La tecnología de voz como Siri, Cortana, Alexa y ChatCompose utilizan la comprensión del lenguaje natural, es decir, logran deducir lo que realmente quieres decir, independientemente de la forma como te expreses.
Es así como la comprensión del lenguaje natural se está haciendo cada vez más importante en nuestros días para los sistemas que hacen más fácil la vida diaria a nivel personal y corporativo.
Aquí daremos una revisión a qué es y cómo funciona la comprensión del lenguaje natural o NLU (por sus siglas en inglés).
Gartner, líder en investigación y asesoramiento de nuevas tecnologías, define la comprensión de lenguaje natural en su glosario como “la comprensión por parte de las computadoras de la estructura y el significado del lenguaje humano (por ejemplo, inglés, español, japonés), lo que permite a los usuarios interactuar con la computadora usando oraciones naturales”.
Entones NLU viene a ser la Inteligencia Artificial que utiliza software de computadora para interpretar texto y cualquier tipo de datos no estructurados.
Así que la IA puede digerir un texto, traducirlo a un lenguaje informático y producir un resultado en un lenguaje que los humanos puedan entender.
Ahora bien, por un lado se habla mucho del procesamiento de lenguaje natural (NLP) y por otro lado tenemos la comprensión del lenguaje natural (NLU) ¿en qué se diferencian? En principio, NLU es un subconjunto del mundo más amplio de NLP (aunque es un subconjunto importante y desafiante).
El procesamiento del lenguaje natural (NLP) se refiere a los sistemas que en conjunto procesan las interacciones de un extremo a otro entre las máquinas y los humanos en el lenguaje preferido de los humanos. En otras palabras, la NLP permite que las personas y las máquinas se comuniquen entre sí de forma "natural".
NLP forma parte de cualquier inteligencia artificial orientada hacia el humano. Un sistema de NLP eficaz es capaz de asimilar lo que se le dice, desglosarlo, comprender su significado, determinar la acción apropiada y responder en un lenguaje que el usuario pueda entender.
Por su lado la comprensión del lenguaje natural (NLU) se enfoca en uno de los mayores desafíos de la IA, que es encontrar la manera de manejar mejor las entradas no estructuradas que se rigen por reglas flexibles y mal definidas y convertirlas en una forma estructurada que una máquina pueda comprender para actuar en consecuencia.
Nosotros los humanos podemos manejar sin problemas las pronunciaciones erróneas, palabras intercambiadas, contracciones, coloquialismos y otras peculiaridades del lenguaje.
Pero para las máquinas estos escenarios son un gran desafío. Entonces NLU se enfoca por lograr que las máquinas comprendan lo que decimos sin importar las variaciones naturales (al menos para nosotros) del lenguaje.
Para construir máquinas que entiendan el lenguaje natural, se debe desmenuzar el habla en una ontología estructurada usando una combinación de reglas, modelos estadísticos u otras técnicas.
Las entidades deben extraerse, identificarse y resolverse, y el significado semántico debe derivarse dentro del contexto y usarse para identificar intenciones. Por ejemplo, una frase simple como: "Necesito un vuelo y hotel en Miami del 4 al 10 de octubre" se puede estructurar de la siguiente manera:
Necesito: vuelo {intención} / Necesito: hotel {intención} / Miami {ciudad} / 4 de octubre {fecha} / 10 de octubre {fecha} / opinión: 0.5723 (neutral)
Esto es lo que se conoce como lingüística computacional. Las empresas modernas están redoblando sus esfuerzos por ser capaces de interactuar con los clientes de forma más natural sin demasiada supervisión.
Desde las pequeñas, hasta las grandes empresas quieren una cosa: que sus sistemas se sientan más humanos.
Algunos ejemplos de comprensión de lenguaje natural pueden ser:
El primer ejemplo es la automatización del servicio al cliente. Ahora existen soluciones de análisis de texto como los chatbots de ChatCompose que ayudan a la máquina a comprender el contenido de un ticket de soporte. Así, la máquina envía el ticket al departamento de soporte correspondiente o ofrece la respuesta correcta. Esto no solo ahorra a los equipos de atención al cliente cientos de horas, sino que también les ayuda a priorizar los tickets urgentes.
Zendesk señala que las empresas de tecnología reciben más de 2600 consultas de soporte al cliente por mes.
En ese contexto, la tecnología NLU puede ayudar a ordenar datos no estructurados, como correos electrónicos o chats en vivo, por tema y nivel de urgencia. Luego puede enrutar los tickets con el agente que corresponde.
Google Translate, Microsoft Translator y Facebook Translation son líderes en el campo de la traducción de idiomas “genéricos”. Estos sistemas utilizan algoritmos complejos que se basan en reglas lingüísticas y entrenamiento de máquinas de inteligencia artificial.
La traducción automática puede hacer el trabajo de traducir un mismo documento en una gran cantidad de idiomas.
El razonamiento automatizado se utiliza para probar automáticamente teoremas matemáticos o hacer inferencias lógicas sobre un diagnóstico médico. Da a las máquinas cierta lógica que les permite deducir nuevos hechos.
Es decir que los sistemas, utilizando información previamente recopilada y analizada, pueden generar nuevas conclusiones. Por ejemplo en el campo de la medicina, las máquinas pueden inferir un diagnóstico basado en diagnósticos previos usando las reglas de deducción SI-ENTONCES.
Este es un subcampo de NLP y reconocimiento de voz que utiliza NLU para ayudar a las computadoras a comprender automáticamente las preguntas en lenguaje natural. Los chatbots y voicebots de ChatCompose utilizan esta aplicación de NLU.
Y como antes vimos, cuando les hacemos alguna pregunta a estos asistentes de voz, ellos desglosan la oración bajo ciertos parámetros y ofrecen la respuesta más adecuada a partir de colecciones no estructuradas de documentos como noticias en línea, páginas web, sitios de referencia y más.
El objetivo de responder preguntas es dar al usuario una respuesta en su lenguaje natural, en lugar de una lista de respuestas de texto.
Estos son solo algunos ejemplos y aplicaciones de NLU, pero esta tecnología basada en IA se está convirtiendo en una base principal para todo tipo de negocios. Recomendaciones en Spotify o Netflix, autocorrección y respuesta automática, asistentes virtuales y categorización automática de correo electrónico, son solo ejemplos que podemos mencionar rápidamente. Es seguro que, sin saberlo, has visto la NLU en acción.
