Descubriendo palabras en Nahuatl con Inteligencia Artificial: Una entrevista con la Dra. Ximena Gutiérrez

El procesamiento de lenguaje natural (PLN por sus siglas en español y NLP por sus siglas en inglés) es una de las ramas más importantes de la inteligencia artificial, que trata de "entender el lenguaje humano". Pero qué tal si estas herramientas son utilizadas para descifrar lenguajes tan complejos e interesantes cómo lo son las lenguas indígenas de nuestros países. Con herramientas tan interesantes cómo la IA, el potencial es enorme para las lenguas y un reto para NLP. En esta ocasión tendremos una entrevista exlusiva con la Doctora en Ciencias de la Computación, Ximena Gutiérrez Vasques, que ha realizado una profunda investigación doctoral sobre el tema y en específico sobre el náhuatl. A continuación compartiremos con ustedes la entrevista. Esperamos les sea de interés. Si quieres ver otro artículo de interés te recomendamos consultar el traductor wixarika (huichol) - español.

eeNube: Buenas tardes Dra. Ximena Gutiérrez Vasques, es un gusto poder entrevistarla para eeNube.com. Considero que el trabajo que usted ha realizado para aplicar el Procesamiento de Lenguaje Natural (NLP por sus siglas en inglés) al náhuatl (una lengua indígena de México) es de gran importancia. Por eso presentamos esta entrevista para difundir su trabajo y esperando que más personas se interesen en continuar con la investigación.

eeNube: Para que nuestros lectores tengan un aspecto general, ¿cómo explicaría usted el Procesamiento de Lenguaje Natural (NLP o PLN) a las personas que no están familiarizadas con este tema?

Dra. Ximena:  Yo diría que es una subárea de la computación y, a su vez, de la inteligencia artificial, en donde tratamos de lidiar con el lenguaje humano.

En PLN, un texto ya no sólo se procesa como una mera cadena alfanumérica; una grabación de voz  ya no es solo una secuencia de sonidos y frecuencias. En nuestra área debemos de dotar a ese procesamiento de cierta intuición o conocimiento lingüístico. Puede ser muy simple, por ejemplo, saber que una palabra está separada por espacios en un texto, o muy complejo, por ejemplo, detectar ironía y fenómenos que tienen que ver con la semántica y la pragmática de las lenguas.

Leer más: Descubriendo palabras en Nahuatl con Inteligencia Artificial: Una entrevista con la Dra. Ximena...

Introducción a las Segmental Recurrent Neural Networks (SRNN)

Introducción a las RNN.

Es ampliamente conocido que las Redes Neuronales Recurrentes (Recurrent Neural Networks RNN) son la mejor elección a la hora de procesar datos secuenciales. ¿Qué tipo de datos son secuenciales? Podemos considerar para este caso texto, voz, DNA, moléculas, lineas de tiempo, etc. Como vemos este tipo de redes son muy útiles. Dos tareas comunes para trabajar con estos datos son: segmentar los datos de entrada y asignar anotación a los datos. Cada una de estas tareas se suele realizar mediante una red neuronal distinga. En la siguiente imagen vemos cómo por cada entrada x_t se obtiene una salida y_t donde x_t∈X  y y_t∈Y.  

Cada estado h_t es una unidad RNN, donde las más comunes son LSTMs o GRUs. Para capturar la mayor cantidad de contexto se suele usar dos capas de RNN. Una que lee la secuencia desde el inicio hasta el final (de x₀ hasta x_n, donde n es el tamaño de la secuencia) y otro desde el final hasta el inicio. Los estados de las dos RNN se concatenan y se calcula la probailidad de salida mediante una función de activación, que en la mayoría de los casos es una función tangente hiperbólica tanh. Evidentemente, el error de estas redes es calculado por una función de error y son corregidas por algún algoritmo de optimización, cómo puede ser el Algoritmo de la Gradiente Descendiente. 

Leer más: Introducción a las Segmental Recurrent Neural Networks (SRNN)