Crónica
Las
aplicaciones de las tecnologías del habla
Applications of speech technology
Mar Mediavilla
_______________________________________________________________________
Una exposición
paralela a la segunda edición del curso sobre Tecnologías de la lengua mostró
los trabajos que realizan diferentes empresas y equipos de investigación en
este ámbito. Traducción asistida por ordenador, conversión texto-habla, bases
de datos orales y textuales, traducción automática o proyectos en el campo de
lingüística computacional fueron algunos de los temas que despertaron el
interés del público hacia este novedoso campo.
______________________________________________________________________
En los sistemas
de traducción automática se establecen los paradigmas lingüísticos y no
lingüísticos. Estos últimos son aquellos que traducen palabra a palabra y
utilizan técnicas estadísticas para correlacionar palabras en los idiomas de
origen y destino y determinan la traducción más probable para las palabras o
las secuencias de éstas. Dentro de ellos, algunos contienen una amplia base de
datos de textos paralelos en los que se realiza una comparación entre la frase
de entrada con las almacenadas en un sistema.
Los sistemas
lingüísticos, que utilizan en su tarea un análisis profundo de términos,
estructura de frases, rasgos semánticos y contexto gramatical, pueden
clasificarse como interlingua o transfer. En interlingua, la entrada se transfiere a una representación
artificial, que posteriormente es traducida al idioma de destino. Requieren de
análisis semántico y representación abstracta de términos muy profundos, que
supone un obstáculo para su utilización a gran escala. Los que emplean la
técnica de transfer se basan en un
módulo central de la traducción, un módulo de transferencia que transforma la
entrada suministrada por un módulo de análisis y la entrega a un módulo de
generación que proporciona frases gramaticalmente correctas en el módulo de
destino.
La tecnología comprendium fue el motor de traducción
expuesto por la empresa Sail Labs.1 Según sus promotores es un
sistema basado en reglas lingüísticas que realiza un profundo análisis
morfológico, gramatical y léxico del texto de entrada construyendo una salida
según un modelo lingüístico. Es sensitivo al contexto, esto es, el significado
de un término depende de su función sintáctica dentro de la frase, e incluye
también un análisis semántico. Comprendium,
basado en un modelo modificado de transfer,
realiza la traducción en un proceso de tres fases: análisis, transferencia y
generación. En la actualidad, este sistema está disponible, entre otros idiomas
para inglés-francés o alemán-español, alemán-francés-español, francés-español,
catalán-inglés y ruso-alemán-inglés.
Muchas veces
se ha pensado que las máquinas podrían sustituir la tarea humana, pero sin duda
antes está el paso previo en el que la máquina, o los servicios que a través de
ella se ofrecen, se convierten en herramienta. Un ejemplo es el programa de
traducción asistida por ordenador (TAO) denominado Déjà vu. Sus distribuidores, la empresa Ampersand,2
explican que se trata de algo más que un programa «de memorias de traducción»,
ya que es un entorno integrado de traducción asistida por ordenador que incluye
en un mismo programa componentes de un editor de textos multiformato, una
memoria de traducción, un gestor de terminología, un alineador de textos y
utilidades complementarias con un importante soporte técnico. Este tipo de
programas almacenan todas las traducciones que se realizan en una base de datos
denominada memoria de traducción. Se
trata de un sistema integrado de TAO, es decir, no sólo permite al traductor
aprovechar sus traducciones anteriores, sino que además facilita el trabajo
adicional vinculado al proceso de traducción. El programa formatea el texto,
dando a la traducción la misma forma que el original, permite trabajar en red
con acceso a bases de datos de varios usuarios que, al mismo tiempo, pueden
enviar nueva información a la base de datos, junto con un programa de gestión
de terminología.
Por último,
dentro de este primer apartado, en la exposición se presentó un software
destinado a humanizar la interacción con el usuario. La base de este software,
desarrollado por la empresa Q-go,3 en colaboración con universidades
y centros de investigación, es la tecnología de navegación por preguntas y
respuestas basadas en el procesamiento del lenguaje natural. A quien navega por
un sitio web ofrece la oportunidad de plantear preguntas modelo con enlaces
directos a determinados contenidos. La tecnología lingüística se basa en la
comparación entre la pregunta de quien visita la página con las preguntas
modelo de la base de datos. Este software está disponible en alemán, holandés,
español e inglés, y está trabajando con los modelos en francés, italiano,
portugués y catalán. Esta empresa también desarrolla sistemas de recuperación
de información en la WWW.
Automatic
Trans,4 empresa integrada por especialistas en el lenguaje y la
tecnología del conocimiento, presentó los traductores denominados Automatic Translation Server, que
actualmente se comercializan para traducir del castellano al catalán y
viceversa, además de castellano a portugués de Brasil y su próximo lanzamiento
del traductor automático de inglés a castellano. Una de las principales
virtudes de este producto es su capacidad de aprendizaje, ya que el sistema
recoge las dudas y errores durante la traducción, y esa información segmentada
y agrupada se presenta al responsable del sistema de traducción, quien se
encargará de añadir entradas nuevas a cualquiera de los cuatro niveles
existentes: palabras nuevas, excepciones, expresiones o frases hechas y reglas
de traducción. Desde la empresa apuntan que con un mantenimiento regular,
Automatic Translation Server puede alcanzar niveles del 99,99 % de calidad en
la traducción automática, con un lenguaje normalizado en estilo correcto y con
expresiones perfectamente construidas y de total compresión para el lector.
Investigación y desarrollo
En la
exposición se presentaron también las principales líneas hacia las que se
dirige la investigación en el campo de las tecnologías del habla. Por ejemplo,
Telefónica I+D (TID),5 según explica Juan María Garrido, destaca
entre sus ámbitos el reconocimiento de habla, la conversión texto-habla y el
procesamiento del lenguaje natural. En el campo del reconocimiento del habla,
la tecnología desarrollada por TID permite reconocer frases pronunciadas de
forma continua, sin pausas entre las palabras, y con independencia del locutor
que las pronuncie. Esta tecnología está integrada en el llamado Reconocedor de Lenguaje Natural. Frente
a otros sistemas que sólo permiten el reconocimiento de palabras o enunciados
cortos pronunciados aisladamente, el Reconocedor de Lenguaje Natural, comenta
Garrido, permite el diálogo hombre-máquina de forma más natural y con menos
restricciones. Además, incorpora procedimientos que permiten minimizar la
influencia del ruido de fondo y de las diferencias debidas al canal (aparato
telefónico empleado o red de transmisión). En el terreno de la conversión
texto-habla, el Conversor Multilingüe
de TID permite la lectura de textos con diferentes «locutores» (voces
sintéticas) en distintos idiomas: español peninsular y de América, catalán,
euskera, gallego, portugués europeo y portugués brasileño. La arquitectura del
sistema permite emplear el Conversor a través de diferentes canales
telefónicos, utilizando «locutores» distintos, incluso de idiomas diferentes de
forma simultánea. La investigación actual en este campo se orienta hacia el
desarrollo de nuevos «locutores» de forma cada vez más automatizada y rápida,
la creación de «locutores» sintéticos que reproduzcan lo más fielmente posible
las especificidades fónicas de los locutores humanos de referencia, y la
corrección automática del texto de entrada del Conversor.
En un último
apartado, el trabajo en procesamiento del lenguaje natural se centra, por un
lado, en el desarrollo de modelos de lenguaje (gramáticas contextuales que
definen las combinaciones posibles de palabras en una situación determinada),
que se emplean como apoyo al Reconocedor y, por otro, en el desarrollo de
analizadores semánticos que permitan la interpretación semántica de los
enunciados reconocidos. Una tecnología suficientemente madura en estos tres
campos ha permitido abordar el desarrollo de los denominados sistemas de diálogo capaces de reconocer
la demanda de un usuario por medio de la voz, interpretar y generar una
respuesta (fig.1).
Una de las
aplicaciones con más proyección son los «portales de voz», sistemas que
permiten acceder por medio de la voz, es decir a través del teléfono sin
intervención de operador humano, a los contenidos y servicios disponibles en
Internet. Éstos permitirán lectura de correo electrónico, accesos a prensa
electrónica, directorios, bases de datos y comercio electrónico, entre otras
funciones.
Representación universitaria
En la Unidad de Investigación en Lingüística
Computacional (UILC), del Instituto Universitario de Lingüística Aplicada de la
Universitat Pompeu Fabra (UPF, Barcelona),6 se desarrolla un sistema
de procesamiento de texto no restringido para el catalán, con el fin de anotar
textos de manera automática con información lingüística. Según explican desde
la UILC, la información facilitará la explotación de los textos en tareas
relacionadas con el campo de la Lingüística Computacional, en el sentido amplio
del término: desde corrección gramatical hasta extracción y recuperación de
información, pasando por traducción automática (fig. 2).
Según el
diseño de la figura 2, la
primera etapa por la que pasa el texto, en formato ANSI, es el preproceso, en el que se identifica cada
palabra, oración y párrafo, se detectan unidades tales como nombres propios y
fechas y se da al texto un formato adecuado para el siguiente paso: la proyección morfológica. Cada palabra del texto se etiqueta con
todos los posibles lemas y categorías morfológicas que puede representar. Por
ejemplo, tanto si se procesa la finestra
és petita [la ventana es pequeña] como si se procesa me la menjaré [me la comeré], la
recibirá etiqueta de artículo y de pronombre, que son las dos categorías que
puede tener este vocablo. En la siguiente fase, la de desambiguación morfológica, se descartan las etiquetas inadecuadas
en función del contexto lingüístico: en el primer ejemplo, se puede decidir que
la es un artículo porque a
continuación tiene un nombre (finestra),
mientras que en el segundo ejemplo se puede decidir que es un pronombre porque
a continuación tiene un verbo (menjaré).
En un paso posterior, en la fase de proyección
sintáctica se asignan las
etiquetas sintácticas correspondientes a la función que cada palabra puede
realizar, en función de dos variables: la categoría morfológica de la palabra (por
ejemplo, los nombres pueden ser sujeto, pero los adverbios no), que se ha
determinado en el paso previo, y el contexto lingüístico (finestra en el primer ejemplo no puede ser complemento directo,
porque en la oración no hay ningún verbo transitivo). Mediante este mecanismo
se asigna posiblemente más de una etiqueta a cada palabra, por lo que es
necesario un último paso, el de desambiguación
sintáctica (que funciona como el
de desambiguación morfológica), para tener un texto completa y --en principio--
correctamente etiquetado.
El proceso descrito hasta aquí es completamente
automático: no se corrige el texto manualmente en ningún momento del proceso.
En cuanto a las herramientas que se utilizan, son básicamente dos: el lenguaje
de programación Perl y el formalismo Constraint Grammar, desarrollado en la
Universidad de Helsinki (escrito en C++). Perl se utiliza para el preproceso y
la proyección morfológica. La proyección se hace a partir de un formario o
tabla de formas con lemas y categorías morfológicas asociadas, que se actualiza
periódicamente a partir de una herramienta llamada CATMORF, desarrollada por la propia UILC, cuyos datos léxicos
fueron obtenidos de manera semiautomática a partir de diccionarios
electrónicos. En cuanto al formalismo de la Constraint
Grammar, se ha usado para la creación de tres gramáticas (ficheros de
reglas), mediante las cuales se realizan las tareas de desambiguación
morfológica y de proyección y desambiguación sintáctica respectivamente. En
cuanto al estado del proyecto se prevé que una primera versión de todo el
sistema esté operativa a finales de 2001.
Por otro lado, el Centre de Tecnologies i
Aplicacions del Llenguatge i la Parla (TALP) es un centro específico de
investigación de la Universidad Politécnica de Calalunya (UPC) de ámbito
interdepartamental.7 Está formado por los dos grupos de
investigación de la UPC que trabajan en tecnologías del lenguaje, oral y
escrito: el Grupo de Tratamiento del Habla del Departamento de Teoría de Señal
y Comunicaciones8 y el Grupo de Tratamiento del Lenguaje Natural del
Departamento de Lenguajes y Sistemas Informáticos.9
El TALP, como centro de I+D, fomenta la
transferencia de conocimientos, experiencia y tecnología, en particular
mediante la cooperación con instituciones públicas y empresas con proyectos de
investigación aplicada y desarrollo. Actualmente, explican Climent Nadeu y
Jaume Pedrell, dispone de toda una serie de recursos y productos propios
básicamente en castellano y catalán. Entre otros, reconocimiento del habla, conversión
de texto a voz, análisis morfológico, desambiguación, además de bases de datos
orales y textuales, red léxico-conceptual Euro
WordNet.
En la exposición paralela a los cursos celebrados en
la UIMP de Barcelona se presentaron diversos productos y herramientas del TALP.
Entre éstos, había programas de demostración de reconocimiento del habla y de
conversión de texto a voz y demostraciones del uso de las herramientas de
procesado natural del lenguaje que utilizan como fuente de información la red
Euro WordNet en castellano y catalán. Las demostraciones de reconocimiento
permitían al visitante escribir una lista de palabras que inmediatamente podía
empezar a pronunciar para que fueran reconocidas por el sistema y mostradas por
pantalla, sin ninguna sesión previa de adiestramiento. Este sistema presenta
una alta tasa de acierto, afirman Nadeu y Pedrell, entre el 80 % y el 97 % de
las palabras de la lista confeccionada por el usuario e indica si la palabra no
está en la lista, siendo útil en aplicaciones donde se requiere el control de
un ordenador o un aparato mediante órdenes orales.
En una segunda representación se mostraba la
tecnología desarrollada en el Centro TALP para realizar reconocimiento del
habla en un entorno de diálogo persona-máquina. En éstos casos se espera que el
ordenador sea capaz de reconocer frases enteras, donde el usuario puede
utilizar las palabras del vocabulario en diferentes combinaciones. En concreto,
la demostración consistió en el sistema de reconocimiento desarrollado para suministrar
información sobre trenes, donde el sistema es capaz de transcribir al texto
preguntas orales del usuario y donde un solo ordenador puede atender a decenas
de clientes simultáneamente.
La demostración de la tecnología de conversión de
texto a voz consistía en un programa que lee cualquier texto tecleado en el
ordenador por el visitante, bien en castellano o catalán. Una demostración que
también puede realizarse a través de la página web del Centro TALP. Este tipo
de producto, además de complementar los sistemas de reconocimiento en las
aplicaciones telefónicas, tiene una aplicación inmediata para personas
invidentes o con discapacidades orales.
Por último, de entre las herramientas de
procesamiento del lenguaje natural desarrolladas en el Centro, las que llamaron
más la atención fueron las de desambiguación semántica y de análisis
sintáctico. En la primera, el visitante podía teclear en el ordenador cualquier
frase como, por ejemplo, «El hombre bajo
bajó a tocar el bajo» y el ordenador le indicaba que el primer «bajo» es una característica del hombre,
el segundo «bajo» una acción y el
tercer «bajo» un instrumento musical.
La segunda herramienta proporciona de forma automática el árbol sintáctico que
todo alumno de enseñanza básica ha tenido que hacer alguna vez, señalan desde
el citado centro. Entre las aplicaciones de estos tipos de herramientas se
tienen, por ejemplo, la extracción automática de información de un texto, la
producción de resúmenes o la traducción de un texto de un idioma a otro.
Notas
1 Sail Labs: http://www.sail-labs.es
2 Ampersand: http://www.ampersand.es
3 Q-go: http://www.q-go.com
4 Automatic Trans: http://www.automatictrans.es
5 Telefónica I+D (TID): http://www.telefonica.es/index/tid.html
6 Unidad
de Investigación en Lingüística Computacional (UILC), del Instituto
Universitario de Lingüística Aplicada de la Universitat Pompeu Fabra (UPF,
Barcelona): http://www.iula.upf.es
7 Centre
de Tecnologies i Aplicacions del Llenguatge i la Parla (TALP), de la
Universidad Politécnica de Catalunya (UPC): http://www.talp.upc.es
8 Grupo
de Tratamiento del Habla del Departamento de Teoría de Señal y Comunicaciones,
de la UPC: http://gps-tsc.upc.es/veu/veu.html
9 Grupo
de Tratamiento del Lenguaje Natural del Departamento de Lenguajes y Sistemas
Informáticos, de la UPC: http://www.lsi.upc.es/~acquilex/nlrg.html
Figura 1
Independientemente
de las características de cada portal, el esquema general de funcionamiento es
el mismo: un usuario llama a un número de teléfono determinado, y entabla una
«conversación» con un sistema de diálogo, que le permite «navegar» a través del
sistema por medio de la voz, normalmente por medio de menús, hasta acceder a la
información o el servicio deseados. Todo de forma totalmente automática, sin
intervención alguna de un operador humano
Figura 2 La arquitectura del sistema y las
herramientas que se utilizan
