Los sistemas de comprensión de lenguaje aumentarán su importancia dado el creciente interés por sistemas convivenciales. El desarrollo de sistemas expertos también bonificará la capacidad de los ordenadores para responder a consultas escritas o habladas en lenguaje natural. Si se consigue la deseada interface entre hombre y máquina inteligente, se habrá logrado también la traducción entre lenguaje natural y lenguaje máquina. La finalidad de muchos programas lingüísticos es que sea el ordenador y no el hombre el que haga dicha traducción. Esto subraya una característica fundamental de la investigación en Al: una búsqueda constante de medios de automatización de tareas inteligentes, es decir, de programación de las capacidades cognoscitivas que caracterizan a los seres humanos.
En el ser humano los sistemas de voz pueden funcionar en el modo entrada o en el modo salida, es decir, podemos hablar y escuchar. Una de las finalidades de los estudios en Al es permitir que los ordenadores sinteticen la voz humana (masculina, femenina, joven, o vieja en cualquier lenguaje) e identifiquen las voces de personas (u ordenadores) contestando a ellas. Los sistemas de nidificación y síntesis de voz serán cosa común en productos comerciales y en las interfases de las nuevas generaciones de ordenadores. Varios observadores, entre ellos Kirvan, 1984, han sugerido que la tecnología aural está madura para una mayor expansión.
La entrada de voz se puede dividir en identificación del discurso y verificación del locutor. Una cosa es identificar la voz y otra muy diferente comprender lo que dice una persona. Similarmente, la salida de voz se puede clasificar en codificación del discurso y síntesis de la palabra. En un producto especial (llamado grabador y recuperador de voz: voice store and forward system), las palabras habladas se guardan para posterior recuperación por otros usuarios. Estos y otros recursos mejorarán progresivamente la interfases hombre-máquina en los años venideros. Se podrá hablar/recibir respuesta de los ordenadores en cualquier idioma. Ya existen varios dispositivos experimentales que incorporan la voz a los procesos de entrada y de salida para facilitar su comunicación con los usuarios humanos. Por ejemplo, un robot electro neumático primeramente controlado por voz ahora incorpora también una unidad de salida hablada (Henthorn y Dawson, 1983). La finalidad de este experimento es explorar la factibilidad de la entrada y salida habladas en el control de sistemas robotizados.
En los seres humanos el oído detecta las ondas sonoras y las convierte en impulsos nerviosos que son transmitidos al cerebro. De modo similar un micrófono convierte las ondas sonoras en impulsos eléctricos para su subsiguiente interpretación. Esta tarea de interpretación es el corazón de los problemas de reconocimiento de la palabra hablada. Un Ingeniero electroacústica intentó su solución en los años cincuenta. Construyó un equipo electrónico con una luz roja en su parte superlor. Cuando alguien en las proximidades pronunciaba la palabra “watermelon” (sandía), la luz roja parpadeaba. Desafortunadamente, este simpático y exitoso dispositivo nos señaló el camino hacia sistemas más eficaces de identificación de la palabra hablada. En una conversación se utilizan más de 10.000 palabras y aparentemente la palabra sandía es muy fácil de identificar. Los mayores equipos del tipo “sandía” nunca llegaron a identificar más de 100 palabras, y éstas pronunciadas cuidadosamente, de una en una y por un locutor a cuyo tipo de voz se había ajustado el equipo previamente. Se necesitaba un enfoque diferente.
Otro planteamiento integraba varias técnicas acústicas con exitosos procedimientos lingüísticos y de respuesta de preguntas. Se trataba de desarrollar un sistema de comprensión de la palabra hablada con una gama de elementos sintácticos, acústicos, y semánticos adaptados a una determinada especialidad. En un sistema desarrollado en 1971 en la Universidad Carnegie-Melon para comprensión del lenguaje hablado, la especialidad era el juego del ajedrez. Pero se descubrió que el sistema no podía distinguir fácilmente entre las palabras “queen” y “king” (reina y rey), una gran limitación. A mediados de los setenta se vió que los equipos experimentales que lentamente podían manejar algo más de cien palabras eran susceptibles de mejora.
Era obvio que los sistemas de comprensión del lenguaje e identifican de la voz tenían que modelar al menos algunos de los procesos análogos de tipo humano. Para digitar la información hablada recibida, el ordenador usa un conversor analógico digital (un proceso similar al utilizado por el oído para convertir ondas sonoras en impulsos nerviosos. Si los datos almacenados son la traducción matemática de una onda tridimensional, dicha información puede actuar como eficaz plantilla. La coincidencia de plantillas es el enfoque, más común a los problemas de reconocimiento de la voz.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
