Es fácil convertir documentos electrónicos a una interpretación por computadora, utilizando el procesamiento del lenguaje natural (PNL). Debe haber todo tipo de complementos que admitan esta conversión.
Sin embargo, el problema es convertir esta interpretación de computadora nuevamente en oraciones legibles por humanos, porque:
•• Durante el proceso de PNL, se descartan las llamadas palabras “inútiles”, como artículos y conjunciones, por las cuales se desecha información crucial. Entonces, el proceso de PNL degrada las oraciones a palabras clave vinculadas. Prueba: la oración original no se puede reconstruir a partir de la salida del analizador;
- ¿Cómo determinaría qué transacciones con tarjeta de crédito son recurrentes dados al menos varios meses del historial de transacciones de un individuo?
- ¿Cuáles son los pasos para crear un chatbot de mensajes de Facebook?
- ¿Cuáles son algunos ejemplos de aplicaciones de aprendizaje automático en las industrias de defensa y aeroespacial?
- ¿Por qué el aprendizaje profundo funciona tan bien en el mundo real?
- Descubrimiento de drogas: ¿pueden las drogas ser diseñadas para mutar para mantener su capacidad de luchar contra su objetivo?
•• Las tecnologías semánticas tienen que venir a rescatar lo que se pierde, reconstruyendo el significado. Sin embargo, el significado se pierde irremediablemente, sin posibilidad de reparación. Entonces, las tecnologías semánticas no logran reconstruir el significado.
Y por lo tanto, la tecnología del conocimiento todavía se basa en palabras clave, por ejemplo, los motores de búsqueda aún no entienden los idiomas humanos y no buscan las palabras clave.
Desafortunadamente, los científicos no entienden las Leyes Naturales de Inteligencia, lo que permite que mi sistema (la única tecnología de conocimiento integrada del mundo) conserve el significado a nivel de los idiomas naturales.
