Procesamiento del lenguaje naturalNLP

1Por qué el habla humana es difícil

La computadora maneja bien el habla que tiene reglas sin huecos: un símbolo pegado a un solo significado, con un orden fijo. El habla humana es lo contrario. La misma palabra cambia de sentido según el lugar, lo obvio se omite entero, y el sentido se completa con lo que quien habla y quien escucha ya saben.

Basta una frase como "Fueron al banco" para verlo. Una persona resuelve enseguida, por el contexto, de qué banco se trata; pero la frase sola no da ninguna base para decidirlo. Este tipo de bifurcación aparece escondida varias veces en cada frase del habla humana. El procesamiento del lenguaje natural es el trabajo de ir cerrando esa bifurcación con el contexto de alrededor.

2Las etapas que ocurren dentro de la cabina

Tradicionalmente el trabajo se divide en varias etapas. Primero se corta la frase en unidades manejables. Después se marca si cada unidad es sustantivo o verbo, y qué terminación lleva. Luego se enlaza qué palabra modifica a cuál. Por último, con ese resultado, se hace lo que corresponda: traducir, clasificar, lo que sea.

Cada etapa se apoya en el resultado de la anterior. Si el corte queda mal hecho, todo lo que sigue se desvía. Hoy es común que un solo modelo grande procese estas etapas de un tirón, pero lo que ocurre por dentro no cambia demasiado en el fondo.

3De la tabla de reglas al montón de ejemplos

Al principio, las reglas gramaticales las escribía una persona a mano. El problema era que el habla humana no sigue las reglas al pie de la letra. Cada regla nueva para tapar una excepción rompía otro caso, y así sin parar.

Después llegó un método basado en estadística en lugar de reglas. Se juntaba texto real usado de verdad y se contaba con qué frecuencia aparecía cada palabra después de otra. El criterio ya no era si algo era gramaticalmente correcto, sino si la gente realmente lo escribía así.

Ahora se fue un paso más allá: un modelo que leyó cantidades enormes de texto y fijó por su cuenta las relaciones entre palabras se encarga de varias tareas a la vez. En lugar de construir una cabina distinta para cada trabajo, se construyó una cabina amplia que recibe encargos distintos cada vez.

4Dónde se usa hoy

Encontrar documentos con un sentido parecido al de la frase que escribiste en un buscador, resumir un documento largo en pocas líneas, distinguir automáticamente si una reseña es un elogio o una queja: todo eso es procesamiento del lenguaje natural. También lo es repartir consultas de clientes según su tipo, o corregir la ortografía.

En funciones que manejan voz, como los asistentes de voz, muchas veces el sonido se convierte primero en letras y esta rama toma la posta desde ahí. Algunos modelos más recientes manejan el sonido directamente, sin pasar por el texto. Averiguar qué se pidió y conectarlo con la función correspondiente es el tramo que le toca a la cabina.

5Lo que hace difícil al español

El español tiene palabras que cambian de sentido según el contexto sin cambiar de forma —como "banco"—, y eso multiplica las bifurcaciones que hay que resolver. También abundan los pronombres sin referente claro: en "lo vi ayer", quién es "lo" puede quedar sin decirse en ningún lado cercano, y la computadora tiene que rastrear varias frases atrás para encontrarlo.

La ironía complica aún más las cosas. "Qué buena suerte la mía" puede ser un elogio sincero o justo lo contrario, y solo el tono o la situación lo deciden, nunca las palabras solas. Sumado a que el orden de las palabras en español es más libre que en otros idiomas, encontrar la estructura de una frase exige mirar bastante más contexto que en idiomas con reglas más rígidas.