Natural Language Processing (NLP)

Natural Language Processing (NLP) หรือการประมวลผลภาษาธรรมชาติ คือสาขาหนึ่งของวิทยาการคอมพิวเตอร์และ ai ที่ทำให้คอมพิวเตอร์ตีความ จัดการ และเข้าใจภาษามนุษย์ได้ ทั้งข้อความและเสียงพูด คำว่า "ภาษาธรรมชาติ" หมายถึงภาษาที่คนใช้สื่อสารกันจริง อย่างไทย อังกฤษ ญี่ปุ่น ซึ่งเต็มไปด้วยความกำกวม คำแสลง และการประชดประชัน ต่างจากภาษาโปรแกรมที่มีกฎตายตัว งานที่เราเห็นกันทุกวันล้วนเป็นงาน NLP ทั้งนั้น: การแปลภาษา (machine translation) การแปลงเสียงพูดเป็นข้อความ (speech-to-text) การวิเคราะห์ความรู้สึกจากรีวิวลูกค้า (sentiment analysis) การดึงชื่อคนหรือชื่อบริษัทออกจากเอกสาร (named entity recognition) ไปจนถึง chatbot ที่ตอบคำถามลูกค้า

วิธีการของ NLP เปลี่ยนมาแล้วสามยุคใหญ่ ยุคแรกตั้งแต่ทศวรรษ 1950 ถึงราวต้นทศวรรษ 1990 เป็นยุค rule-based คือผู้เชี่ยวชาญเขียนกฎไวยากรณ์ให้เครื่องทีละข้อ (ระบบดังของยุคนั้นเช่น ELIZA แชทบอทจากยุค 1960s) จากนั้นช่วงปลายทศวรรษ 1980 เป็นต้นมา machine-learning เข้ามาพลิกวงการ: ให้โมเดลเรียนรู้รูปแบบภาษาจากข้อมูลจริงแทนการเขียนกฎเอง ซึ่งรับมือกับประโยคแปลกๆ ที่ไม่เคยเจอได้ดีกว่ากฎแข็งๆ มาก และตั้งแต่ราวปี 2015 deep-learning กับ neural-network ก็เข้ามาแทนที่วิธีทางสถิติแบบเดิม จนถึงยุคปัจจุบันที่สถาปัตยกรรม transformer และกลไก attention-mechanism แบบ self-attention กลายเป็นหัวใจของ llm อย่าง chatgpt และ Claude · มองอีกมุม NLP ยุคใหม่คือการผสมสามศาสตร์เข้าด้วยกัน: computational linguistics (เข้าใจโครงสร้างภาษา) machine learning (เรียนรู้รูปแบบจากข้อมูล) และ deep learning (โมเดลโครงข่ายหลายชั้นที่จับความหมายตามบริบทได้) ซึ่งต่อยอดมาเป็น generative-ai ที่สร้างภาษาใหม่ได้เอง ไม่ใช่แค่อ่าน · แต่ต้องเข้าใจด้วยว่าสำนวนยากอย่างการประชดหรืออุปมายังเป็นโจทย์ที่โมเดลพลาดได้บ่อย ไม่ใช่เรื่องที่แก้จบแล้ว

สำหรับคนทำงานยุค AI คำนี้สำคัญเพราะมันคือชื่อ "สาขาแม่" ของเครื่องมือ AI ด้านภาษาแทบทุกตัวที่คุณใช้อยู่ ทุกครั้งที่สั่งให้ AI สรุปรายงานการประชุม ร่างอีเมล หรือคัดกรองข้อความร้องเรียน เบื้องหลังคืองานวิจัย NLP ที่สะสมมาหลายสิบปี การมองออกว่า "อะไรคืองาน NLP" ยังช่วยให้เลือกงานมา automate ได้แม่นขึ้น: งานที่ต้องอ่านหรือเขียนข้อความปริมาณมาก เช่น การปิดบังข้อมูลอ่อนไหวในเอกสาร (sensitive data redaction) หรือการวิเคราะห์เสียงลูกค้าจากหลายช่องทาง คือจุดที่เทคโนโลยีสายนี้พิสูจน์ตัวเองแล้วว่าทำได้ดี

ตัวอย่างจากบทสนทนาจริง

ฝ่ายการตลาด: อยากได้ระบบอ่านรีวิวลูกค้าหลักหมื่นข้อความแล้วสรุปว่าลูกค้าบ่นเรื่องอะไรบ้าง แบบนี้ต้องจ้างโปรแกรมเมอร์มานั่งเขียนเงื่อนไขดักคำว่า "แย่" "ห่วย" ทีละคำเลยหรือเปล่า

ทีม AI: ไม่ต้องแล้วครับ งานนี้คือ sentiment analysis ซึ่งเป็นงานคลาสสิกของ NLP · สมัยก่อนใช้วิธีเขียนกฎดักคำแบบนั้นจริง แต่ทุกวันนี้ใช้ model ที่เรียนรู้ภาษาจากข้อมูลจำนวนมากมาแล้ว จับบริบทได้ดีกว่าการดักคำเยอะ · อย่างเดียวที่ต้องเผื่อไว้คือประโยคประชดแบบ "ดีมากค่ะ รอของแค่สามอาทิตย์เอง" ซึ่งโมเดลอ่านพลาดได้อยู่ ควรสุ่มตรวจผลก่อนเอาไปใช้ตัดสินใจ

ระวังสับสนกับ

• NLP (Neuro-Linguistic Programming): ตัวย่อเดียวกันแต่คนละโลก อันนั้นคือแนวทางพัฒนาตนเองด้านการสื่อสารที่ Richard Bandler กับ John Grinder เสนอไว้ตั้งแต่ปี 1975 และวงวิชาการจัดว่าเป็น pseudoscience · ไม่เกี่ยวกับคอมพิวเตอร์หรือ linguistics เลย เวลาเจอคำว่า NLP ในบริบท HR หรือ training ให้เช็กก่อนว่ากำลังพูดถึงตัวไหน
• llm (Large Language Model): ไม่ใช่สิ่งที่มา "แทน" NLP แต่เป็นเครื่องมือยุคล่าสุดภายในสาขานี้ · NLP คือชื่อสาขาวิชาทั้งสาขา ส่วน LLM คือโมเดลตระกูลหนึ่งที่รวมงาน NLP หลายอย่างไว้ในตัวเดียว