Procesamiento del lenguaje natural: una hoja de trucos
No hace mucho tiempo, hablar con una computadora y hacer que no solo entendiera, sino que también respondiera, estaba limitado al ámbito de la ciencia ficción, como las computadoras a bordo de los barcos de Estados Unidos. Star TrekLa tecnología del siglo 24 Starship Enterprise es una realidad en el siglo 21 gracias al Procesamiento del lenguaje natural (NLP), una disciplina impulsada por el aprendizaje automático que permite a las computadoras comprender, procesar y responder a textos hablados y escritos.
No se equivoque: la PNL es un campo complejo en el que las personas pueden pasar años aprendiendo. Esta guía cubre los conceptos básicos de la PNL, detalla cómo puede beneficiar a las empresas y explica dónde comenzar a implementarla.
Mirar: Procesamiento del lenguaje natural: una hoja de trucos (PDF gratuito) (República Tecnológica)
¿Qué es el procesamiento del lenguaje natural?
El Procesamiento del Lenguaje Natural (NLP) es un enfoque interdisciplinario que permite que las computadoras escuchen, procesen, entiendan y repliquen el lenguaje humano. Los campos que incluyen la lingüística, la informática y el aprendizaje automático son parte del proceso de NLP, cuyos resultados se pueden ver en asistentes digitales, chatbots, aplicaciones de traducción en tiempo real y otro software que utiliza el lenguaje.
El concepto de que las computadoras aprendan a comprender y usar el lenguaje no es nuevo: se remonta a la época de Alan Turing. computadora e inteligencia Un artículo publicado en 1950, de donde surgió la idea de la prueba de Turing.
En resumen, Turing está tratando de determinar si las máquinas pueden comportarse de manera indistinguible de los humanos, lo que fundamentalmente requiere la capacidad de procesar el lenguaje y responder de manera informada.
VER: Todas las hojas de trucos y guías inteligentes de Tecnopedia
Desde que Turing escribió su artículo, han surgido muchos enfoques para el procesamiento del lenguaje natural.El primero es un sistema basado en reglas como eliza, solo pueden hacer algo con un conjunto de instrucciones. Los sistemas como ELIZA se distinguen fácilmente de los humanos porque sus respuestas formuladas y no específicas rápidamente se vuelven repetitivas y se sienten antinaturales: carecen de comprensión, que es una parte fundamental de la PNL moderna.
Con el advenimiento del aprendizaje automático, donde las computadoras pueden desarrollar algorítmicamente sus propias reglas basadas en datos de muestra, el procesamiento del lenguaje natural se ha disparado de una manera que Turing no podría haber previsto.
El procesamiento del lenguaje natural ha llegado a un estado en el que puede comprender el lenguaje humano mejor que las personas reales. Sin embargo, incluso este hito impresionante todavía no llega a ser una PNL verdaderamente completa, porque las máquinas que hacen el trabajo solo transcribe el lenguaje, no se les pide que lo entiendan.
Las plataformas modernas de NLP también son capaces de procesar el habla visualmente. Roseta de Facebookpor ejemplo, puede «Extraiga texto en diferentes idiomas en tiempo real de más de mil millones de fotogramas de imágenes y videos» El sitio hermano de Tecnopedia, CNET, dijo.
Mirar: Gestión de IA y ML en Enterprise 2023: los líderes tecnológicos aumentan el desarrollo y la implementación de proyectos (República Tecnológica Premium)
Otros recursos
¿Cuáles son los desafíos del procesamiento del lenguaje natural?
Las computadoras no necesitan entender el lenguaje humano para hablar un idioma: las máquinas operan en una construcción de lenguaje que les permite aceptar entradas, procesar datos y responder a comandos.
Los lenguajes como Swift, Python, JavaScript, etc. tienen algo en común que les falta a los lenguajes naturales: precisión.
El lenguaje humano no es preciso por ninguna definición: es contextual, metafórico, ambiguo y siempre imperfecto, y comprender el lenguaje requiere un trasfondo y un poder interpretativo del que carecen muchas computadoras.
La lingüista computacional Ekaterina Kochmar, en Discusión sobre el procesamiento del lenguaje natural, explicando que las palabras existen en un espacio semántico imaginario. En nuestras mentes, tenemos representaciones de palabras, y las palabras con significados relacionados o similares viven de cerca en una red de comprensión semántica, dijo Kochmar.
Pensar en el lenguaje de esta manera habilita herramientas de aprendizaje automático que permiten a las computadoras crear algorítmicamente su propio espacio semántico para inferir relaciones entre palabras y comprender mejor el habla natural.
Mirar: Automatización robótica de procesos: una hoja de trucos (PDF gratuito) (República tecnológica)
Aún así, eso no significa que el desafío haya sido superado. Todavía es difícil para los programas de PNL pasar de comprender declaraciones simples y precisas (como las de un asistente digital) a generar un discurso plausible por sí mismos.Los corazones de caramelo generados por inteligencia artificial (IA) que se enseñan a comprender el lenguaje romance son predeciblemente ridículoy 1 caminouna novela escrita en su totalidad por redes neuronales artificiales, a menudo absurdas, con solo un atisbo casual de comprensión semántica, que podría ser todo depende del azar.
Si bien el procesamiento del lenguaje natural tiene una capacidad avanzada para analizar el habla, convertirlo en datos, comprenderlo y usar algoritmos para generar respuestas adecuadas, a menudo carece de la capacidad de hablar de forma independiente o dominar la ambigüedad y la metáfora. Fundamentos del Lenguaje Natural.
Hemos dominado la primera parte: la comprensión. La segunda parte, generar habla natural o lenguaje humano, todavía estamos un poco atascados.Si la matemática e informática pionera Ada Lovelace tiene razón, es posible que nos quedemos atrapados allí por un tiempo: ella supone que las computadoras solo pueden hacer lo que les decimos que hagan, y sin originalidadConocida como la objeción de Lady Lovelace, se ha convertido en una parte común de las críticas a la prueba de Turing y, por lo tanto, al procesamiento del lenguaje natural: si las máquinas no pueden tener ideas originales, ¿hay alguna forma de enseñarles a usar un lenguaje no original? para finalmente repetir?
Recursos adicionales:
¿Cómo se utiliza el procesamiento del lenguaje natural?
El procesamiento del lenguaje natural tiene muchas aplicaciones prácticas en una variedad de usos comerciales.
Google Duplex es probablemente el ejemplo de uso más destacado de procesamiento de lenguaje natural disponible en la actualidad. asistente digital, Lanzado en 2023, no solo puede entender declaraciones complejas, sino que también habla de una manera que es casi indistinguible de los humanos: espasmos de voz, etc. El objetivo de Duplex es realizar tareas del mundo real por teléfono, ahorrando a los usuarios de Google el tiempo que dedican a concertar citas, reservar servicios, realizar pedidos y más.
El 98 % de las empresas Fortune 500 ahora utilizan software de procesamiento de lenguaje natural para filtrar a los solicitantes de empleo para la búsqueda de empleo mediante un producto conocido como sistema de seguimiento de solicitantes. Estos productos eligen las palabras clave correctas y otros elementos del idioma a través del currículum.
Mirar: Robots en la empresa (PDF gratuito) (República tecnológica)
Los chatbots se están convirtiendo rápidamente en la primera línea del servicio al cliente en línea, con el 68% de los consumidores diciendo que han tenido una experiencia positiva al hablar con un chatbot. Estos bots utilizan el procesamiento del lenguaje natural para resolver solicitudes y preguntas básicas, al mismo tiempo que pueden realizar solicitudes a los humanos según sea necesario.
el uso de PNL en entornos sanitarios Muchos: el dictado médico, el procesamiento de registros escritos a mano, la compilación de datos de atención médica no estructurados en formatos utilizables y la conexión del lenguaje natural a códigos de facturación médica complejos son todos usos potenciales. La PNL también se ha utilizado recientemente para Detección de pacientes para COVID-19.
La PNL se puede utilizar para medir las actitudes de los clientes en un entorno de centro de llamadas, realizar «análisis de sentimientos» en las publicaciones de las redes sociales, se puede utilizar como parte del análisis de inteligencia empresarial y puede complementar el análisis predictivo.
El procesamiento del lenguaje natural tiene el potencial infinitas aplicaciones: Cualquier cosa que involucre lenguaje, con el enfoque correcto, puede ser un caso de uso para NLP, especialmente cuando implica procesar grandes cantidades de datos que a los humanos les llevaría demasiado tiempo procesar.
Recursos adicionales:
¿Cómo aprenden los desarrolladores el procesamiento del lenguaje natural?
La PNL es un tema complejo, y un científico informático fácilmente podría pasar años aprendiendo los entresijos del mismo.Si su objetivo es estar a la vanguardia de la investigación de PNL, podría ser mejor considerar ingresar a un Un buen programa para la lingüística computacional..
Los desarrolladores que quieran aprender a aprovechar las técnicas actuales de NLP no necesitan profundizar demasiado.Empresa de análisis de texto MonkeyLearn Recursos y pasos para comenzar con el procesamiento del lenguaje naturalAquí hay algunos puntos clave de su guía.
La guía de MonkeyLearn también incluye enlaces a varios artículos, estudios y revistas que cualquier desarrollador de PNL en ciernes debería conocer.
Recursos adicionales:
¿Cuál es la mejor forma de que una empresa empiece a utilizar el procesamiento del lenguaje natural?
Todas las empresas utilizan el lenguaje, por lo que es probable que tenga al menos uno o dos usos para la PNL en su organización, pero ¿cómo pasa de pensar en lo que la PNL puede hacer por usted a hacerlo realmente? Hay muchos pasos a considerar.
Primero, necesita saber cuáles son los objetivos de la PNL en su negocio. ¿Desea usarlo como una herramienta de análisis para agregar datos o desea crear un chatbot que pueda interactuar con los clientes a través de mensajes de texto en su portal de soporte? Tal vez desee utilizar NLP como columna vertebral para los filtros de correo electrónico, comprender el sentimiento del cliente o utilizarlo para la traducción en tiempo real.
Independientemente de lo que desee que la PNL haga por su negocio, debe comprender sus objetivos antes de comenzar a pensar en hacerlo realidad.
Mirar: Principales proveedores de nube 2023: AWS, Microsoft Azure y Google Cloud, jugadores híbridos y SaaS (República tecnológica)
Una vez que sepa lo que quiere hacer con la PNL, es hora de encontrar a las personas adecuadas para construir el sistema que desea. Probablemente ya tenga desarrolladores internos familiarizados con Python y algunos de los marcos de NLP mencionados anteriormente. Si este es el caso, involúcrelos en la fase de planificación desde el principio.
Si no tiene a nadie en la empresa para desarrollar software de PNL, se enfrenta a una elección: contratar a alguien nuevo o incorporar Terceros especialistas en soluciones de PNL.
Si elige lograr sus objetivos de PNL internamente, deberá encontrar una solución o un proveedor de software adecuado para alojar su plataforma de PNL, y hay muchos nombres reconocibles para elegir.
ibm watson Hay opciones, proporcionadas por AWS Amazon entiende y Otros servicios de PNL, microsoft azure También hay servicios de PNL Nube de GoogleLa elección de la plataforma adecuada requiere la participación de sus desarrolladores porque utilizan el software todos los días y el éxito de su programa de PNL puede depender de su capacidad para utilizar la plataforma.
Recursos adicionales:
