El procesamiento del lenguaje natural se está volviendo más preciso y ahora puede atribuir un mejor significado, gracias a los avances en el aprendizaje profundo y otras potentes técnicas de IA. (IMÁGENES FALSAS)

Comentario contribuido por Rana Gujral, CEO de señales de comportamiento

Nuestras vidas están unidas por miles de millones de chatbots y asistentes de voz que toman el lenguaje y responden, a menudo en solo una fracción de segundo. Y si bien esto se ha convertido en una segunda naturaleza para la mayoría de los consumidores, la tecnología detrás de esas respuestas rápidas es relativamente nueva y ha evolucionado rápidamente en los últimos años.

El procesamiento del lenguaje natural (PNL), el medio impulsado por la inteligencia artificial mediante el cual las computadoras analizan las palabras que ingresa, en texto o voz, y procesan su solicitud, se ha beneficiado de años de capacitación y mejoras en los algoritmos que lo potencian.

Rana Guiral, CEO, señales de comportamiento

PNL se refiere a cualquier proceso por el cual una máquina analiza el significado y deriva el significado del habla humana. Esto significa que se realiza en diferentes niveles de complejidad. Se puede utilizar un algoritmo de PNL para evaluar un archivo de datos grande para extraer ciertos términos y frases. Hay un algoritmo de PNL más complejo en Siri y Alexa, que analiza la entrada del usuario, la convierte en texto, analiza ese texto y da una respuesta, y convierte esa respuesta en salida de audio.

Incluso algo tan inofensivo como los resultados de búsqueda de Google ahora utilizan algoritmos de PNL para interpretar el significado de su búsqueda en lugar de solo buscar resultados específicos que coincidan con las palabras clave que ingresó. La IA nos permite ir más allá de la entrada del usuario a la intención del usuario, extraer el significado detrás de oraciones abreviadas y coloquiales para comprender completamente el significado de una pregunta y proporcionar una respuesta más específica. Echemos un vistazo más de cerca a lo que puede hacer la PNL para el habla y cómo afecta a la IA en una escala más amplia.

Cómo funciona el procesamiento del lenguaje natural

Los lenguajes de computadora siguen un conjunto rígido de reglas. Si pierde un operador o argumento, puede romperse por completo. El lenguaje humano no tiene tales limitaciones. Si bien el discurso de alguien puede ser significativamente menos preciso, nuestros idiomas son increíblemente flexibles en cuanto a cómo permiten la expresión. Históricamente, esto los ha hecho difíciles de capturar y analizar con máquinas.

El aprendizaje profundo ha cambiado eso, permitiendo sistemas de IA que pueden evaluar y analizar el lenguaje humano con una precisión increíble. El resultado es PNL. El procesamiento del lenguaje natural no es nuevo. Durante décadas, los científicos han estado escribiendo reglas para analizar la gramática y la ortografía para extraer el significado del texto. Pero no fue hasta que los científicos cambiaron a un modelo de aprendizaje automático en las últimas décadas que el progreso se hizo evidente de inmediato. Sin embargo, pasaron muchos años antes de que se alcanzara un punto de análisis completo y preciso del lenguaje hasta el punto de que pudiera volverse intercambiable. Por ejemplo, Google Translate fue completamente renovado en 2016 con Marco TensorFlow de Google, introduciendo traducción automática neuronal en lugar de modelos estadísticos anteriores. El resultado es una herramienta de traducción muy precisa para las combinaciones de idiomas más comunes.

Desde entonces, PNL se ha utilizado para una variedad de tareas adicionales, incluida la generación de lenguaje, reconocimiento de entidades, etiquetas de voz, análisis de sentimientos y reconocimiento de voz (con los que todos estamos más familiarizados).

El reconocimiento de voz simple había existido por algún tiempo antes de los avances en PNL en los últimos años. El software ha sido capaz de capturar el habla en forma de texto, aunque con una precisión menos que perfecta. La PNL es diferente porque va más allá de simplemente capturar el habla. Sintetiza, analiza y da sentido al discurso, lo que permite a los desarrolladores que pueden usar datos en nuevas formas: traducir, consolidar o buscar información relevante.

Aplicaciones del procesamiento del lenguaje natural.

La PNL se utiliza en docenas de industrias para simplificar las operaciones y abordar puntos débiles de larga data. los el cuidado de la salud es un buen ejemplo. Con más del 95% de los hospitales que utilizan registros de salud electrónicos (EPD), la cantidad de tiempo dedicado a la documentación para cumplir con las nuevas regulaciones ha aumentado dramáticamente en toda la industria. El agotamiento resultante limita el tiempo que los profesionales pueden pasar con sus pacientes y reduce su efectividad. NLP se utiliza para procesar esas grandes cantidades de datos más rápido y con menos aportes de la persona experta. Se utiliza para extraer datos e información clínica en un formato que los médicos puedan acceder y consumir más fácilmente.

La PNL se utiliza en varias industrias para optimizar la comunicación con los clientes. Los chatbots se han vuelto omnipresentes, pero han tenido un impacto significativo en industrias de alto contacto como las finanzas. Proporcionan a los clientes acceso a información que anteriormente requería un agente humano, hacen preguntas básicas y se envían al agente apropiado cuando un problema es demasiado complejo.

Otros usos para PNL incluyen:

  • Análisis de los sentimientos – Los datos son inherentemente objetivos y los precursores de la PNL moderna se basaron en gran medida en aportes cuantitativos para extraer el significado. Algoritmos de PNL hoy puede evaluar cosas como publicaciones en redes sociales, paneles de investigación de mercado, cuestionarios y entrevistas para identificar elementos comunes de emociones clave y obtener una imagen general del sentimiento de una persona, o en el caso de un estudio más amplio, el sentimiento público. Por ejemplo, Cognovi Labs, con sede en Ohio, utilizó dicho algoritmo para construirlos. Índice de pánico de coronavirus Mida cómo las personas responden a la pandemia en tiempo real.
  • Resumen de datos – Tenemos un conocimiento humano total todos los días, pero la cantidad de información es abrumadora. PNL puede reducir textos largos a resúmenes de alto nivel que son más útiles en negocios, investigación académica y más.
  • Información de mercado – Las empresas confían cada vez más en los algoritmos de PNL para identificar la respuesta del mercado a sus productos. Los datos se presentan en forma de tráfico del sitio web, reseñas de usuarios, publicaciones en redes sociales, conversaciones de servicio al cliente e incluso datos de ventas fuera de línea, todo lo cual puede analizarse en busca de patrones accionables.

Las aplicaciones de PNL se están expandiendo rápidamente a medida que el «PNL de la nueva era» permite a los desarrolladores omitir el paso de texto a voz en el procesamiento de entrada. El análisis del comportamiento de los datos del habla ahora puede distinguir las señales vocales, como el tono y la variación del tono, haciendo que los datos sean mucho más ricos que las transcripciones de texto sin formato de los archivos de audio, como lo ha hecho tradicionalmente la PNL. En lugar de tomar el significado estrictamente del texto, estos nuevos algoritmos de PNL son considerablemente más precisos al asignar intención y sentimiento al habla.

Máquinas agnósticas de lenguaje

Uno de los mayores desafíos en las empresas y las computadoras es la barrera del idioma. Hay más de 7,000 idiomas en el mundo y cientos se utilizan en negocios internacionales. Algunos países tienen docenas de dialectos propios, que pueden ser obstáculos importantes para las aplicaciones informáticas que dependen de un puñado de idiomas principales.

Tradicionalmente, para extender un modelo de PNL a un nuevo idioma, se debe registrar y anotar un nuevo conjunto de datos. Es un proceso muy costoso y lento que no se escala correctamente. Mejoras de aprendizaje profundosin embargo, permita que los desarrolladores implementen incrustaciones multilingües y sistemas como mBERT eso puede acelerar el desarrollo de nuevos modelos de PNL. Todavía no estamos allí, pero ahora tenemos un camino hacia la informática independiente del lenguaje que conectará más plenamente las mentes del mundo a través de la IA.

Rana Gujral es emprendedora, oradora, inversionista y CEO de Behavioral Signals, una compañía de software para IA emocional y reconocimiento de conducta. Sus escritos se pueden encontrar en publicaciones como Inc., TechCrunch y Forbes. Él puede ser contactado en rana@behavioralsignals.com.



Source link