Campus
Diagrama de temas
-
Procesamiento del lenguaje natural
El procesamiento del lenguaje natural (PLN) es una disciplina relacionada con la forma en que los computadores analizan y aplican los lenguajes humanos. En realidad, hay muchas disciplinas secundarias que conforman el campo del PLN, que incluyen las siguientes:
•Análisis de texto
•Reconocimiento de voz
•Comprensión del lenguaje natural
•Generación del lenguaje natural
•Traducción del lenguaje natural
Si alguna vez ha usado un programa de conversión de texto a voz o de voz a texto, ha usado tecnología que es factible gracias a una o más de estas técnicas de PLN. Los computadores pueden intentar reconocer el lenguaje, ya sea escrito o hablado, y luego analizarlo en busca de rasgos lingüísticos familiares como la sintaxis, la semántica, la fonética, la gramática, la ortografía y más. En algunas aplicaciones, los computadores pueden usar este análisis para generar un nuevo discurso o texto escrito que se aproxime a cómo los humanos realmente hablan o escriben.
El PLN busca cerrar la brecha entre la forma en que los computadores se comunican y cómo lo hacen los humanos. Puede permitir a las personas comprender más fácilmente a las máquinas y usar comandos de voz todos los días para pedir información a asistentes digitales como Siri, Google Assistant™ y Alexa. El PLN también ayuda a las personas con discapacidades a comunicarse con otras a través del uso de un computador. También puede ayudar a los humanos a interpretar volúmenes de datos de texto registrados todos los días en línea.
Figura 1. Algunas de las disciplinas secundarias involucradas en el PLN. 
Los idiomas humanos son increíblemente complejos, y en muchos casos, sufren de una ambigüedad de significado. Considere los homónimos "they're", "there" y "their" en el idioma inglés. Si le dice "they're" a un sistema de PLN, ¿cómo sabrá que no quería decir "there" o "their"? Del mismo modo, tome la siguiente frase: "Conduje al mecánico con mi automóvil". ¿Fue al mecánico que actualmente tiene su automóvil o fue al mecánico en su auto? Son complejidades como estas las que hacen que el aprendizaje automático sea tan vital en el PLN.
Al igual que los buscadores impulsados por IA, los sistemas de PLN impulsados por IA pueden examinar el contexto de un fragmento de texto o voz para determinar la intención subyacente. Un algoritmo de aprendizaje automático podría entrenarse en datos de lenguaje que indican que la palabra "they're" suele ir seguida de un participio presente (un verbo que termina en "ing") como "going" o "helping". El algoritmo también observa que es menos común que "there" y "their" sean seguidos por esta forma verbal. Por lo tanto, el sistema de PLN puede usar este contexto en combinación con muchos otros para determinar el significado real detrás de lo que una persona dice.
Cuando se trata de generar realmente lenguaje a partir de un computador, la IA también puede hacer que la comunicación sea más realista e incluso imitar los patrones de habla de las personas, lo que ayudará a que los asistentes digitales del mañana sean aún más efectivos para ayudar a los humanos en su vida diaria.
Información adicional
Para obtener más información sobre qué es el procesamiento del lenguaje natural y cómo se usa, consulte esta página.
Campus
