¿Por qué es tanto la altura?

Nos alojamos en un restaurante con un amigo. Cuando llegan las primeras comidas, la conversación interrumpe para decir: “¿Gastas …?” mientras mira un lugar específico de la mesa. No debemos necesitar más palabras o gestos para comprender que se refiere a la sal y gastarla.

No necesitamos que nuestro interlocutor termine su frase para saber qué significa eso. Nuestro conocimiento de la estructura del lenguaje interno nos permite anticipar qué palabra usará. Además, el contexto de la situación comunicativa nos brinda información sobre el contenido y las expresiones que dirá nuestro interlocutor.

El autocorector del teclado móvil está tratando de repetir este comportamiento humano del procesamiento del lenguaje estadístico y natural (PLN). Esto calcula la probabilidad de que la letra, la palabra o la secuencia aparezcan en función de su frecuencia en grandes cantidades de texto utilizados para entrenar modelos.

Sobre esta base estadística, el PLN también incluye el análisis de la estructura y el significado de las palabras, buscando patrones y relaciones entre ellos para crear un contexto contextual.

¿Por qué, entonces, insiste en reemplazar “Jobar” con “Jonathan” (si no conozco ninguno de los excéntricos si confirmamos en el mensaje que presentamos documentación a través de “Telepat” en lugar de “Telematiano”?

Combinar reglas y uso individual

El sistema para procesar el lenguaje natural del Autocroken, que utilizamos todos los días, se basa en su diccionario interno, en las reglas sintácticas del lenguaje y el historial de usuarios. Al principio, el diccionario interno fue construido sobre textos de capacitación de libros, artículos académicos y fuentes de Internet, entre otras cosas, que brindan competencia general. A partir de ahí, el sistema combina este aprendizaje anterior con reglas de lenguaje predefinido y con información recopilada del historial del usuario. Como resultado, el sistema proporciona el texto más probable del texto como se aprendió.

Inicialmente, estas herramientas han ayudado a personas con dificultades físicas, perceptivas o cognitivas en el uso de su lenguaje a través de sistemas informáticos. Sin embargo, una vez integrado en la interfaz de aplicaciones, puede beneficiar a cualquier usuario para mejorar la velocidad y el esfuerzo para escribir.

Predicción de cómo se escribió no es fácil

La aplicación de teclado móvil gestiona su propio diccionario de palabras y construcción, donde no se puede pensar en todas las opciones. Desde escribir usuarios y frecuencia, con los cuales ciertos términos, se abusan individualmente de las predicciones.

A pesar de esto, el trabajo sigue siendo complejo para el sistema, porque no es suficiente conocer todas las condiciones posibles. También debe decidir cuál es más adecuado bajo el contexto y la intención de los usuarios. Por ejemplo, el sustantivo de “casa” es completamente preciso y aceptado en el discurso cotidiano. Sin embargo, la “vivienda” es más apropiada en el proceso oficial o administrativo.

A Lire Aussi: ¿Puede la inteligencia artificial corregir errores de ortografía compleja?

Por qué “predicir” falla ”

El diccionario del dispositivo se puede imaginar como una estructura de árboles donde las opciones de un grado diferente de frecuencia que se refinan como escritura de una persona se usan antes de ingresar al bloque de texto. Dentro de las predicciones, algunos pueden estar motivados por ciertos sistemas de programación, como evitar el uso de malas palabras y el segundo para el aprendizaje explícito, en el que el usuario agrega ciertas expresiones al diccionario propio del dispositivo. Por esta razón, el autocorector no siempre coincide siempre con lo que el usuario espera en absoluto.

Para optimizar el proceso de escritura, las aplicaciones tienen dos formas principales de incluir sugerencias: ofrecer una lista de opciones basadas en la probabilidad o introducir directamente los términos en el texto. En el primer caso, el usuario debe analizar conscientemente alternativas. En otro, el discurso se construyó más rápido y más orgánico, pero la persona debe eliminar activamente la propuesta si no se desea.

Un lire aussi: ¿Trata a Chatggpt como un hermano -in -defensa o como un chico aplicado?

Aunque en la mayoría de los casos el sistema determina la palabra necesaria, hasta el 94% del tiempo nos hacemos recordar mucho más vívidos esos momentos en los que comete un grave error. Además, según el estudio, generalmente experimentamos frustración cuando las mismas fallas se repiten sistemáticamente. Sin embargo, esto es normal: el aprendizaje automático no es instantáneamente, pero gradualmente y funciona probablemente, combinando lo que ya sabe sobre los grandes textos con nueva información que recopilan usuarios.

A pesar de esto, la mayoría de los usuarios, y iOS y Android confirman que los autocorrectores integrados en el teclado mejoran su eficiencia y ayudan a reducir los errores. Además, el uso continuo de herramientas mejora progresivamente su eficiencia al ofrecer una experiencia personalizada.

La competencia léxica es solo un hombre

Ahora no debemos olvidar que el Diccionario del almacén de palabras de AutoKorecrector, cuyo funcionamiento se mueve del léxico mental del usuario humano. Este Lekicon se basa en establecer redes entre diferentes unidades léxicas basadas en diferentes tipos de relaciones (familia léxica, campos semánticos, castigo, etc.). Por otro lado, el autocorector tiene una gran disponibilidad léxica, pero no supere los aspectos relacionados con la forma, el significado y el uso de cada unidad léxica, es decir, carece de una competencia léxica y comunicativa que posee oradores.

A pesar de estas restricciones, las sugerencias que muestran que es posible mejorar la corrección contextual, como Word-CM-UC3M, que se centra en el fenómeno del lenguaje de su idlica. A través de técnicas lingüísticas y modelos de inteligencia artificial para aprender las formas y contextos de este fenómeno, el sistema puede identificar y corregir errores que el autocorrector convencional no revelará.

Aunque el tema puede continuar con su conocimiento para ofrecer correcciones cada vez más exitosas, la auto -corrección no deja de ser modelos matemáticos que operan a partir de patrones y reglas aprendidas, sin alcanzar la comprensión profunda, flexible y contextual que caracteriza el uso humano del lenguaje. Nunca será inconfundible. No somos tampoco: a menudo, como en el ejemplo del principio, nuestras predicciones pueden ser correctas, y tomamos sales a alguien que realmente quería una jarra de agua.