Procesamiento del lenguaje natural (PLN)
El procesamiento del lenguaje natural (PLN) consiste en un grupo de mecanismos que permiten a nivel computacional una comunicación eficaz entre personas y dispositivos.
En otras palabras, el procesamiento del lenguaje natural o PLN pertenece al sector de las tecnologías inteligentes y, a su vez, se trata de una rama de investigación relacionada con la computación.
¿Qué es el lenguaje natural? ¿Por qué se debe procesar?
El lenguaje natural es el lenguaje que usamos las personas en nuestro día a día para comunicarnos. Este puede estar compuesto por palabras, frases, formas de expresión coloquiales.
Por otro lado, el procesamiento del lenguaje natural (PLN) es, como se ha mencionado anteriormente, una rama de la inteligencia artificial. Tiene como objeto hacer de traductor entre las personas y las computadoras.
Por tanto, el objetivo final de este es crear máquinas que puedan entender y responder a texto o voz de la misma manera que lo hacen las personas entre sí.
El PLN combina la lingüística computacional, la cual, se basa en un modelado de reglas del lenguaje ya preestablecidas. Junto con modelos estadísticos, de machine learning y deep learning, pueden llegar a descifrar frases hechas, expresiones coloquiales o incluso la propia ironía. Esta última, la ironía, es la más complicada de descifrar, puesto que el contenido del texto o voz no es suficiente, sino que se debe medir también el tono en el que se realiza y el contexto.
Desafíos que presenta el procesamiento del lenguaje natural (PLN)
En lo que respecta al PLN, se deben tener en cuenta varios factores:
- Heterogeneidad de los idiomas: Cada idioma tiene sus propias reglas, alfabeto y estructura gramatical. Si bien es cierto que, por ejemplo, las lenguas romances (español, italiano, francés, portugués y rumano) son idiomas con grandes similitudes. El desafío radica cuando se deben realizar procesos de lenguaje natural con la misma eficacia en español, chino, árabe o indio, ya que el alfabeto y las culturas comunicativas son muy distintas.
- Acentos y dialectos: Este es un problema a la hora de homogenizar la forma en la que una máquina entiende un idioma. Es decir, los acentos y dialectos suelen transformarlo levemente, lo suficiente para confundir a la máquina o dispositivo.
- Evolución del idioma y el lenguaje. Este es uno de los aspectos que menos preocupan, pero que también se debe tener en cuenta. Ya que cambios en las reglas gramaticales o de uso del lenguaje escrito o hablado son recurrentes a lo largo del tiempo.
Luego, a la hora de poner en práctica técnicas y algoritmos que tengan como objetivo final el procesamiento del lenguaje natural, estos desafíos deben considerarse para que el proyecto o la herramienta construida sea útil y eficiente.
Ejemplos de procesamiento de lenguaje natural (PLN)
Algunos de los ejemplos que destacan en este ámbito son:
- Asistentes de voz.
- Dictados de voz.
- Órdenes en formato voz.
En primer lugar, los asistentes de voz se refieren a los ya conocidos Siri o Alexa (por ejemplo). Estas inteligencias artificiales intentan recrear una conversación básica con un ser humano, teniendo por el momento muchas limitaciones.
En segundo lugar, los dictados de voz consisten en aquellas aplicaciones que se dedican a transformar ficheros de audio a ficheros de texto. Estas aplicaciones no requieren de una respuesta, pero sí de una cierta precisión.
Finalmente, tenemos las órdenes en formato voz, las cuales, se orientan mayormente a comandos de voz que se traducen en órdenes. En este apartado destacan ciertas aplicaciones en domótica y en los primeros ‘asistentes de voz’ de móviles y smartphones.
