Perkembangan dan Tren Natural Language Processing (NLP)

Teknologi Natural Language Processing (NLP) menjadi alasan di balik banyak kemudahan dalam kehidupan sehari-hari, tidak hanya untuk individu, tetapi juga perusahaan.

Rilisnya ChatGPT pada akhir 2022 menjadi bantu loncatan bagaimana NLP dapat diaplikasikan menjadi suatu produk jadi yang lebih user-friendly.

Mari kita bahas sedikit tentang NLP dan tren teknologi satu ini ke depannya.

Apa itu Natural Language Processing (NLP)?

NLP atau Natural Language Processing adalah subset dari AI (Artificial Intelligence) yang memungkinkan komputer untuk mengerti, menginterpretasi, serta memanipulasi bahasa layaknya manusia.

Kemampuan tersebut merupakan hasil dari cara kerja NLP yang memadukan computational linguistics, algoritma machine learning, statistik, serta deep learning. Bersamaan, teknologi tersebut membuat komputer tidak hanya bisa memproses bahasa, tetapi juga maksud perkataan serta notion yang terkandung di dalam kata-kata tersebut.

Contoh penggunaan NLP yang paling umum adalah ChatGPT milik OpenAI dan Bard milik Google.

Selain itu, NLP juga diterapkan oleh perusahaan telekomunikasi multinasional, Vodafone.

Untuk meningkatkan engagement dengan customer, Vodavone mengembangkan chatbot customer service bernama TOBi.

TOBi bertugas untuk merespon berbagai pertanyaan dari pelanggan, mulai dari pertanyaan soal kontrak kerja sama, diskusi tentang produk, hingga billing.

Mengapa NLP penting?

NLP adalah salah satu sub bidang dari AI yang berfokus pada interaksi antara komputer dan bahasa manusia. NLP melibatkan pengembangan dan penerapan model serta algoritma untuk memahami, menafsirkan, dan menghasilkan bahasa manusia dengan cara yang bermakna dan berguna.

NLP berperan penting dalam mengurangi ambiguitas yang ada dalam bahasa, sehingga NLP bisa memproses bahasa dan menggunakannya dalam berbagai bentuk aplikasi.

Beberapa contoh aplikasi NLP adalah:

• menjawab pertanyaan (contohnya ChatGPT),
• meringkas tulisan,
• voice command (contohnya Google Assistant, Siri, dan Alexa), dsb.

Tidak hanya bermanfaat bagi individual, NLP juga berperan besar dalam menunjang operasional perusahaan.

Beberapa manfaat NLP di tingkat korporasi yakni:

• memberikan hasil analisis sentimen dari data teks yang besar,
• mengklasifikasikan dokumen,
• mengurangi pekerjaan administratif,
• spam filtering di email,
• search engine, dsb.

NLP juga mendukung proses pengamatan customer behavior, hal ini bermanfaat guna meningkatkan kepuasan customer dan efisiensi business process.

Perkembangan NLP dari tahun ke tahun

Perkembangan NLP dimulai pada tahun 1940-an, setelah Perang Dunia II. Pada saat itu, orang-orang menyadari pentingnya terjemahan dari satu bahasa ke bahasa lain dan berupaya menciptakan mesin yang dapat melakukan terjemahan semacam itu secara otomatis. Namun, tugas tersebut ternyata tidak semudah yang dibayangkan.

Berikut beberapa masa penting dalam sejarah perkembangan NLP:

Masa awal perkembangan (1950-1960)

Bermula dari karya para peneliti seperti Alan Turing dan Warren Weaver, yang membentuk dasar untuk machine translation.

Georgetown–IBM experiment pada 7 Januari 1954 yang bertujuan menerjemahkan kalimat dari bahasa Rusia ke bahasa Inggris menjadi salah satu percobaan awal machine translation.

Rule-based systems (1960-1970)

Pada masa ini penelitian NLP difokuskan pada sistem berbasis aturan (rule-based systems).

Salah satu contoh terkenal pada periode ini adalah sistem SHRDLU yang dikembangkan oleh Terry Winograd di MIT (1968–1970).

Metode statistik (1980-1990)

Pada masa ini muncul pergeseran signifikan dalam penelitian dan pengembangan NLP.

Para peneliti mulai menggunakan korpus data teks dalam jumlah besar untuk mengembangkan model dan algoritma.

Model statistika Hidden Markov model (HMM) dan n-gram model menjadi populer untuk tugas-tugas seperti speech recognition dan language modeling.

Pada tahun 1990-an, para peneliti juga mengeksplorasi penggunaan algoritma machine learning yang berkembang signifikan pada dekade selanjutnya.

Machine learning dan neural networks (2000-2010)

Neural networks mulai banyak berkembang pada periode ini.

Semenjak saat itu, kemajuan terhadap artificial intelligence, khususnya pada NLP, pun meningkat.

Pada tahun 2013, diperkenalkan penggunaan vektor kata (word embeddings), seperti Word2Vec dan GloVe. Hal ini merevolusi NLP karena mampu memahami hubungan semantik antara kata-kata.

Deep learning dan transformer models (2010-sekarang)

Deep learning, terutama RNN dan CNN berdampak besar pada perkembangan NLP.

Transformer diperkenalkan pada tahun 2017 oleh tim di Google Brain dan semakin menjadi model pilihan untuk NLP–model inilah yang menjadi cikal bakal ChatGPT yang kita gunakan sekarang.

Di saat yang sama, Google juga memperkenalkan BERT (Bidirectional Encoder Representations from Transformers) yang kemudian dimanfaatkan untuk memaksimalkan kinerja Google Search.

Meski peningkatannya tidak instan, terdapat beberapa pencapaian penting yang mempercepat perkembangan NLP. Juga, dengan semakin majunya AI, perkembangan NLP juga meningkat secara eksponensial.

Tidak hanya dari sisi teknologi, NLP juga terus mengalami kemajuan dalam aspek pertumbuhan pasar. Terutama setelah OpenAI merilis ChatGPT ke publik pada akhir 2022.

Statista menjabarkan bahwa akan terjadi kenaikan pendapatan dalam pasar NLP dalam periode 2017 hingga 2025.

Di data tersebut, Statista menyatakan bahwa kenaikannya bisa mencapai 14 kali lipat.

Perkembangan ini juga divalidasi dengan meningkatnya jumlah datapoints yang digunakan untuk melatih AI system.

Berikut data dari Our Wolrd in Data.

Tren NLP di tahun 2023

Meski teknologi NLP sudah mengalami kemajuan yang luar biasa dibandingkan sejak awal penciptaannya, kemajuan NLP masih jauh dari kata selesai. NLP masih akan menjadi topik perbincangan hangat, terutama di antara pegiat dan peminat Artifical Intelligence.

Lalu, bagaimana dengan NLP di 2023? Tren apa saja yang muncul dan wajib kamu antisipasi perkembangannya? Ini lima di antaranya:

NLP untuk mendeteksi cyber bullying

Penggunaan NLP untuk mendeteksi ujaran kebencian bukan hal yang baru. Namun, dengan pengembangan menggunakan metode Sentiment Analysis atau Opinion Mining, NLP saat ini mampu mendeteksi penggunaan kata-kata yang ofensif, menghina, hingga penyebaran ujaran kebencian yang ada di media sosial.

Model NLP 2023: Menuju era multilingual

Hingga saat ini, bahasa Inggris masih menjadi bahasa universal, tidak hanya di dunia, namun juga dalam pengembangan NLP.

Namun, ke depannya, NLP akan mengembangkan penggunaan bahasa lain di dalam model-modelnya. Dengan perkembangan ini, diharapkan NLP dapat mengalami percepatan teknologi lantaran berkurangnya pembatas bahasa. 

Chatbots yang lebih ‘manusiawi’

Penggunaan chatbot atau chat otomatis sudah menjadi praktik yang populer sejak lama. Meski begitu, tidak sedikit chatbot yang masih memperlihatkan karakter ‘mesin’, alih-alih menyerupai manusia.

Di masa mendatang, chatbot akan memberikan tanggapan yang mirip dengan reaksi manusia guna meningkatkan kepuasan pelanggan. Pada gilirannya, chatbot akan bisa menyerupai customer service secara menyeluruh.

Mengombinasikan metode machine learning supervised dan unsupervised

Topik terkait pengembangan model menggunakan dua metode machine learning sekaligus kerap menjadi perbincangan di kalangan pegiat NLP.  Tidak sedikit pihak yang menggunakan kedua metode ini dalam berbagai penelitian.

Apabila dijalankan secara bersamaan, kedua metode ini dapat memberikan hasil yang tidak hanya akurat, namun menaikkan tingkat efektivitas yang tinggi.

Pengalaman gadget voice-driven yang lebih imersif dan personal

Memberi komando kepada gadget dengan perintah suara tentu sudah jadi hal yang biasa. Namun, pengalaman ini akan terasa lebih personal dan mampu meninggalkan kesan mendalam. 

Di masa mendatang, gadget kamu tidak hanya bisa bertindak sebagai asisten yang memberikan reaksi atas perintah kamu, namun juga aktif memberikan rekomendasi guna memberi pengalaman yang lebih personal. Salah satu contohnya adalah memberi rekomendasi toko yang sedang diskon saat kamu sedang melewatinya. Keren, kan?

Teknologi NLP membutuhkan waktu yang tidak singkat untuk mencapai level perkembangan yang seperti sekarang. Namun, bukan berarti upaya tersebut akan berhenti. AI akan terus berkembang, begitu juga NLP.

Di tahun 2023, NLP terus memberi pengalaman yang lebih user-friendly serta lebih personalized.

Untuk bisa terlibat dalam aplikasi NLP, kamu perlu skill set dan pemahaman yang terstruktur dan mendalam. Di Pacmann, kamu bisa mempelajari NLP ini di program Artificial Intelligence dan Machine Learning Engineering. 

Further reading:

Worldwide Natural Language Processing Market Revenue 2017 to 2025

Natural Language Processing Market Analysis

Natural Language Processing from IBM

The Power of Natural Language Processing