La IA se acerca a la comprensión semántica: la próxima frontera en PNL

La IA está cerca de alcanzar una comprensión de la semántica como próximo paso en su evolución.

La IA es un nombre inadecuado, o así se sugiere a menudo. La primera letra —artificial— es más o menos correcta. En cuanto a la segunda palabra —bueno, no hay nada inteligente en ello. Tome la semántica como ejemplo, no hay nada remotamente inteligente, o de otro modo, sobre la tecnología artificial entendiendo el significado en frases, párrafos y libros por la simple razón de que es incesantemente mala en ello.

Pero, ¿podría esto estar a punto de cambiar? Recientemente, nos sentamos con Hadayat Seddiqi, director de aprendizaje automático en la empresa de tecnología legal InCloudCounsel. Él calcula que la IA está cerca de alcanzar una comprensión de la semántica como el próximo paso en su evolución. Preguntamos: "¿cuándo es probable que alcancemos este hito?"

SEO: si eres un escritor, que se enorgullece de su escritura, al aplicar su léxico para expresar una idea sin repetición, probablemente odias el SEO. Si te gusta hacer un argumento complejo, que solo puede expresarse realmente sobre una frase, un capítulo, un artículo o incluso un libro, entonces el SEO, por la forma en que te obliga a simplificar argumentos en dos o tres o cuatro palabras, como IA y comprensión semántica, es el enemigo. (¿Ves lo que hicimos ahí?)

¡Sería genial si la búsqueda, usando IA para entender la semántica (ahí vamos de nuevo), pudiera crear resultados de búsqueda basados en una comprensión mucho más sofisticada —inteligente, si quieres—, eliminando la necesidad de repetición tediosa!

El mercado de procesamiento de lenguaje natural de hecho se espera que alcance 22.300 millones de dólares para 2025—lo que ilustra cuán lejos ha llegado la tecnología, particularmente en cómo nos comunicamos y hacemos negocios.

Actualmente, estas tecnologías se usan para una variedad de propósitos dentro de organizaciones, incluyendo monitoreo de reputación de marcas para determinar análisis de sentimiento, proporcionando insights sobre colocación de anuncios mediante coincidencia de palabras clave o desambiguación de sentido, e incluso pueden usarse en cumplimiento regulatorio para asegurar que los productos no se conviertan en una responsabilidad.

En ese caso, el verdadero poder de la IA para revolucionar industrias y determinar insights clave de negocio, reside en su capacidad para leer texto y entender la semántica (o relación entre palabras) para ayudar a las organizaciones a mitigar aún más riesgos y descubrir responsabilidades. A su vez, esto crea un valor masivo en el procesamiento de lenguaje natural.

Así que, en la historia de la IA permitiendo comprensión de semántica, ¿cuál es el próximo paso en su evolución y cuándo es probable que alcancemos este hito?

Seddiqi dice: "Alcanzar la comprensión semántica en IA requerirá varios hitos clave. Es útil pensar en términos del progreso iterativo que nos lleva a la comprensión semántica en IA y qué significa cada hito."

"Un hito previo", dice Seddiqi, son los Vectores de Palabras: "Enmarquemos este hito en términos de un caso de uso común con el que la mayoría de la gente está familiarizada: funcionalidad de búsqueda en un ordenador. Todos han usado Ctrl+F/Command+F para encontrar algo en su sistema, que encuentra lo que buscas coincidiendo palabras clave exactamente. Además, usar un motor de búsqueda como Google para encontrar información incluirá un componente de 'corrector ortográfico' para abordar posibles errores ortográficos.

"Pero, ¿qué pasa con palabras que se ven muy diferentes pero significan cosas similares? Alrededor de 2013, la comunidad de IA encontró una forma eficiente de modelar esto llamada 'vectores de palabras'. Puedes hacer cosas divertidas de álgebra de palabras, como Rey + Mujer te dará Reina. Más prácticamente, ahora puedes expandir tu búsqueda para incluir palabras semánticamente relacionadas."

Próximo hito en la comprensión semántica de IA

"Los vectores de palabras cambiaron el juego, pero aún requerían que expresaras tu idea en términos de una o unas pocas palabras clave. Pero, ¿qué pasa si tu idea requiere una frase completa para expresarse? Ese es el próximo hito, al que estamos llegando gracias a un gran impulso en investigación el año pasado.

"La idea es que puedes tomar una frase, codificarla en un vector de frase (o pensamiento) y luego encontrar vectores de frase similares. Si está bien codificada, tu función de búsqueda puede encontrar frases muy diferentes que expresan la misma idea.

"No es irrazonable decir que esta tecnología madurará dentro de los próximos años, basándose en el progreso actual de la investigación.

Hitos futuros: IA comprendiendo más allá de las frases

"Hay un patrón claro de jerarquía emergiendo en la progresión de esta tecnología. Nos estamos acercando a que la IA entienda ideas a nivel de frase usando técnicas similares desde el nivel de palabra y escalándolas. Esto abre aplicaciones emocionantes para IA entendiendo ideas que requieren párrafos, documentos enteros, o incluso libros enteros.

"El salto reciente de la IA a entender frases desde palabras no ha sido trivial ya que la capacidad de hacerlo ha estado largamente limitada por el tamaño del conjunto de datos y la potencia computacional. Nuestra capacidad para crear modelos que manejen estos problemas mayores ha demostrado hasta ahora depender de estas dos restricciones de recursos.

"A medida que estos costos disminuyan por avances en hardware de IA, nos veremos acercándonos a modelos que entiendan colecciones mayores de texto. Esto está algo probado por el modelo GPT-2 de Open AI, que muestra que usando los mismos diseños de modelo de codificación de frases con una gran cantidad de datos, produce modelos que ya entienden conceptos de alto nivel a través de muchas frases. Por ejemplo, GPT-2 entiende lo suficiente para escribir artículos de noticias enteros con asombrosa coherencia.