INSTITUTO TECNOLOGICO SUPERIOR DE PANUCO

PROCESAMIENTO LENGUAJE
NATURAL
(Concepto, aplicacin y desarrollo actual)

Materia: Inteligencia Artificial

Investigacin Unidad 5
Grupo: S701

6 DE DICIEMBRE DE 2017

Docente: Gil Santana Esparza Alumno: Luis Enrique Argelles H.

 Introduccin

El ser humano desde que tiene conciencia siempre ha tenido necesidad de compaa, por
ello no es extrao que siempre haya intentado dotar de vida a lo que le rodea. En ste caso,
se est llegando al punto de crear robots con forma humana, que se comporten como los
humanos y por ltimo que sean capaces de mantener conversaciones coherentes.

Como se puede observar en la figura 1 los robots han llegado a un nivel de parecido con el
ser humano muy importante.

El procesado del lenguaje natural por el contrario est ms lejos del parecido que se
muestra en la imagen. An nos encontramos con las dificultades propias del lenguaje, de
la comprensin del mismo y de las mltiples interpretaciones que puede tener en funcin
de los diferentes significados de las palabras dependiendo del contexto en que se
encuentren.

La historia del procesado del lenguaje natural (PLN) comienza cuando a finales de los aos
cuarenta se comenz a proponer sistemas de traduccin automtica. Dichos sistemas entre
los cuarenta y cincuenta fracasaron debido a la falta de capacidad de procesamiento en
comparacin con la complejidad del lenguaje, posteriormente en los aos setenta y ochenta
se logra un nivel aceptable de traduccin automtica pasando los objetivos del PLN a los
campos de interfaces en lenguaje natural y procesamiento de textos.

[figura 1]
 Procesamiento Lenguaje Natural

Una de las ramas ms importantes de la Inteligencia Artificial es aquella orientada a facilitar

la comunicacin hombre-computadora por medio del lenguaje humano, o lenguaje natural.
El Procesamiento del Lenguaje Natural (PLN) es la disciplina encargada de producir
sistemas informticos que posibiliten dicha comunicacin, por medio de la voz o del texto.
Se trata de una disciplina tan antigua como el uso de las computadoras (aos 50), de gran
profundidad, y con aplicaciones tan importantes como la traduccin automtica o la
bsqueda de informacin en Internet. Dado el tiempo disponible, es imperativo concentrar
nuestros esfuerzos en un mbito necesariamente limitado: los sistemas de PLN que utilizan
tcnicas de carcter estadstico aplicados al anlisis del texto.

Un PLN se compone de la realizacin de las siguientes tareas:

Anlisis Morfolgico: Anlisis de las palabras para extraer races, rasgos flexivos,
unidades lxicas compuestas y otros fenmenos.

Anlisis sintctico: El anlisis de la estructura sintctica de la frase mediante una

gramtica de la lengua en cuestin.

Anlisis semntico: La extraccin del significado de la frase, y la resolucin de

ambigedades lxicas y estructurales.

Anlisis pragmtico: El anlisis del texto ms all de los lmites de la frase, por ejemplo,
para determinar los antecedentes referenciales de los pronombres.

Planificacin de la frase: Estructurar cada frase del texto con el fin de expresar el
significado adecuado.

Generacin de la frase: La generacin de la cadena lineal de palabras a partir de la

estructura general de la frase, con sus correspondientes flexiones, concordancias y
restantes fenmenos sintcticos y morfolgicos.

Todas estas tareas deben realizarse paralelamente para obtener un resultado adecuado
porque si esto se realizara mediante un flujo continuado concatenando dichas operaciones
el resultado no sera adecuado.
Un ejemplo de una arquitectura de un PLN es el siguiente:

El usuario le expresa al ordenador sus deseos. La computadora analiza las oraciones

proporcionadas. Se realiza el anlisis pragmtico del texto y proporciona una respuesta
final.

El siguiente paso que se debe analizar para comprender la dificultad a la que nos
exponemos es la de la generacin del lenguaje, ya sean textos o voces.

No podemos pensar que simplemente por fuerza bruta se puede resolver el problema, hay
que tener en cuenta el uso de pronombres, sinnimos, palabras adecuadas en
determinados contextos y una jerga concreta para dar una experiencia adecuada al usuario.

En que se aplica?

Algunas aplicaciones en las que puede ser til son las siguientes:

Personas discapacitadas. Los desarrollos de sistemas de reconocimiento de voz y habla

basados en la AIML pueden ser muy tiles para que personas con algn tipo de
discapacidad fsica puedan relacionarse con una mquina que les facilite su vida dentro de
su casa, o fuera de la misma. Un ejemplo sera el caso de un invidente en su casa pudiera
preguntar al robot central de la casa si llueve o no, si hay algn obstculo en su camino
(todo esto combinado con otro tipo de AI no explicadas en este artculo).

Otro ejemplo sera el caso de una persona de movilidad reducida que pudiera haber tenido
algn incidente lejos del telfono, simplemente hablando con el robot podra ponerse ste
en contacto con emergencias para recibir ayuda convenientemente.

Conduccin de vehculos. Puesto que gestionar un GPS con las manos mientras se
conduce est prohibido y es peligroso, un bot que tuviera un buen reconocimiento verbal e
interpretara adecuadamente las frases del conductor podra perfectamente orientar al
conductor siendo interpelado por ste de tal modo que encuentre su destino sin necesidad
de desviar la mirada de la carretera.

Tambin puede ser til para otro tipo de controles como intermitentes, limpiaparabrisas, la
radio, DVD de los asientos traseros y dems interacciones que distraen de la conduccin.
Adems, el ordenador podra a travs de nuestras rdenes verbales conectarse a la
informacin del trfico para corregir la trayectoria y encontrar el trayecto ms adecuado sin
necesidad de soltar las manos del volante.

Adems de stas aplicaciones, en funcin del desarrollo y perfeccionamiento del lenguaje

que sean capaces de alcanzar los robots podremos llegar a utilizarlos para reducir la
sensacin de soledad en personas con tendencia a la depresin, robots que reaccionen
instantneamente y de forma adecuada a las rdenes de sus dueos/jefes y dems
aplicaciones que podran parecernos de ciencia ficcin.

Desarrollo actual

Como podemos observar, detrs de la variedad de tareas hay un gran desarrollo

tecnolgico que a menudo resulta ser desconocido por los profesionales responsables de
la gestin de informacin de las instituciones, as como por los usuarios que buscan
informacin. Pues bien, parece que ahora es el momento de empezar a conocer cul es la
tecnologa de base del procesamiento del lenguaje natural, si tenemos en cuenta el
informe Natural Language Processing Market Worldwide Market Forecast and Analysis
(2013 - 2018), que fue publicado. De este informe se desprende que el mercado del PLN
crece con fuerza en lo relativo a la mejora de la experiencia del usuario, la adaptacin a los
telfonos inteligentes, el aprovechamiento de los grandes datos y el aumento de presencia
en las tecnologas de mquina a mquina (M2M). As mismo, recoge que la tecnologa PLN
puede aprovechar los datos no estructurados para analizar las necesidades y las
expectativas de los clientes y mejorar la experiencia de usuario optimizando la respuesta
efectiva del sistema en procesos organizativos
 Conclusin
En conclusin, conviene estar atentos al desarrollo tecnolgico que se lleva a cabo respecto
a las tecnologas de reconocimiento [sistemas de respuesta de voz interactivos (IVR),
reconocimiento ptico de caracteres (OCR) y de patrones e imgenes], las tecnologas de
carcter operativo (clasificacin y categorizacin) y las tecnologas de anlisis (anlisis de
texto y voz). Adems, esta gran variedad de tecnologas va dirigida a pblicos muy diversos,
desde el de la automocin pasando por las tecnologas de la informacin y la comunicacin,
las oficinas jurdicas, los medios, las universidades o el mbito del comercio electrnico. La
gran diversidad de aplicaciones del rea del PLN nos ofrece una gran oportunidad de
avanzar en una mejor gestin del conocimiento.

Bibliografa

http://comein.uoc.edu/divulgacio/comein/es/numero29/articles/Article-
Merce-Vazquez.html

http://www.esi.uem.es/~jmgomez/pln/

https://drive.google.com/open?id=1dyaMOTg8EYxzTAF-c8S8_9NClKuxIn2I