Natural Language Processing

Desde chatbots a Alexa: la evolución del procesamiento del lenguaje natural

Solo hace poco vemos a través del aprendizaje profundo todo el potencial del NLP.

El aprendizaje profundo suena misteriosos y un poco amenazante. Sin embargo, es probable que sea algo con lo que interactúa todos los días si tiene un teléfono inteligente o un Echo. Cada vez que le hace una pregunta a Siri, Google o Alexa, el aprendizaje profundo es la tecnología detrás de escena que elabora la respuesta.

Este concepto, como subconjunto del machine learning, está diseñado para resolver problemas muy complejos. Usa un modelo inspirado en el cerebro con redes neuronales artificiales que mejoran de forma continua su capacidad de hacer predicciones basadas en datos. Esta tecnología les ha permitido a los científicos de datos e informáticos hacer grandes avances en el campo del procesamiento del lenguaje natural (NLP); por este motivo, ahora vivimos en un mundo rodeado de la tecnología de voz mencionada anteriormente. Los lingüistas han analizado el lenguaje usando software informático durante los últimos setenta años, pero solo hace poco tiempo vemos a través de la AI y del aprendizaje profundo el verdadero potencial del NLP.

En este episodio de Cloud Talk, Jeff DeVerter, CTO de Rackspace Technology, se une a tres expertos en AI y ciencia de datos para analizar el tema del NLP. Los invitados son Spyro Ananiades y Mark McQuade, de Rackspace Technology, y Carla Margalef Bentabol, cofundadora y CTO de Babbly.

Conéctese para escuchar sobre los siguientes temas:

  • La evolución del NLP, desde el primer chatbot en 1966 hasta el mundo moderno con más datos, el poder de las máquinas y la AI sofisticada.
  • Cómo usa Babbly la AI y el aprendizaje profundo para ayudar a los padres a entender el progreso del desarrollo de sus bebés.
  • Cómo resolver los desafíos del procesamiento del lenguaje natural, cómo comprender el lenguaje natural y cómo generar lenguaje natural.
  • Cómo progresar en el NLP mediante un aprendizaje no supervisado.

Mark McQuade, gerente de Práctica, Ingeniería y Ciencia de Datos de Rackspace Technology, ofrece ejemplos de casos de uso comerciales para el NLP. "Piense acerca de cuánto texto encuentra. Todos sabemos cuántos datos dan vueltas hoy en día. Sin embargo, pensemos acerca de los datos de texto, incluso cuando se trata del social media en las publicaciones y los comentarios. En este momento, un caso de uso masivo ejecuta NLP en Twitter. Usted tiene la capacidad de extraer el análisis de sentimiento, que es una forma de NLP. Tiene la capacidad de extraer palabras clave o frases para saber de qué habla la gente. ¿Qué dice la gente acerca de su empresa? ¿Cuán satisfechos están sus clientes? Es un ejemplo excelente de cómo podría usar el NLP en su empresa".

Carla Margalef Bentabol, cofundadora y CTO de Babbly, explica cómo su equipo desarrolló un software para reconocer sonidos en lugar de lenguaje. "A medida que los bebés producen sus sonidos, que todavía no son un lenguaje completamente formado, Babbly analiza los segmentos de audio y clasifica los sonidos reconocibles en función de investigaciones y de nuestros propios datos. Identificar en qué etapa se encuentra el bebé les permite a los padres fomentar el aprendizaje, y Babbly recomienda las actividades respaldadas por investigaciones para ayudar al niño a alcanzar el siguiente hito, hasta el momento en que el niño pronuncia sus primeras palabras".

Spyro Ananiades, arquitecto de Ciencia de Datos de Rackspace Technology, explica cómo el aprendizaje sin supervisión ha acelerado el progreso en el NLP. "Desde 2020, se ha puesto realmente la atención en el aprendizaje sin supervisión. Esto implica algoritmos que no requieren anotaciones de personas en el conjunto de datos de formación. Y vamos a ver grandes mejoras en esto porque las personas siempre han representado el obstáculo. Ahora podemos incorporar datos en los modelos de aprendizaje profundo, y esto comenzará a agrupar cosas por similitudes y a resolver por su cuenta. ¡Eso lo que es fascinante de este campo en estos momentos!"

Listen & Follow

 

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.

Subscribe
Machine Learning Mark McQuade

El machine learning es más que un término de moda, pero no es la respuesta a todos los problemas

About the Authors

rackspace logo

Rackspace Technology Staff - Solve

The Solve team is made up of a curator team, an editorial team and various technology experts as contributors. The curator team: Srini Koushik, CTO, Rackspace Technology Jeff DeVerter, Chief Technology Evangelist, Rackspace Technology The editorial team:  Gracie LePere, Program Manager Royce Stewart, Chief Designer  Simon Andolina, Design Tim Mann, Design Abi Watson, Design Debbie Talley, Production Manager  Chris Barlow, Editor  Tim Hennessey Jr., Writer Stuart Wade, Writer Karen Taylor, Writer Meagan Fleming, Social Media Specialist Daniel Gibson, Project Manager

Read more about Rackspace Technology Staff - Solve