Nuestro lenguaje natural es un medio que nos permite expresar pensamientos, ideas o sentimientos a través de palabras, símbolos o imágenes y, aunque sea muy intuitivo para nosotros, es a veces muy complicado entendernos mutuamente. Tanto por nuestro idioma o dialecto, como por la corrección con la que hablamos o escribimos, a veces es difícil entenderse con otra persona.
Si ya resulta difícil entre dos personas, comprender el lenguaje humano es aún más complejo para las máquinas. Además, con la inmediatez actual de los mensajes, tendemos a escribir peor, con más faltas ortográficas, abreviaturas, etc. que una máquina no entiende de manera literal. Es por eso que el procesamiento del lenguaje natural (más comúnmente conocido por sus siglas en inglés, NLP), es tan útil en nuestra vida cotidiana y, aunque no nos demos cuenta, se encuentra detrás de muchas de las tareas que realizamos constantemente.
EJEMPLOS DEL PROCESAMIENTO DEL LENGUAJE NATURAL
Seguro que has vivido alguna de las siguientes situaciones o no te has dado cuenta que gracias al NLP hay ciertas tareas que son o podrían ser más fáciles.
1.TRADUCCIÓN DE IDIOMA
Al empezar a aprender un idioma nuevo, todos hemos intentado realizar una redacción en nuestro idioma materno y traducirla. ¿Cuántas veces hemos obtenido una redacción sin sentido en inglés, por ejemplo? Eso sucedía mucho al principio, porque las traducciones eran literales y los algoritmos de inteligencia artificial no estaban tan desarrollados, pero los grandes avances que ha experimentado en los últimos tiempos esta tecnología hace que los resultados de las traducciones sean muchísimo mejores que al principio.
Gracias al procesamiento del lenguaje natural no sólo podemos hacer trampas en la asignatura de inglés. También nos aporta mucho valor a la hora de comunicarnos con alguien en otro idioma, siendo capaces de reconocer automáticamente el idioma del texto y ofrecer una traducción mejorada.
2.FILTROS DE CORREO ELECTRÓNICO
Lo que antes era una acción casi subconsciente a la hora de agrupar las cartas que se recibían en el buzón por temática o destinatario, hoy en día, con el bombardeo de emails que recibimos a diario, sería un trabajo muy costoso leer y clasificar manualmente todos los emails que recibimos, incluso aquellos que van a esa carpeta oculta que llamamos Spam.
Lo que parecía un futuro muy oscuro para estas tediosas tareas administrativas de empresas y negocios, ha sido resuelto de un plumazo gracias al NLP, que permite clasificar los correos electrónicos según las palabras o frases clave encontradas y su contenido. Por eso tenemos las opciones “primaria”, “social” o “promocional” dentro de nuestro Gmail, que nos ayudan a focalizar nuestra atención en los mensajes de nuestro interés.
3.TEXTO PREDICTIVO
Y qué sería de nosotras si cada vez que empezáramos a escribir un Whatsapp no contáramos con las herramientas de la corrección automática, la función de autocompletar o del texto predictivo.
Hemos llegado a un punto en el que la funcionalidad del texto predictivo la damos por sentada, y la encontramos también en los motores de búsqueda, que predicen lo que el usuario va a buscar sobre la base de lo que va escribiendo, completando palabras, corrigiéndolas para dar más sentido a la frase o sugiriendo cómo terminar la frase.
Estas funciones también van aprendiendo junto a nosotros, adaptándose a nuestras características lingüísticas y mejorando en la medida en la que más frecuentemente las utilizamos.
¿Nunca has jugado a experimentar con oraciones completas, formadas exclusivamente por el texto predictivo que aparece en el teclado del Whatsapp?
4.RESULTADOS DE BÚSQUEDA
Ahora, ponte en el lugar de aquella amiga que entra en Google para buscar aún más información sobre cualquier tema. Pues, cada vez que lo hace, los motores de búsqueda hacen uso del NLP para conocer cada vez mejor cual es la base de comportamientos o intenciones de búsqueda de usuarios similares a los de tu amiga, consiguiendo así encontrar lo que busca muchas veces sin tener que terminar ni siquiera la frase.
Y no hablamos de la coincidencia de todas las búsquedas populares que se hacen en Google, sino de que gracias al NLP, cada vez son capaces de reconocer la intención de búsqueda de cada palabra de una manera no tanto literal. Por ejemplo, mostrando el estado del vuelo cada vez que una persona escribe el número de vuelo en Google, información sobre acciones al escribir un símbolo bursátil, o haciendo aparecer una calculadora al escribir una ecuación matemática. Se puede entender que el NLP permite comprender cada vez mejor los contextos de consultas indeterminadas y ofrecer en consecuencia resultados de más valor.
5.LLAMADAS TELEFÓNICAS DIGITALES
¿Y lo formal y legal que te conviertes cada vez que escuchas “esta llamada va a ser grabada con el fin de mejorar la atención prestada”? Pero, ¿alguna vez te has preguntado “por qué”?
Las conversaciones “digitalizadas” permiten realizar análisis sobre la calidad de la atención prestada al cliente y su grado de satisfacción, a través de técnicas como el análisis de sentimientos o la clasificación semántica de las conversaciones.
Además, las llamadas de los clientes son dirigidas automáticamente a los departamentos correspondientes o a un chatbot en línea, que cada vez es capaz de responder mejor al cliente con información relevante y de valor. Generalmente este tipo de soluciones las solemos encontrar en los principales proveedores de telecomunicaciones. Pero este tipo de soluciones cada vez son utilizadas por más empresas, con las nuevas funcionalidades que nos brindan, como la de programar citas (No te pierdas esta programación digital del Asistente de Google para una cita en la peluquería!)
6.ASISTENTES INTELIGENTES
O piensa en ti mismo, cada vez que dices “Hola Siri” cuando necesitas que te active la alarma para que no se te queme el pastel del horno, o cuando le preguntas cosas que quieres saber al instante, cuando no tienes tiempo ni de indagar en Internet. Estas respuestas que recibes son gracias a los asistentes inteligentes como Siri, Cortana o Alexa, que reconocen patrones de diálogo gracias al reconocimiento de voz. Ellas pueden deducir el significado de tus consultas y responder de manera útil de acuerdo con el contexto y en un tono equitativo.
Las respuestas que nos ofrecen cada vez son mejores y más personales, ya que estos asistentes saben más acerca de nosotras y del uso que hacemos del lenguaje. En el artículo “Why We May Soon Be Living in Alexa’s world” publicado en el New York Times explican con un enfoque muy interesante el mundo Alexa, la que se va a convertir en esa tercera gran plataforma informática donde interactúan los futuros consumidores de la década”
Otra situación que todos hemos sufrido en la escuela son aquellos dictados que nos realizaban para practicar la escritura, comprensión y rapidez. Incluso cuando tenías (o tienes 😉 ) que coger apuntes en la universidad cuando la profesora explica a toda prisa. Aunque haya siempre alumnas con gran facilidad o rapidez para coger apuntes, a nadie le gusta esa tensión. O en los exámenes, ¿no te ha pasado terminar con la mano fundida porque tenías poco tiempo para lo mucho que querías escribir? Pues ahora muchos programas tienen integrada la opción de dictado, que funciona igual que la escritura automática que incorporan Siri o Alexa, pero que nos permite estar pintándonos las uñas mientras redactamos un escrito.
7.ANÁLISIS DE DATOS
Incluso lo vemos cada día en Clickers, donde se están integrando al flujo de trabajo de análisis de datos, cada vez que ofrecemos interfaces de lenguaje natural para la visualización de datos.
Aplicar lenguaje para investigar datos no solo mejora el nivel de accesibilidad, sino que también reduce la barrera para el análisis en todas las organizaci犀利士 ones, más allá de la comunidad esperada de analistas y desarrolladores de software.
¿Qué pasaría si pudiera hacer preguntas directamente sobre sus datos y el software pudiera responder con una selección, un filtro o una nueva visualización? En este seminario web de DSC, el equipo de investigación de Tableau explica las consultas en lenguaje natural y cómo (ya) lo están ayudando a visualizar sus datos. Esta presentación incluye una introducción al procesamiento del lenguaje natural (NLP), ejemplos de cómo NLP ya se usa en la geo codificación y la búsqueda de mapas de Tableau, y una demostración de algunos prototipos de investigación que podría ver en un futuro no muy lejano. ¡Ven a participar en la discusión y cuéntanos qué cosas le dirías o pregunta a tu visualización!
8.ANÁLISIS DE TEXTO
Ahora imagínate poder tener un resumen de cualquier libro o un PDF de 500 páginas sin apenas haber leído una sola palabra. Pues, el análisis de texto es capaz de destripar los datos de texto no estructurados en datos significativos, mediante diferentes técnicas lingüísticas, estadísticas y de aprendizaje automático, y extraer todas las palabras clave de ese PDF de 500 páginas de un modo resumido y ordenado.
Cojamos a modo de ejemplo, el libro maestro de Don Quijote y realicemos un análisis de texto sencillo. Los algoritmos de procesamiento del lenguaje natural identifican las palabras que aparecen con mayor frecuencia. Y dado que es lógico pensar que si un libro habla sobre el amor, palabras como corazón, amante, amado…etc., serán muy repetidas, las palabras más resonantes de un texto cualquiera nos darán pistas sobre la temática del texto.
En el caso de Don Quijote, esta nube de términos nos permite visualizar las palabras más frecuentes que aparecen:
Cuanto más se hable de un tema en concreto es más probable que se repita ese concepto y, cuando hablamos de concepto nos referimos tanto a palabras individuales como a grupos de palabras. Por ejemplo, si en un texto se habla mucho sobre el tema del Big Data o la Inteligencia Artificial, dichas palabras se repetirán mucho, pero no sólo la palabra “Big” y la palabra “Data”, sino ambos términos a la vez. Este caso en particular se denomina análisis de bigramas, y se puede generalizar a análisis de tríos de palabras o trigramas, o de la longitud que se desee.
Si analizamos por ejemplo los bigramas y trigramas que aparecen en el Quijote, podemos obtener gráficos que nos muestran las palabras con conexiones más fuertes entre grupos de palabras, como:
Este ejemplo práctico ha sido realizado en el software estadístico R aunque existen gran cantidad de librerías diseñadas para la ejecución de estos algoritmos también en otros programas como Python.
Pero pensemos ahora en tu empresa, y en vuestra amplia base de datos de clientes. ¿Qué te parecería tener la capacidad de conocer, de un primer vistazo, lo que se está comentando sobre tu marca? Por ejemplo a través de los comentarios que tus clientes dejan en tus redes sociales, de las opiniones sobre tus productos en tu eCommerce, o de lo que tu equipo comenta en chats como Discord?
La tecnología NLP es capaz de realizar análisis sobre las opiniones de tus clientes, vía sus comentarios, menciones o reseñas en las redes sociales o en cualquier campaña publicitaria, o conocer todo lo que se está comentando sobre tu marca, ayudándote por ejemplo a entender cómo está funcionando una campaña de marketing. También te puede ayudar a supervisar incidencias comunes con clientes, a decidir los tipos de respuesta más adecuados, o a introducir mejoras en el servicio con el objetivo de mejorar la experiencia del cliente.
Es más que evidente que todos estos 8 ejemplos son beneficiosos para nuestra vida, tanto para agilizar trabajos costosos, para mejorar el resultado de ciertas tareas, o incluso para adquirir un mayor conocimiento apoyándonos en la potencia de las máquinas actuales, en lugar de limitarnos a la capacidad física o temporal de nuestro equipo. Todo son ventajas con el NLP.
