Google ha otorgado más de 1.2 millones de dólares para apoyar la investigación en el área de lenguaje natural y entendimiento, que relaciona a la empresa de búsquedas con las gráficas del conocimiento. Es claro que este apoyo se debe a que hay mucho interés en el aprendizaje de las máquinas, por ejemplo usando redes neuronales, para apoyar y mejorar las búsquedas en la web. Dar soporte a lenguaje natural y al entendimiento del habla puede ayudar a tener interfaces con la máquina más sofisticadas y además, más precisas.
En el anuncio hecho en el blog Google Research, explica cómo el lenguaje natural es parte integral de su tecnología de grafos del conocimiento, el cual representa un paso adelante, “de las cadenas de caracteres a las cosas”: “Entender el lenguaje natural es parte del núcleo del trabajo de Google para ayudar a la gente a hacerse de información tan pronto y rápido como sea posible. En Google trabajamos duro para avanzar en el procesamiento del lenguaje natural, para mejorar el entendimiento de los principios fundamentales, y para resolver los retos en ingeniería y algoritmos que hace que estas tecnologías sean parte de nuestra vida cotidiana”. Y agrega: “El lenguaje es inherentemente productivo; un número infinito de nuevas expresiones con sentido pueden formarse para combinar el significado de sus componentes sistemáticamente. El siguiente paso lógico es el modelo semántico de expresiones estructuradas con significado. En otras palabras, “qué se dice” sobre la entidades. Nuestra visión es que las gráficas de conocimiento soportarán el siguiente paso en el entendimiento del lenguaje natural, dando un universo de entidades, hechos y relaciones en donde las operaciones de la composición semántica pueden ser diseñadas e implementadas”.
Los tópicos de investigación que han sido premiados van desde el aálisis lexicográfico semántico a los modelos estadísticos de las historias de vida e inferencia en la composición de novelas, así como enfoques en la representación de las relaciones de modelos y eventos en la gráfica del conocimiento.
Los ganadores fueron:
- Mark y Lan Du (Macquarie University) y Wray Buntine (NICTA) por “Generative models of Life Stories”
- Percy Liang y Christopher Manning (Stanford University) por “Tensor Factorizing Knowledge Graphs”
- Sebastian Riedel (University College London) y Andrew McCallum (University of Massachusetts, Amherst) por “Populating a Knowledge Base of Compositional Universal Schema”
- Ivan Titov (University of Amsterdam) por “Learning to Reason by Exploiting Grounded Text Collections”
- Hans Uszkoreit (Saarland University and DFKI), Feiyu Xu (DFKI and Saarland University) y Roberto Navigli (Sapienza University of Rome) por “Language Understanding cum Knowledge Yield”
- Luke Zettlemoyer (University of Washington) por “Weakly Supervised Learning for Semantic Parsing with Knowledge Graphs”googlelogo
Referencias:
Premios a la investigación sobre entendimiento del lenguaje natural