La red dinámica de memoria de MetaMind supondrá un gran paso en la investigación de interfaces de lenguaje natural y los mecanismos de comprensión del lenguaje humano.
Todos hemos experimentado alguna vez la exasperante experiencia de tratar de resolver un trámite por teléfono sin éxito al hablar con una máquina. En este sentido resulta paradójico observar como a pesar de las mejoras de potencia y velocidad de procesamiento de las computadoras actuales, todavía existen serias dificultades para mejorar la interpretación de las máquinas del lenguaje hablado o escrito de los humanos. No obstante, esta situación podría cambiar gracias a un nuevo y mejorado algoritmo para procesar el lenguaje humano que ha desarrollado la startup MetaMind y que revolucionará el aprendizaje automático computacional.
Compañías tecnológicas como Google y Facebook son las primeras interesadas en conseguir mejorar las competencias lingüísticas de los ordenadores participando de forma activa en los avances del aprendizaje automático de las computadoras. De hecho, el último avance viene de la mano de la startup fundada por Richard Socher, un experto doctorado en aprendizaje automático por la Universidad de Stanford.
El planteamiento de Socher combina una red neuronal avanzada con dos formas distintas de memoria para gestionar grandes bases de datos de texto escrito. Mientras la primera de ellas utiliza una importante base de datos de hechos y conceptos, la segunda corresponde a una memoria a corto plazo o episódica que da forma a lo que Socher denomina red dinámica de memoria.
Red dinámica de memoria
Cuando se realiza una pregunta, el algoritmo lo que hace es activar la red dinámica de memoria para buscar patrones relevantes en el texto almacenado en la memoria episódica, con fin de establecer asociaciones con otros patrones almacenados en la base de hechos y conceptos. Este planteamiento requiere alimentar el sistema con grandes cantidades de datos interrelacionados, necesarios para realizar los cálculos necesarios que identifiquen los parámetros clave de un texto, una imagen e incluso en un archivo de audio.
Para programar el algoritmo, el equipo de MetaMind utilizó conjuntos de datos con textos que abarcaban diferentes tonos emocionales y estructuras léxicas básicas. De esta forma el sistema responde identificando previamente el tono emocional y la estructura de la preguntas, evitando así las habituales confusiones lingüísticas al interpretar el lenguaje humano.
Del resultado del software de aprendizaje automático de MetaMind dependen los intereses de compañías como Facebook, ya que podrían facilitar las tareas de búsqueda y filtrado de información a los usuarios. Pero también proporcionará a Facebook una mayor comprensión de la información que publican los usuarios en sus perfiles y en los de sus contactos. Un aspecto clave que ayudará a mejorar los poderosos algoritmos de predicción que utiliza Facebook para recomendar información o insertar publicidad a la carta.
El uso de sistemas híbridos complejos como la red dinámica de memoria de MetaMind permite reorientar los intereses del aprendizaje automático de las máquinas hacia un nuevo enfoque conocido como el aprendizaje profundo. De hecho, el prometedor sistema de Socher constituye una nueva variante de los métodos defendidos por Google y Facebook y supondrá un gran paso en la investigación de interfaces de lenguaje natural y los mecanismos de comprensión del lenguaje humano.
Imágenes | vía pixabay
