Para IBM 2020 ha sido un gran año para el avance del procesamiento del lenguaje natural (PNL) ya que una gran cantidad de organizaciones han empezado a incorporar esta tecnología en sus soluciones comerciales y canalizaciones de datos y este hecho ha provocado un considerable aumento de innovaciones y desafíos para este campo de las ciencias de la computación.
Según IBM hay dos áreas clave que destacarán en términos de valor, uso y ROI: generación de lenguaje natural (NLG) y una experiencia de personalización mejorada por otro lado también destaca Cómo los modelos BERT y GPT están cambiando las reglas del juego de la PNL en 2021.
| Generación de lenguaje natural: |
| NLG desempeñará un papel cada vez más importante en el descubrimiento de nuevos conocimientos. El resumen extraíble permitirá a las empresas extraer las oraciones más importantes de un documento y construir un resumen que permita al lector captar la idea general rápidamente. Esto probablemente podría usarse en análisis de reseñas y en cosas como reseñas de clientes, comunicados de prensa o artículos de noticias. |
| Experiencia de personalización: |
| Durante el próximo año, habrá un enfoque cada vez mayor en la experiencia de personalización dentro del espacio de PNL. Las empresas de todo el mundo están integrando continuamente la PNL en su canal de negocios. Para asegurarse de que están logrando la mayor precisión dentro de su dominio, las empresas deberán incorporar una capa de personalización para el análisis de opiniones y la clasificación de texto. Es extremadamente importante brindar una experiencia de personalización para los clientes que les permita enfocarse más en mejorar el modelo de aprendizaje automático en lugar de dedicar innumerables horas a recopilar y etiquetar datos. El espacio de la PNL sigue siendo una columna vertebral sólida de la inteligencia artificial. |
| Cómo los modelos BERT y GPT cambian el juego de la PNL |
| El futuro de los modelos masivos de aprendizaje profundo es bastante emocionante. La investigación en esta área avanza a pasos agigantados. Tareas ejecutadas con modelos BERT y GPT: – La inferencia del lenguaje natural es una tarea realizada con PNL que permite a los modelos determinar si una declaración es verdadera, falsa o indeterminada en función de una premisa. Por ejemplo, si la premisa es “los tomates son dulces” y la declaración es “los tomates son frutas”, podría etiquetarse como indeterminado. – La respuesta a preguntas permite a los desarrolladores y organizaciones crear y codificar sistemas de respuesta a preguntas basados en redes neuronales. En las tareas de respuesta a preguntas, el modelo recibe una pregunta sobre el contenido del texto y devuelve la respuesta en texto, marcando específicamente el principio y el final de cada respuesta. – La clasificación de texto se utiliza para análisis de opiniones, filtrado de spam y categorización de noticias. Utilice BERT para ajustar la detección de categorías de contenido, en cualquier caso de uso de clasificación de texto. |
https://www.ibm.com/blogs/watson/2020/12/how-bert-and-gpt-models-change-the-game-for-nlp/
https://www.ibm.com/blogs/watson/2020/12/what-to-expect-in-the-nlp-space-in-2021/