close

Insider

[Podcast] Cómo las máquinas tratan el lenguaje humano?

Written by Alana Team
on julio 27, 2020

Ahora que sabe si las máquinas piensan como los humanos,  ha llegado el momento de comprender cómo manejan el lenguaje humano y cuál es la capacidad actual de comprender cómo nos comunicamos.

En este episodio, Marcellus Amadeus, CTO de Alana AI, habla sobre las limitaciones del lenguaje de las máquinas y explica cómo utilizan trucos matemáticos para entender a los humanos.

Lenguaje Humano y Comunicación

Para comprender cómo las máquinas tratan el lenguaje humano, primero debemos hablar sobre el concepto de lenguaje y su papel en la comunicación. Según el diccionario, la definición de los conceptos es:

  • El lenguaje es cualquier medio sistemático de comunicar ideas o sentimientos a través de signos, sonidos, gráficos, gestos, etc. convencionales.
  • La comunicación es la acción de transmitir un mensaje y, eventualmente, recibir otro mensaje en respuesta

Para que exista la comunicación, debe haber una interpretación del lenguaje. Este punto es clave para la comunicación tanto de los humanos como de las máquinas.

Por ejemplo, imagina viajar a un país en el que no hablas el idioma. No podrá interpretar los signos del idioma local, puede entender alguna imagen universal, pero la comunicación será defectuosa.

Lo mismo ocurre con las máquinas. 

Si no pueden interpretar el lenguaje natural humano, no pueden comunicarse con calidad. Para que eso suceda, existe el método NLP (Natural Language Processing).

Procesamiento del Lenguaje Natural (NLP)

El procesamiento del lenguaje natural (PNL) es una subárea de la informática, la inteligencia artificial y la lingüística.

Dentro de la inteligencia artificial, es un área fundamental para garantizar la calidad de la comunicación con las personas, ya que la PNL es la tecnología que se utiliza para ayudar a los ordenadores a comprender el lenguaje humano.

Estudia los problemas de generación y comprensión de los lenguajes humanos y ha ido evolucionando desde la década de 1950. Podemos dividir esta evolución en tres fases:

imagem_1_esp-min-Sep-30-2020-04-30-25-38-AM

Evolución de la NLP

El enfoque simbólico se basa en reglas léxicas, las desarrolladas por el hombre, es decir, sigue el discurso obligatorio, que son materializadas y registradas por especialistas para que los sistemas las sigan.

La segunda fase, que es estadística, se basa en muestras observables y recurrentes de fenómenos lingüísticos. Por ejemplo:

  • Los modelos reconocen temas recurrentes a través del análisis matemático de grandes partes del texto; 
  • Al identificar una tendencia, el sistema informático puede desarrollar sus propias reglas de lenguaje que se utilizarán para analizar la futura generación de lenguaje de entrada y/o salida.

Finalmente, el enfoque neuronal, que sigue al aprendizaje supervisado y es completamente numérico. Este es el modelo que usamos hoy que funciona de la siguiente manera:

  • Primero, convierte la oración, que es el lenguaje, en números (vectores);
  • La frase se representa entonces por los números asignados a cada palabra, de modo que puede ser utilizada por los algoritmos de la red neurona;
  • El algoritmo de la red neuronal analiza y encuentra patrones en los números para hacer la interpretación.

Curiosidad sobre la NLP

Marcellus aprovechó la oportunidad para compartir un hecho histórico muy interesante. 

Los sistemas de NLP fueron una de las primeras aplicaciones de la inteligencia artificial. En la década de 1950 se creó una aplicación para traducir del ruso al inglés, basada en un diccionario bilingüe y con reglas predefinidas.

Otra famosa aplicación histórica basada en PNL es el chatbot ELIZA, creado en 1965, que fue uno de los primeros chatbots de la historia en poder realizar la prueba de Turing.

Imagem da tela de um computador demonstrando o chatbot ELIZA

Límite en la comunicación entre máquinas y humanos

Uno de los principales desafíos en el desarrollo de una IA es abordar la pregunta: ¿cómo interpreta la máquina el contexto? 

Marcellus dice que las máquinas se están volviendo más inteligentes, ¡pero  hay un factor limitante crucial que es el contexto! Aunque las máquinas pueden interpretar los símbolos, no pueden interpretar el contexto en sí mismo.

Algunos algoritmos más modernos, por ejemplo, generan texto y lo interpretan de manera precisa y coherente, pero la máquina no siente algo genuino.

Tecnología escalable

Las personas involucradas en el desarrollo de la inteligencia artificial buscan formas de hacer que la tecnología sea más escalable aumentando la capacidad de comprensión de la máquina.

Por ejemplo, permitiendo que la máquina aprenda de la información que ya tiene disponible, creando datos para alimentarse.

En general, los avances en PNL son clave para mejorar las interacciones de la inteligencia artificial con los humanos.

¿Quieres saber más sobre la inteligencia artificial? Siga el Inside Alana Podcast  y escuche los episodios disponibles, cuando quiera.

personagens escrevendo

 



assinatura_teamalana

 

Você também pode gostar:

Insider

[Podcast] Los desafíos de la inteligencia artificial en la comunicación

Para muchos, la inteligencia artificial solo existe en películas o teorías de conspiración sobre el fin del mundo. Aunqu...

Insider

Alana AI expande sus operaciones en América Latina

Fundada en 2015, Alana AI está abriendo oficinas en México y Puerto Rico. Hoy, la empresa de inteligencia artificial ya ...

Insider

¿Qué cambia con la Ley General de Protección de Datos (LGPD) en Brasil?

¿Sabías que la Ley General de Protección de Datos se promulgó en septiembre de este año y entrará en vigor a partir del ...

Receba insights sobre
Inteligência Artificial por e-mail,
na medida certa.