Es complicado que las máquinas nos entiendan con lenguaje natural, pero... https://www.xataka.com/robotica-e-ia/complicado-que-maquinas-nos-ent...

Es complicado que las máquinas nos

entiendan con lenguaje natural, pero si es en
español, aún más

Susana Carbajales

"Entre lo que pienso, lo que quiero decir, lo que creo decir, lo que digo, lo que quieres
oír, lo que oyes, lo que crees entender y lo que entiendes, existen nueve posibilidades
de no entenderse", dice una famosa frase. Si además uno de los interlocutores es una
máquina, la complejidad y los problemas aumentan considerablemente.

A día de hoy, uno de los principales retos de la inteligencia artificial aplicada al

procesamiento del lenguaje natural es hacer que los sistemas informáticos
comprendan qué quiere decir su interlocutor y le respondan de manera
coherente. Y, aunque la mayoría de los idiomas comparten dificultades como la
ambigüedad o los localismos, no todos son igual de complicados de procesar por las
máquinas.

Entendiendo los sistemas de procesamiento de

lenguaje natural
Carlos Gomez

Carlos Gómez, profesor de la Universidad de La Coruña e integrante del Grupo de

Investigación de Lengua y Sociedad de la Información explica los distintos niveles
dentro del procesamiento del lenguaje natural.

"Lo primero que se hace es un análisis morfológico para detectar la categoría de la

palabra. Es decir, determinar si es un sustantivo, un verbo, etc... Esto permite un
análisis sintáctico o de la estructura de la oración y qué papel desempeña cada
palabra en ella." ¿Qué palabras ejercen de sujeto? ¿Cuáles de predicado?

Gómez explica que, una vez identificadas correctamente las palabras

morfológicamente y en su contexto sintáctico, "se pueden hacer cosas más cercanas al
usuario real, como la minería de opiniones y análisis del sentimiento o el análisis
semántico". El análisis semántico por ejemplo, sabría interpretar si al utilizar la
palabra estrella nos referimos a un cuerpo celeste o a una actriz famosa.

1 de 4 03/06/2019 12:37
Es complicado que las máquinas nos entiendan con lenguaje natural, pero... https://www.xataka.com/robotica-e-ia/complicado-que-maquinas-nos-ent...

La minería de opiniones y análisis de sentimientos, por otro lado, sirve para saber si
un texto genera opiniones positivas o negativas en sus receptores. "El análisis de
sentimientos no funciona con precisión absoluta, pero en algunos dominios funciona
bien. Las empresas están interesadas en saber cómo la gente recibe sus
productos o sus servicios".

La cantidad de datos de los que se disponga hará que los sistemas de procesamiento
de lenguaje natural, independientemente del idioma, sean capaces de extraer
información y aprender de una forma más rápida y eficaz. Aunque sólo sea por una
cuestión de volúmenes, cuantas más personas hablen un idioma, de más
datos se dispondrá. En la actualidad, el español es la segunda lengua más hablada
del mundo.

Ambigüedad, regionalismos e ironía

¿Qué ocurriría si le preguntamos a un asistente de voz dónde está el banco más
cercano? ¿Cómo sabe si nos referimos a un banco para descansar o para sacar dinero?
Según Carlos Gómez, "normalmente un ser humano no tiene problema para entender
esto por el contexto. Pero ese tipo de razonamiento basado en el contexto y el sentido
común para un ordenador es mucho más difícil."

Hombre Muffin

Un famoso chiste sobre programadores ilustra muy bien esta situación. Una mujer le
dice a su marido que vaya al supermercado y le traiga un cartón de leche y, si hay
huevos, una docena. El marido regresa y aparece con una docena de cartones de
leche.

"Un ser humano sabe que los huevos se compran por docenas y la leche
no. Y que nadie compra doce cartones de leche. Podemos hacer que las
máquinas aprendan esto, pero es todo un desafío."

Huevos

Otros problemas, que también aparecen en la comunicación interpersonal, son

interpretar correctamente la ironía y gestionar todas las diferentes variedades
que hay del español. "El español cambia muchísimo dependiendo de la variedad
regional y es algo más problemático que el inglés. Hay que preguntarse para qué
español se está trabajando y hay que sacar versiones distintas para cada variedad. En
inglés también se hace, pero se pueden reutilizar más recursos", afirma Gómez.

El stemming, NER y sintaxis en español

Un quebradero de cabeza importante es el stemming, es decir, la búsqueda de la raíz
de las palabras.Los algoritmos de stemming consiguen que, si alguien consulta
información sobre flores, pueda encontrar información sobre floristas o floristerías
puesto que la raíz es la misma.

Felisa Verdejo, Catedrática de Lenguajes y Sistemas Informáticos en la UNED e

investigadora del Grupo de Investigación de Procesamiento del Lenguaje Natural,
comenta que en español esto es mucho más difícil que en inglés.

Felisa Verdejo

2 de 4 03/06/2019 12:37
Es complicado que las máquinas nos entiendan con lenguaje natural, pero... https://www.xataka.com/robotica-e-ia/complicado-que-maquinas-nos-ent...

"En inglés funcionan bien los algoritmos de stemming, mientras que para el español,
que tiene múltiples procesos de flexión, derivación y composición, así como
excepciones, no funcionan igual de bien. Si quieres calidad de procesamiento de
datos, tienes que hacer un análisis sintáctico."

La flexión es un proceso que permite componer palabras con una misma raíz pero
distintos atributos. Por ejemplo, en la palabra rojo, tenemos la raíz roj y un morfema
flexivo de género másculino (la o).

Si en lugar de crear rojo habláramos de rojito, mantendríamos la misma raíz (roj)

pero le daríamos un nuevo significado añadiéndole el "ito" (rojo, pero un poco menos
rojo), por lo que no hablaríamos de un cambio de género o número, sino de una
modificación que afecta también a lo nos da a entender la palabra.

A la hora de componer palabras, el proceso consistiría en unir la raíz de dos palabras

distintas para crear una nueva. Un ejemplo sería rojiblanco.

La dificultad en el reconocimiento de entidades nombradas o NER, por sus

siglas en inglés, es otro escollo en el procesamiento del español. El NER es el proceso
de reconocer una palabra cuando se refiere a una entidad. "Madrid, por ejemplo, es
un nombre. Pero puede ser el nombre de una ciudad española, de una ciudad en
América, de una persona, o referirse al gobierno español."

Además, tal y como afirma la investigadora, los problemas continúan a la hora de

elaborar un análisis sintáctico.

"En español no hay una estructura fija de las palabras dentro de una
oración como ocurre en otras lenguas, lo que genera que haya diferentes
posibilidades de análisis y se requiera un mayor tratamiento semántico."

Esto hace que no baste con conocer cómo se componen las palabras o las frases, sino
que haya que ir un paso más allá y adentrarse en el significado. Y, en español, es
bastante complicado, ya no sólo por los dobleces y dobles significados de nuestra
lengua, sino por los distintos localismos y regionalismos que hace que una misma
palabra pueda tener cientos de connotaciones diferentes dependiendo del país, región
o contexto.

Un ejemplo divertido pero realista es la canción "Qué difícil es hablar el español" de

los artistas colombianos Inténtalo Carito, que, en sucanal de YouTube parodian la
dificultad del aprendizaje de nuestra lengua y muestran los principales escollos a la
hora de comprender nuestro idioma.

Otros problemas en el procesamiento del

lenguaje natural

3 de 4 03/06/2019 12:37
Es complicado que las máquinas nos entiendan con lenguaje natural, pero... https://www.xataka.com/robotica-e-ia/complicado-que-maquinas-nos-ent...

El procesamiento del lenguaje natural no es algo nuevo. Los expertos en inteligencia

artificial llevan muchos años interesados en este tema con recursos dedicados a que
las máquinas sean capaces de entender el lenguaje humano. Con la aparición de las
redes neuronales los avances han sido evidentes.

Sin embargo, aún quedan muchos problemas por resolver. Y no todos son lingüisticos
o computacionales. La inversión en investigación es claramente insuficiente en el
caso de lenguas minoritarias, como el finés o el alemán. El entrenamiento de los
sistemas para que se perfeccionen y lleguen a responder como un humano sigue
siendo un trabajo duro y, conseguir que la gente a la que no le agrada hablar con una
máquina utilice estas tecnologías todo un reto.

Pero dentro de esto, los hispanohablantes estamos de suerte. Idiomas como el

chino, el turco o el árabe son, a día de hoy, más difíciles aún de procesar
que el español. Y lenguas que tienen una morfología mas compleja que el español,
como por ejemplo el euskera, el alemán o el finés con sus mecanismos de palabras
compuestas, suponen un auténtico quebradero de cabeza por la forma en la que se
crean las palabras.

4 de 4 03/06/2019 12:37