El procesamiento del lenguaje natural (NLP) es la rama de la Inteligencia Artificial (AI) que se ocupa de la comunicación, es decir, cómo se puede programar una computadora para que “comprenda”, procese y genere un lenguaje como una persona.

Si bien el término originalmente se refería a la capacidad de un sistema para leer, desde entonces se ha convertido en un coloquialismo para toda la lingüística computacional. Las subcategorías incluyen la generación de lenguaje natural (NLG), la capacidad de una computadora para crear comunicación propia, y la comprensión del lenguaje natural (NLU), la capacidad de entender jerga, errores de pronunciación, errores ortográficos y otras variantes en el lenguaje.

Cómo funciona el procesamiento del lenguaje natural

El procesamiento del lenguaje natural funciona a través del aprendizaje automático (ML). Los sistemas de aprendizaje automático almacenan las palabras y las formas en que se combinan al igual que cualquier otra forma de datos. Frases, oraciones y, a veces, libros completos se incorporan a los motores de LD donde se procesan según las reglas gramaticales, los hábitos lingüísticos de la vida real de las personas o ambos. La computadora luego usa esta información para encontrar patrones y extrapolar lo que viene después. Por ejemplo, en francés “Voy al parque” es “Je vais au parc”, por lo que el aprendizaje automático predice que “Voy a la tienda” también comenzará con “Je vais au. Todas las necesidades de la computadora después de eso es la palabra para “tienda”.

Usos comunes del procesamiento del lenguaje natural

La traducción automática es una de las mejores aplicaciones NLP, pero no es la más utilizada. Cada vez que busca algo en Google o Bing, está introduciendo datos en el sistema. Cuando hace clic en un resultado de búsqueda, el sistema ve esto como una confirmación de que los resultados que se encuentran son correctos y usa esta información para una mejor búsqueda en el futuro.

Los chatbots funcionan de la misma manera: se integran con Slack, Microsoft Messenger y otros programas de chat donde leen el idioma que usted usa, luego se activan cuando escribe una frase de activación.

Los asistentes de voz como Siri y Alexa también se ponen en marcha cuando escuchan frases como “Hola, Alexa”. Es por eso que los críticos dicen que estos programas siempre están escuchando: si no lo fueran, nunca sabrían cuándo los necesitas. A menos que encienda una aplicación manualmente, los programas de procesamiento de lenguaje natural deben funcionar en segundo plano, esperando esa frase.

Incluso si siempre están allí, NLP no es el “Gran Hermano”. El procesamiento del lenguaje natural hace más bien al mundo que mal. Tan sólo imagine su vida sin la búsqueda de Google, o la revisión ortográfica, que usa PNL para comparar las palabras que escribe con las del diccionario. Esta comparación de los dos conjuntos de datos permite a los correctores ortográficos identificar lo que está mal y ofrecer sugerencias.

Beneficios comerciales del procesamiento del lenguaje natural

La búsqueda y la revisión ortográfica son tan comunes, a menudo los damos por hecho, especialmente en el trabajo, donde NLP ofrece ganancias radicales de productividad. ¿Quiere saber cuántos días de vacaciones le quedan? No llame al departamento de Recursos Humanos. Ahorre tiempo y pregúntele a Talla, un chatbot que busca las políticas de la compañía por una respuesta. ¿Está usted al teléfono y necesita la cifra de ventas del último trimestre ? Menciónelos durante la conversación y el inicio de la búsqueda de audio SecondMind le mostrará la respuesta en su pantalla. La compañía puede contar con esta herramienta de búsqueda integrada que hace que las llamadas de contabilidad y recursos de los clientes sean hasta diez veces más cortas.

El procesamiento del lenguaje natural también ayuda a los reclutadores de trabajo a clasificar los currículos, atraer a diversos candidatos y contratar a más trabajadores calificados. La detección de correo no deseado utiliza NLP para mantener el correo electrónico no deseado fuera de su bandeja de entrada; programas como Outlook y Gmail lo usan para clasificar los mensajes de ciertas personas en las carpetas que usted crea.

Herramientas como el análisis del sentimiento ayudan a las empresas a discernir rápidamente si los tweets sobre ellos son buenos o malos para que puedan analizar las inquietudes de los clientes. El análisis del sentimiento no solo procesa las palabras en las redes sociales, sino que también analiza el contexto en el que aparecen. Sólo el 30% de las palabras en inglés son positivas, dice Skye Morét, visualizadora de datos en la firma de análisis Periscopic; el resto es neutral o negativo. Entonces, NLP ayuda a las empresas a entender mejor una publicación: ¿Cuál es la emoción del consumidor detrás de esas palabras neutrales?

Tradicionalmente, las corporaciones usaban el procesamiento del lenguaje natural para clasificar los comentarios como positivos o negativos. Pero Ryan Smith, vicepresidente senior de asuntos sociales e innovación en FleishmanHillard, dice que las herramientas de hoy identifican emociones más precisas, como la tristeza, la ira y el miedo.

Procesamiento del lenguaje natural para el bien social

Además de ayudar a las compañías a procesar datos, el análisis de sentimientos también nos ayuda a entender a la sociedad. Periscopic, por ejemplo, ha emparejado PNL con reconocimiento visual para crear el Trump-Emoticoaster, un motor de datos que procesa el lenguaje y las expresiones faciales para monitorear el estado emocional del presidente Donald Trump.

Una tecnología similar también podría evitar tiroteos en las escuelas: en la Universidad de Columbia, los investigadores han procesado dos millones de tweets publicados por 9,000 jóvenes en riesgo, buscando la respuesta a una pregunta: ¿Cómo cambia el lenguaje cuando un adolescente se acerca cada vez más a la violencia?

A medida que los jóvenes en riesgo se acercan al límite, buscan ayuda, utilizando el lenguaje. El procesamiento del lenguaje natural marca estados emocionales problemáticos para que los trabajadores sociales puedan intervenir.

Al igual que Periscopic, Columbia combina el análisis de los sentimientos con el reconocimiento de imágenes para mejorar la precisión. La visión por computadora descompone las imágenes adjuntas a los Tweets, luego el aprendizaje automático los procesa junto con el lenguaje para contar “la emotividad real de una imagen. ¿Esta imagen es sobre el dolor? ¿Esta imagen es sobre amenazas?… ¿Qué más está sucediendo en una imagen que nos ayuda a entender de forma más compleja? Además de los tiroteos en las escuelas, el programa de Columbia también espera prevenir la violencia de pandillas.

Procesamiento del lenguaje natural para la mejora personal

El procesamiento del lenguaje natural también puede ayudarlo a controlar su propio estado emocional. Woebot es un terapeuta electrónico que se conecta con los usuarios a través de un chatbot de Facebook Messenger o a través de una aplicación independiente. Sin embargo, todavía no hay un análisis de sentimientos de alto nivel aquí. Woebot sólo rastrea la depresión y la ansiedad, buscando palabras que puedan indicar que los usuarios se enfrentan a una situación de emergencia.

El futuro del procesamiento del lenguaje natural

Woebot usa PNL para buscar frases clave, pero la comunicación es tan torpe que nadie confundiría la aplicación con un ser humano. Sin embargo, mientras más tiempo esté en el mercado NLP, mejor se pone, con algunos programas que se comunican tan sofisticadamente, necesitamos herramientas como Botometer y BotOrNot para decirnos si estamos hablando con una persona real.

A medida que aparezcan cuentas impulsadas por bots en Twitter y Facebook, la próxima ola de tecnología bien podría ser la PNL que detecta PNL.

Terena Bell, CIO EE.UU.