El pasado mes de marzo, la vicepresidenta primera del Gobierno y ministra de Asuntos Económicos y Transformación Digital, Nadia Calviño, presentó el Proyecto Estratégico para la Recuperación y Transformación Económica (PERTE), que fue aprobado por el Gobierno en Consejo de Ministros.
Este proyecto cuenta con un presupuesto de 1.100 millones de euros públicos dirigidos a hacer del idioma español y las lenguas cooficiales un componente de desarrollo económico y potencial competitivo internacional en áreas como la inteligencia artificial, haciendo uso del idioma español como lenguaje natural, sin necesidad de traducciones, ya que, a día de hoy, por defecto, el inglés es el idioma de cualquier desarrollo tecnológico. Y cuyos principios se basan en el carácter integrado, la colaboración público-privada, la vertebración territorial, el panhispanismo, la participación de las pymes y startups, y la digitalización integradora, basada en el humanismo tecnológico y la igualdad de género.
Su desarrollo se llevará a cabo mediante una alianza estratégica que impulse las inversiones públicas y privadas mediante la acción coordinada de las Administraciones públicas, las universidades, los centros de investigación y las empresas e industrias, a través de 14 proyectos tractores integrados en los siguientes cinco ejes:
PERTE de la Lengua e Inteligencia Artificial
Una de las claves del PERTE del idioma español tiene que ver con la inteligencia artificial. Nadia Calviño, vicepresidenta del Gobierno, asegura que «se trata de que España sea el nodo central de la inteligencia artificial en español´´.
Esta afirmación está consolidada según los objetivos que tiene el PERTE, el cual busca:
Además, uno de los cinco ejes del proyecto para su desarrollo, relacionado con la IA en español, tiene como finalidad la de hacer a las empresas y productos en español ser competitivas en la actual revolución tecnológica, fomentando el desarrollo de una industria basada en el procesamiento del lenguaje natural, traducción automática y sistemas conversacionales, así como estimular proyectos de I+D+i en dicho lenguaje natural.
Presentación del PERTE de la Lengua en AMETIC
Para poder llevar a cabo el desarrollo conjunto del proyecto, tuvo lugar la presentación del mismo a AMETIC, la asociación de empresas de electrónica, tecnologías de la información, telecomunicaciones y contenidos digitales que engloban gran parte de la industria digital en España.
Esta reunión celebrada a finales de junio se desarrolló con el principal objetivo de cooperar conjuntamente para llevar a cabo el proyecto estratégico, que se plantea como una oportunidad para potenciar el idioma español en el área de la Inteligencia Artificial y la digitalización, de la mano de multitud de empresas capacitadas para impulsar ese potencial.
Entre estas empresas, se encuentra ITELLIGENT como miembro de AMETIC y experta en áreas de la Inteligencia Artificial y el Procesamiento del Lenguaje Natural, entre otras especialidades.
Cuando escuchamos Inteligencia Artificial (IA) sabemos que a día de hoy ya forma parte de muchas empresas. Esta tecnología se ha encargado de traer resultados impresionantes y facilitar la productividad. En el sector de la publicidad y la comunicación muchas agencias también han apostado por esta tecnología para diferenciarse. Los sistemas que utilizan IA son capaces de realizar acciones diferenciadas como las que haría un ser humano: hablar con sus consumidores, analizar una gran cantidad de datos y cruzar información de otras bases de datos e incluso aprender de esa información. En este contexto, es factible escuchar hablar también de «Machine Learning», una disciplina dentro de la IA que crea sistemas que aprenden automáticamente e identifican patrones complejos entre millones de datos.
¿Cómo se ha utilizado la inteligencia artificial en publicidad?
La industria de la comunicación es una de las que más se ha aprovechado de los sistemas de IA y seguramente has utilizado alguna de estas soluciones sin darte cuenta. Hablamos, por ejemplo, desde los chatbots que simulan una conversación online con una persona real y ofrecen soporte técnico, resolviendo así dudas y asistencia diversa hasta apps con las que «juegas» a incluir tu rostro en la cara de un actor en una pelicula, con la famosa aplicación Face App Challenge.
A continuacion, os mostramos algunas herramientas que utilizan Inteligencia Artificial:
¿Cómo podría afectar, o está afectando, la inteligencia artificial a la publicidad?
La inteligencia artificial en publicidad, es una técnica muy eficaz y poderosa de marketing. Y es que, tanto el contenido, como las campañas publicitarias, estarán implementadas para tratar que sean totalmente personalizadas a las expectativas, necesidades y gustos individuales. ¿Cómo se consigue? Con la aplicación de algoritmos predictivos que anticipen cuál va a ser el comportamiento y las demandas del usuario. Puede afectar en principio de dos maneras:
Pero, ¿cómo aplico Inteligencia Artificial en mi negocio?
Continuamente, en el sector de la comunicación aparecen nuevas tecnologías de la información. Por lo que, el primer paso a seguir es perder el miedo a invertir en las TIC, entendiendo la Inteligencia Artificial como parte de ella y verla como una aliado. El mercado ya está señalando la necesidad de cambio con marcas que demandan y apuestan por campañas atractivas que logren atraer la atención del público y crear conexiones reales con las personas que lo componen.
Así, las agencias que invierten en tecnologías de este tipo pueden comprender mejor los datos y los comportamientos de compra de estas personas y desarrollar campañas más adecuadas y asertivas. Ya que, gracias a herramientas basadas en IA, podemos extraer información de muy diversa índole para una mejor toma de decisiones a la hora de diseñar una campaña de publicidad más adecuada para que tengan más impacto en el público objetivo.
Un ejemplo de ello, es nuestra herramienta netopinion, una plataforma de multi-escucha activa que utiliza técnicas analíticas basadas en IA, Procesamiento del Lenguaje Natural y optimización para múltiples casos de uso. Algunos de ellos son:
Del procesamiento conjunto de la ciencia computacional y la lingüística aplicada, nace el Procesamiento de Lenguaje Natural (PLN o NLP en inglés), cuyo objetivo no es otro que el de hacer posible la compresión y procesamiento asistidos por ordenador de información expresada en lenguaje humano, o lo que es lo mismo, hacer posible la comunicación entre personas y máquinas.
Existen distintos programas que exhiben diferente grado del procesamiento inteligente del lenguaje. Por ejemplo, un buscador de documentos puede buscar simplemente los documentos que contienen la cadena de caracteres especificada por el usuario, sin importar que dicha cadena tenga o no un significado en un lenguaje o idioma. En este caso no sería una aplicación del PLN. Sin embargo, el mismo buscador podría buscar los documentos que comuniquen la idea especificada por el usuario, sin importar las letras que la comunican, y en este caso, sin duda, sería una excelente aplicación de PLN, ya que entendería la idea comunicada en la petición del usuario, la idea comunicada en cada uno de los documentos, y sería capaz de compararlas.
Por este motivo, para profundizar más en esta temática, os exponemos algunas tareas y aplicaciones del Procesamiento del Lenguaje Natural:
1.Speech To Text / Text To Speech
Speech to text o STT se basa en la conversión de audio a texto y se trata de una tarea para poner en valor los audios, que una vez convertidos en textos, pueden ser procesados con otras técnicas de PLN. Una vez procesado es posible devolver un audio utilizando la conversión de texto a audio (Text To Speech o TTS). Ambas tareas, STT y TTS, han cobrado mucha relevancia con los sistemas conversacionales con un alto nivel de calidad, como pueden ser los sistemas de Siri, Alexa, OK Google, Cortana, etc.
2.Preguntas y Respuestas (Questioning and Answering, Q&A)
Q&A es la tarea de responder preguntas a partir de información obtenidas de distintos recursos. Es una tarea importante para los sistemas de diálogo como los chatbots y para la mejora de los sistemas de búsqueda (Information Retrieval). Los nuevos sistemas de Deep Learning están permitiendo una mejora sustancial en esta tarea. En un proyecto realizado por ITELLIGENT sobre Turismo Inteligente, se desarrolló un sistema de Questioning and Answering entrenado con comentarios sobre recursos turísticos de Andalucía (hoteles, restaurantes, playas, museos,…) y que permitía localizar recursos turísticos a partir de muchas preguntas variadas.
Antes, mencionamos los sistemas de Information Retrieval, estos sistemas de búsqueda fueron uno de los primeros sistemas de Procesamiento de Lenguaje Natural que se adoptaron de forma generalizada. Hay dos pasos fundamentales en un buscador:
3.Traducción Automática
La traducción automática, permite traducir un texto de un idioma a otro. Esta tarea cobró un importante impulso gracias a los corpus de textos traducidos entre dos idiomas (denominados “corpus paralelos”), facilitados por el parlamento de la Unión Europea. Frente a los primeros sistemas de los años 50s, actualmente la traducción automática es una tarea de Procesamiento de Lenguaje Natural que ha conseguido un alto nivel de calidad. Ejemplo de ello, aplicaciones como iTranslate Converse para iOS o Microsoft Translator App.
4.Extracción de Información (Information Extraction)
La extracción de información es la obtención de conjunto predefinido de campos de un texto en formato libre. Se puede ver como la generación de una base de datos a partir de documentos poco estructurados. Por ejemplo, obtener distintos datos de un PDF de sobre inspecciones de soldadura, extraer: nombre soldador, características de la soldadura, etc.
5.Clasificación de Documentos: cómo funciona
La tarea de clasificación de documentos (document classification) consiste en entrenar un sistema para que sea capaz de aprender a clasificar textos a partir de un conjunto de textos ya clasificados. En la mayoría de los casos estos sistemas suelen funcionar bastante bien, consiguiéndose calidades de clasificación (ej. accuracy) superiores al 95%. En un post anterior, explicábamos cómo funciona un clasificador automático de documentos utilizando técnicas de PLN y Machine Learning sobre un conjunto de elementos para ordenarlos por clases o categorías.