¿Qué problemas de PNL se consideran AI completos?

El procesamiento del lenguaje natural (PNL) tiene dos subcampos principales, comprensión del lenguaje natural (NLU) y generación de lenguaje natural (NLG). NLU se considera AI completo [1] porque es muy difícil diseñar e implementar un sistema de aprendizaje automático (ML) para comprender el lenguaje, resolver NLP significa que podemos construir un sistema de IA fuerte. La visión por computadora (CV) también se considera completa de AI, pero esto no es de lo que estamos hablando aquí. En NLU, el significado es lo que debe extraerse de las oraciones escritas o habladas, considere el siguiente ejemplo:

Oración A : “Consígueme algo de lo que pueda beber”

Oración B : “Tráeme una taza”

Las dos oraciones A y B son diferentes pero tienen el mismo significado, el sistema de IA necesita tener un modelo de lenguaje más significativo para poder concluir que:

A = B

Hay muchos otros problemas difíciles interesantes en NLU como la desambiguación de sentido de palabra [2]

Para dar una idea de cómo funciona todo esto, considere dos ejemplos de los distintos sentidos que existen para la palabra (escrita) “bajo”:

  1. un tipo de pez
  2. tonos de baja frecuencia

y las oraciones:

  1. Fui a pescar lubina.
  2. La línea de bajo de la canción es demasiado débil.

En la primera oración, “bajo” se refiere a un pez, mientras que en la segunda se refiere a los bajos como sonidos de baja frecuencia, eso es algo que un humano puede notar rápidamente pero muy difícil para un sistema de PNL.

Por lo tanto, NLU en PNL es particularmente el más difícil de descifrar y, si se resquebraja, eso significa una IA fuerte, por lo que está completamente completa.

Espero que esto ayude.

Notas al pie

[1] AI-complete – Wikipedia

[2] Desambiguación de sentido de la palabra – Wikipedia