DGT andDG CONNECT
DG CONNECT
WP 2018-20 (incl. IoT, I4.0, assistants, robots etc.)
Shared programmebetween EU and MS Suggested MLV Programme
Strategic Research and Innovation Agenda
Language as a Data Type and Key Challenge for Big Data
Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
CEF ATELRC
Multilingual Europe through
Technology
Multilingual Strategy of the EU: more tech
support for multilingualism
Language Technologies for Europe's digital public
services
Technologies for the
Multilingual Digital Single
Market
Language Technologies for Big Data text analytics
The Human Language
Project – long-term R&D&I, post-H2020
Language Technologies
R&D&I (H2020, WP
2018-20)
Multilingual Europein June 2017
Strategic Research and Innovation Agenda
Language as a Data Type and Key Challenge for Big Data
Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
Open calls andupcoming servicecontracts
Dec. 2016: EC brainstormingmeeting on future LT prioritiesin Horizon 2020 and FP9.Need for a new strategy paper?
Jan. 2017: STOA workshop and study on LT for Europe
Dec. 2017: LT Sessionat BDVA Summit inValencia
2017: MDSM SRIA V1.0
Policy change and initiative towards a European digital public sphere enabled by MT/LT
DG CONNECT
DGT andDG CONNECT
DG CONNECT
WP 2018-20 (incl. IoT, I4.0, assistants, robots etc.)
Shared programmebetween EU and MS Suggested MLV Programme
Strategic Research and Innovation Agenda
Language as a Data Type and Key Challenge for Big Data
Enabling the Multilingual Digital Single Market through technologies for translating, analysing, processing
and curating natural language content
SRIA Editorial Team
Version 0.9 – July 2016
CEF ATELRC
• Aktuelle Initiativen sind unbalanciert und zu klein.
• Europa benötigt dringend einen koordinierten und gemeinsamen Schub für Forschung und Innovation!
Human Language Project• Ziel: Deep Natural Language Understanding by 2030
• Neueste KI für Next Generation Language Technology!
• Großes EU-Forschungsprogramm – 10 Jahre Laufzeit
• Neue Durchbrüche und Impulse für Forschung, Wirtschaft, Gesellschaft, Innovation erzielen.
54KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH)
Künstliche IntelligenzIncluding cognition, perception, vision, cross-modal,cross-platform, cross-culture, Internet of Things etc.
Maschinelles Lernen
SprachtechnologienWissenstechnologien
13./14. November 2017Brüssel, Belgien – http://www.meta-forum.euDas 7. META-FORUM nach Stationen in Brüssel (2x), Berlin, Riga, Budapest, Lissabon
Machen Sie mit!• Aktuelle Umfrage:
– „Language Technology for Multilingual Europe“– http://www.cracking-the-language-barrier.eu/survey/
• SRIA for the Multilingual Digital Single Market andthe Human Language Project – Version 1.0– http://www.cracking-the-language-barrier.eu/sria
•– 13./14. November 2017, Brüssel, Belgien– http://www.meta-forum.eu– http://www.meta-forum.eu/registration
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 56
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 57
SchlussfolgerungenPrognosen
Offene Fragen
Schlussfolgerungen• Connected wird der Customer erst durch KI und
Sprachtechnologie!• KI revolutioniert alle Ebenen der Kommunikation• Kommunikation wird immer digitaler stattfinden• Die drei Beispiele zeigen Trends und Möglichkeiten• Sprachtechnologie „made in Europe for Europe“ wird
schon bald sehr stark nachgefragt werden• Human Language Project als EU-Forschungsprogramm
wird – so es klappt – spannende Technologien liefern!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 58
Prognosen• Nächste IT-Generation wird Nutzern besser angepasst
sein: Verarbeitung von Sprache, Wissen, Emotion• Überwindung von Kommunikationsbarrieren: Zwischen
Mensch und Maschine und auch zwischen Menschen.• IoT: Immer mehr Sensoren und somit immer mehr
sozialer, situativer Kontext für persönliche Assistenten• Multimodalität: Erkennung von Gesten und non-verbalen
Signalen – Detaillierte Erkennung von Intentionen • Adaptivität an Umgebungen, Situationen, Kontexte, Ziele• KI wird dem Nutzer folgen – von Raum zu Raum, von Ort
zu Ort, sowohl physikalisch als auch virtuell
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 59
Offene Fragen• Werden wir viele verschiedene persönliche Assistenten
benutzen – oder doch eher nur einen?• Werden Echo, Siri, Cortana und Co. verschmelzen,
z.B. über Standards, die Interoperabilität herstellen?• Web-Chatbots sind derzeit populär wie Suchmaschinen*
auf der eigenen Website 1996/1997. Wird sich der aktuelle Trend dauerhaft halten können?
• Echo und Co. werden kontinuierlich verbessert: Sterben simple Web-Chatbots wieder aus, weil Nutzer mit ihnen schon bald nicht mehr zufrieden sein werden?
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 60
* musste man irgendwie haben, haben sich dann aber schnell als fragil und aufwendig in der Wartung herausgestellt und daher in vielen Fällen schon nach kurzer Zeit nicht mehr so richtig funktioniert.
Herzlichen Dank!
KI für die Kundenkommunikation – Georg Rehm (DFKI GmbH) 61
Georg RehmForschungsbereich Sprachtechnologie
DFKI GmbH, Berlin
Mit Dank an u.a. Aljoscha Burchardt, Peter Bourgonje, Stefanie Hegele, Leonard Hennig, Julian Moreno Schneider, Jan Nehring, Nieves Sande, Stefan Schaffer, Sven Schmeier, Ankit Srivastava, Philippe Thomas, Hans Uszkoreit, Feiyu Xu.