美國Lux Research研究機構近日發布了題為《人工智能和機器學習改善創新前端》的白皮書。該書指出，自然語言處理（NLP）技術可提升創新效率，但目前尚未得到充分開發利用。

目前，產業界正發力鉆研人工智利用數據的高效方法。通過自然語言處理和主題建模可以使技術優化、競爭分析和微弱信號檢測等流程得到改善，加快海量文本數據分析，而以上環節均是創新驅動的關鍵所在。

Lux Research數字產品副總裁凱文·西恩博士認為，有效利用機器學習可快速挖掘數據，從而減少全面分析時間。以前需要花費數周時間，現在可以減少到幾天。

自然語言處理技術帶來的增速由主題建模實現，主題建模從文本中提取重要概念，同時大量消除了與之相關的人工假設及數據偏差。西恩說：“由于調查人員的知識局限和數據偏差，以前數據挖掘往往不夠全面準確，而使用機器學習，上述兩種情況都會得到有效改善，幾乎可以杜絕人為判斷錯誤和有益技術思路的遺漏。”

使用機器學習來提升創新速度和技術包容性，已日漸成為業界共識。知識建模可使用分類法來定義特定主題下關鍵創新領域的技術發展趨勢。在相似性概念中取一個內容，然后查找其他相關文章、專利或新聞以加快創新進程。在公司層面，主題建模還可用于競爭性產品組合分析；新聞機構或社交媒體操作海量數據搜集分析時，主題建模也可用于弱信號檢測。

在定義成熟的人工智能和機器學習策略時，需要加權考慮一些關鍵技術點，包括是否需要構建新的技術框架，使用哪些數據源及如何定義和解釋技術。適應接受這些技術工具的企業文化也很重要，可幫助從業者將自然語言處理視為技能資產而不是競爭對手。?

西恩總結說：“人工智能和機器學習帶給決策過程的支撐和信心將使創新加速，但這并不意味著人類的缺席。人們仍然需要定義分析的起點、標注主題并從收集的信息中提取所需數據。毋庸置疑，人與機器之間的協作互動可以產生更好的結果，最終使所有相關方受益。”