全球產業正在數位化，無論是走在商場可見的語音查詢介面、每月查帳能透過銀行設立的 Chatbot 查詢，甚至是無人不曉的 Siri 都是科技逐漸走入普通人生活的寫照。要機器讀懂人的語言十分艱難，更遑論依照問題做出精準的回覆；工程師為了 AI 演算法忙得頭昏眼花，而 Google 日前開放的 LIT 工具或許能幫一把。
Google AI 研究人員於 GitHub 上 開源能協助第三方開發者理解與檢核自然語言處理（natural language processing，NLP）的工具，又稱 Language Interpretability Tool，簡稱 LIT。
為什麼 Google 要推 LIT？
自然語言處理（以下簡稱 NLP）主要幫助機器人能正確理解並與人溝通。且過去工程師在執行相關作業時，AI 模型往往會因為資料庫中的偏見等人為因素，而出現超呼預期的行為。若要提前測試與排除人為障礙，工程師得耗費大量時間成本，但資源緊縮的狀況下，這種狀況是不容許的。而這也是 LIT 的優勢所在。
LIT 能解決的三個 NLP 挑戰
LIT 工具能回答工程師在自然語言處理上的三大問題。一、AI 模型在什麼狀況下答覆精準度會下降？二、AI 模型為什麼會做出特定預測？而三、若調整 AI 模型中字體、動詞時態或是代名詞的代表性別，例如英文裡的 he、she、it，AI 模型是否會受影響、會不會穩定運行？
LIT 可以讓工程師提前測試對模組的假設，在無需龐大時間成本的情況下，可視化資料與得到執行假設後的分析。過程中，工程師可以隨意在資料庫中新增數據，並且即刻獲得 AI 模組的未來變化。更好用的是，LIT 能夠讓工程師左右同時比對因資料不同而改變的兩種 AI 模組，讓 NLP 相關作業變得更容易且有效率。
只要 Python 能跑，LIT 就能支援！
據 GitHub 說明頁面 指出 ，只要 Python、TensorFlow、PyTorch 可以跑的模型，就能使用 LIT 工具做預期分析。除此之外，LIT 工具也支援多種 NLP 作業過程，例如 Classification、Regression、Span labeling、Seq2seq 以及 Language modeling。
GitHub 傳送門：點我 。
參考資料
（本文提供合作夥伴轉載，首圖來源：Unsplash, CC Licensed。）