El llamado Procesamiento del Lenguaje Natural es uno de los grandes desarrollos de la Inteligencia Artificial. Se calcula que el 80% de la información que usamos personas y empresas en nuestro día a día es de tipo no estructurado en mails o documentación técnica.
Traducir el lenguaje humano a algoritmos ha permitido herramientas como los traductores automáticos o los asistentes virtuales. Sin embargo, todavía queda mucho por hacer para que la interacción con los ordenadores nos resulte natural. Y en la semántica está la clave.
Organizaciones como el Foro Económico Mundial incluyen la Inteligencia Artificial, junto con otras tecnologías como dispositivos móviles, robótica e IoT, en lo que se conoce como la Cuarta Revolución Industrial.
Pero ¿cómo se define la IA?
Contenidos de este artículo:
“Se trata de emular los procesos de la inteligencia humana en los ordenadores. Las máquinas ya son capaces de operar con números, distinguen colores y formas.
Estas habilidades son básicas para lo que se denomina inteligencia, es decir, para la resolución de problemas. Además, tienen una ventaja añadida: su alta capacidad numérica, mucho más avanzada de lo que ninguna persona. Hacer “pensar” a una máquina trataría de descomponer los procesos humanos en números, matemáticas y lógica para transformarlos en un lenguaje que las máquinas entienden: problemas computables y algoritmos”, explica Justo Pérez fundador y responsable de desarrollo de la start-up de IA Magiquo.
Y es ahí donde entra el procesamiento del lenguaje natural (PLN), una parte importante de la investigación y desarrollo en torno a la IA. Y es que los expertos en el sector calculan que el 80% de la información que barajan al día personas y empresas es información textual no estructurada.
En nuestro día a día, la actividad laboral y personal implica leer y redactar mails, interactuar en redes sociales o consultar documentación más o menos técnica.
“Durante la Revolución Industrial se produjo la construcción de lenguajes casi universales. Se formaron vocabularios que incluían palabras para describir nuevas piezas, productos y procesos que permitieran a los productores y distribuidores facilitar el comercio a nivel nacional e internacional. Pero, es más. La idea de un vocabulario comercial compartido se remonta más atrás, a la Edad Media, cuando surgió el término lengua franca para describir un idioma común utilizado entre los comerciantes italianos y franceses.
Ahora con la Revolución en IA no es necesario crear idiomas para adaptarse a la tecnología. Es ella la que puede adaptarse al lenguaje humano.
Esto es el PLN: usar la lingüística computacional para proporcionar análisis e interpretación semántica del texto en lenguaje humano. Ya sea por medio de audio o de texto, a través del PLN los sistemas informáticos aprenden, analizan y comprenden el lenguaje humano con gran precisión.
Es el paso de la IA de los datos numéricos a la comprensión y predicción para mejorar desde la atención al cliente y el transporte hasta las finanzas y la educación”, se puede leer en la revista Forbes.
Del número a la palabra
Ese hacer “pensar” consiste entonces en conseguir que una máquina entienda y procese el lenguaje que usamos las personas para comunicarnos. Por eso es interesante el lenguaje como interfaz definitivo en la relación hombre-máquina.
“Nuestro lenguaje en la interface que hemos desarrollado los humanos para comunicarnos. Cuando las máquinas entiendan y procesen el lenguaje podrán comunicarse con nosotros y razonar, que al final es aplicar la lógica a las premisas que extraes de tu conocimiento del mundo. En la actualidad usamos los ordenadores con el teclado, el ratón, pantallas táctiles, es decir los usamos con nuestras manos. El uso de una interface tan humana como el lenguaje los elevará de nivel y podrán ser vistos como colaboradores” dicen desde la empresa, antes de explicar cómo es posible hacer esto.
“Para eso, primero, es necesario descomponer el lenguaje, mediante el uso de algoritmos, en una serie de estructuras que el ordenador pueda procesar. A partir de ahí, surge un abanico de opciones. Entre ellas está la extracción de la información y el aprendizaje a partir de textos, que es el campo en el que trabajamos nosotros”, matiza el Justo Pérez.
“De momento, lo que nos facilita mucho el trabajo es que prácticamente todo lo que queremos comunicar a las máquinas son órdenes. Los requisitos para ello, lingüísticamente, son mínimos. Es casi lo primero que hacen los niños (“Papá, agua”, “Mamá, sueño”).
Cuando nos ponemos a procesar texto (procesar de verdad, fuera de un contexto de respuesta inmediata y casi predefinida, como el de un chatbot), las estructuras son mucho más complejas. También aparece entonces la necesidad de darle al “ordenador” un conocimiento básico del mundo. No basta con que entienda lo que le digo y me devuelva una respuesta; tiene que aprender a reconocer la tarea que le estoy pidiendo, plantear una estrategia de extracción de información y devolvérmela procesada y en orden.
No es acción y reacción, sino interacción, proceso lógico y presentación de conclusiones. Para mí, esto es lo que marca la diferencia entre un asistente inteligente y un asistente loro”, matiza la experta en lingüística de Magiquo.
La firma trabaja en un enfoque novedoso, es decir, semántico:
“Traducimos el lenguaje en una serie de estructuras, y luego operamos con ellas generando respuestas que a su vez son otro tipo de estructuras. Básicamente procesamos las ideas y conceptos que están tras el lenguaje. Creemos que esta es la manera más humana de hacerlo”.
El mercado actual de asistentes virtuales
Los asistentes virtuales, buscadores, traductores automáticos, chatbots o agentes conversacionales que inundan actualmente el mercado son consecuencia directa del PLN. Sin embargo, hay que remontarse unas décadas para ver el origen conceptual de estos desarrollos. Es difícil decir cuál es el primer programa que lo aplicó, pero más o menos se puede decir que su origen se dio a principios de los años 50 del siglo pasado.
“Seguro que más de uno recuerda los juegos «conversacionales» de los 80, con los que hablabas con una máquina; el legendario Don Quijote (Dinamic Software 1987) por ejemplo. Desde entonces los avances han sido brutales”, continúa Justo Pérez.
Si bien todo esto se empezó a gestarse a mediados del pasado siglo, es ahora cuando el hardware, las matemáticas y el acceso a la información llevan a pensar a los expertos que estamos entrando en una nueva época.
La IA ofrece una nueva forma de lidiar con los datos. Lo que antiguamente se llamaba simplemente estadística ha vuelto ahora con unos algoritmos más sofisticados y con el uso de un hardware que no deja sorprender. Ya está en los móviles, en los coches, la usan en los supermercados, en el lanzamiento de productos, en la teleasistencia.
Con el tiempo es inteligencia se volverá más lista, más rápida y más parecida a las propias personas, porque aprenderá a emular mejor los procesos humanos.
Retos pendientes
Sin embargo, tanto la IA en general como el PLN tienen todavía retos que superar.
“Las soluciones con las que contamos son bastante buenas y consiguen unos niveles de eficacia realmente espectaculares. Sin embargo, la mayor limitación, desde mi punto de vista, reside en la especialización. Por ejemplo: podemos entrenar una red neuronal para que distinga tipos de plantas y, con el suficiente entrenamiento, conseguirá un grado de acierto cercano al 100%.
Mucho más aceptable que el de cualquier humano medio, e incluso mayor que muchos expertos en la materia. El problema es que esa red solo sirve para eso. Si ahora quisiéramos que identificara insectos, no acertaría ni con el insecto palo. En conclusión, su inconveniente es que su nivel de especialización es extremadamente alto”, puntualiza Roberto Alconver, matemático y desarrollador en Magiquo.
En cuanto al texto, el reto de la lingüística aplicada a la IA parte de la capacidad de la máquina de desarrollar un contexto para comprender a nivel general aquello que lee o busca el usuario. Algo en lo que están trabajando muchos equipos de investigación y empresas en todo el mundo.
De hecho, la revista Forbes calcula que más o menos un 34% de las corporaciones de China, Estados Unidos y Europa ya cuentan con desarrollos en IA.
La consultora PwC va más allá en sus estimaciones cuando afirma que para 2030 estas tecnologías contribuirán con unos 16.000 millones de dólares a la economía mundial.
Ciertamente la carrera por posicionarse en primer lugar en esta cuarta revolución industrial ya ha comenzado y si no basta mirar la guerra comercial en la que están inmersos China y Estados Unidos.
¿Qué tiene que hacer Europa y España para no quedarse atrás? “Quizá ¿Una IA nativa de español?
¿Darles un contexto europeo a las aplicaciones ya existentes, en lugar de adaptarnos culturalmente a las innovaciones que recibimos?”. Esas son las reflexiones que deja Justo Pérez en el aire.
Deja un comentario
