L’Intelligenza Artificiale applicata nel campo linguistico

L’Intelligenza Artificiale applicata nel campo linguistico


Negli ultimi anni l’Intelligenza Artificiale (o IA) è diventata uno dei temi più scottanti in quasi ogni ambito del sapere:

 

Dalla sicurezza informatica all’assistenza sanitaria, dalle previsioni di mercato alla contabilità, dalla gestione delle risorse umane alla logistica, e non solo. Ovviamente, il nostro settore non fa eccezione. Ecco alcuni esempi di come l’Intelligenza Artificiale può essere impiegata in campo linguistico: ne esamineremo brevemente alcune curiose applicazioni, senza limitarci alla traduzione e all’interpretariato.

1. La traduzione automatica

 

Come tutti sapete, con “traduzione automatica” (machine translation) si intende la traduzione di un testo, da parte di un computer, senza alcun intervento umano. L’uso dell’IA nella traduzione automatica ha portato allo sviluppo di sistemi di traduzione di tipo neurale, ovvero basati sull’apprendimento automatico.

Per “allenare” un sistema neurale è necessario inserire una grande quantità di materiale (nelle specifiche lingue richieste) in algoritmi neurali. Se avete già visto questo tipo di traduzione in azione, vi sarete resi conto della qualità sorprendente dei suoi risultati.

Si tratta, infatti, di un processo in grado di riprodurre il funzionamento del nostro cervello. Tuttavia (e fortunatamente per noi), al momento, l’intervento umano è ancora necessario. Il testo tradotto, infatti, potrebbe non corrispondere perfettamente al testo di partenza, sebbene risulti molto naturale e scorrevole.

I post-editor devono imparare come funziona (e “pensa”) questo tipo di motore, così da individuare velocemente gli errori più comuni e potere sfruttare al meglio i sistemi neurali.

2. La sintesi vocale

 

I software di sintesi vocale (o text-to-speech) convertono testi scritti in audio e vengono utilizzati, ad esempio, per convertire manuali o contenuti formativi in corsi multimediali. Riconoscendo i singoli fonemi, il sintetizzatore vocale riproduce, artificialmente o tramite registrazioni reali dei singoli fonemi, i diversi suoni in una data lingua.

Oggi, questi sistemi sono maggiormente alla portata di tutti. Grazie all’intelligenza artificiale e all’apprendimento automatico, stanno diventando talmente accurati da rendere talvolta veramente difficile distinguere la voce sintetizzata da quella umana. Oltre ad essere estremamente precisi, questi sistemi sono sempre più diffusi e accessibili e sono pertanto usati anche in altri campi: ad esempio, per la creazione di contenuti multimediali o audio a partire da documenti scritti.

3. Il riconoscimento vocale

 

Il software di riconoscimento vocale (o speech-to-text) sono esattamente l’opposto di quelli di sintesi vocale: convertono contenuti audio in testi scritti e sono usati per dettati e trascrizioni. A tale scopo, utilizzano tecniche di riconoscimento statistico e di pattern. I programmi più sofisticati si basano su regole grammaticali, così da individuare le frasi corrette. Inoltre, sfruttano i dizionari incorporati per riconoscere le parole che compaiono più frequentemente insieme.

Questi sistemi permettono di scrivere testi in modo più rapido e di poterli dettare mentre si svolgono altre attività, riducendo così anche il tempo che si trascorre davanti al PC. Tuttavia, non sono ancora perfetti: il nostro modo di parlare (forti accenti, pronunce sbagliate, ecc.) ha ancora un impatto sulla qualità del riconoscimento vocale.

4. L’interpretazione automatica

 

L’interpretazione automatica combina sostanzialmente tre tecnologie di IA: i software di riconoscimento vocale, i software di sintesi vocale e la traduzione automatica.

Possiamo suddividere l’interpretazione automatica in tre fasi fondamentali:

  1. La voce di chi parla viene rilevata dal software di riconoscimento vocale, che la converte in testo.
  2. Il testo viene tradotto da un motore di traduzione automatica.
  3. La traduzione viene convertita automaticamente in un testo parlato nella lingua di arrivo.

 

Per quanto questo processo possa sembrare semplice, l’interpretazione automatica è ancora un sistema poco affidabile: i software di riconoscimento vocale e la traduzione automatica, infatti, presentano diversi difetti. Per il momento, questo sistema si rivela utile solo in quei casi in cui è sufficiente capire lo scopo di una comunicazione orale. Ma per comprenderne a fondo il contenuto è ancora necessario un interprete umano (sul posto o da remoto).

5. L’analisi del sentiment

 

Con l’aiuto dell’Intelligenza Artificiale, l’analisi del sentiment esamina un testo per individuare emozioni e opinioni di dipendenti e clienti, ad un costo inferiore rispetto a quello di un professionista ingaggiato per esaminare tutte le notizie e i post sui social media relativi a uno specifico marchio o prodotto.

Questo software assegna punteggi negativi, positivi o neutri a notizie e/o post presenti sui social media, basandosi sull’analisi del testo eseguita dal sistema. Il software esamina le notizie e i post in cui è citato un determinato marchio o prodotto e, sulla base di un algoritmo, assegna loro un punteggio, in modo da analizzarne l’andamento attraverso diversi testi.

Attualmente le reti neurali sono utilizzate per insegnare agli algoritmi strutture grammaticali più complesse (ad esempio, frammenti di frase). In questi ultimi anni la precisione dell’analisi del sentiment è notevolmente migliorata, raggiungendo un tasso di precisione superiore al 90%.

6. L’analisi dell’intento

 

L’analisi dell’intento è un sistema basato su IA che rileva il fine di un testo (ad esempio vendita, reclamo, acquisto, ecc.). Proprio come l’analisi del sentiment valuta un testo, l’analisi dell’intento utilizza un algoritmo per identificarne lo scopo, semplificando quindi le azioni di risposta. Questo sistema può essere di grande aiuto per le aziende: per comprendere i pareri dei clienti circa nuovi prodotti e per capire che tipo di servizio sia necessario fornire o migliorare.

7. La generazione del linguaggio naturale

 

La generazione del linguaggio naturale (NLG o Natural Language Generation) è un sistema automatico usato per creare testi a partire da dati non linguistici ed è quindi utile per riassumere o spiegare i contenuti di un database informatico. Possiamo paragonare la NLG al processo con cui gli esseri umani trasformano le idee in linguaggio scritto o parlato.

Grazie all’intelligenza artificiale, il software identifica gli elementi più rilevanti comprendendo il contesto e produce un testo, in un linguaggio naturale, per trasmettere in modo semplice concetti complessi. Questi sistemi si basano su regole grammaticali e dizionari; i diversi modelli possono essere personalizzati in base al loro fine ultimo.

Questi sono solo alcuni esempi di come l’intelligenza artificiale possa essere utile nel settore linguistico, ma le possibilità non si fermano qui. Mano a mano che migliorano le tecniche e i software di intelligenza artificiale, aumentano le questioni etiche che ruotano intorno all’uso dell’IA e al linguaggio umano.

Siamo liberi di scegliere se adottare questi nuovi sistemi oppure no. Se però vogliamo avere un ruolo chiave in un processo che sembra non conoscere battute di arresto, dobbiamo essere sempre aggiornati per capirne perfettamente il funzionamento e non rischiare di rimanere indietro.


Daniela D'Amato
d.d'amato@stats.dpsonline.it

Operations Manager di Creative Words, ama la localizzazione quanto la musica. Cerca sempre nuove sfide, ma non lascia nulla al caso e le piace avere tutto (e tutti) sotto controllo.



Post correlati

HAI DELLE DOMANDE? ABBIAMO LE RISPOSTE!

Creative Words, servizi di traduzione, Genova