Este artículo se publica en colaboración con Quartz.
En el futuro, la ciencia ficción nos dice que podremos mantener conversaciones complejas con la computadora de nuestra nave estelar tan fácilmente como lo haríamos con nuestros compañeros robots de la tripulación o incluso con otros seres humanos. Pero antes de llegar a ese punto, tendremos que conformarnos con charlar con neveras y aspiradoras.
Esta semana, varias empresas anunciaron programas para desarrolladores que facilitan la creación de software capaz de entender lo que dice la gente y responder en consecuencia. Microsoft, Nuance—que supuestamente proporciona una de las herramientas detrás de Siri, de Apple—y SoundHound, la empresa detrás de la aplicación de reconocimiento musical que lleva su mismo nombre, presentaron formas de hacer que cada aplicación y cada dispositivo inteligente sea más fácil de usar.
Hoy en día todo parece estar conectado a internet, aunque no todo probablemente debería estarlo, y una de las partes más difíciles de usar estos dispositivos es la interacción. Usar aplicaciones de terceros o pulsar en pantallas diminutas resulta mucho más complicado que poder simplemente hablar con algo. Pero desarrollar software que pueda entender a las personas, y mucho menos extraer algún significado de sus palabras y responder con algo útil, no es sencillo. Siri parece malinterpretar casi una de cada dos frases, y otros asistentes virtuales no son mucho mejores.
A medida que más desarrolladores puedan incorporar el reconocimiento de voz en su software, más datos podrán usar esos sistemas para mejorar su comprensión del lenguaje. Por eso, puede que no pase mucho tiempo antes de que puedas mantener una conversación inteligente con tu tostadora sobre lo tostado que quieres el pan a la mañana siguiente.
Escuchar y aprender
La nueva plataforma para desarrolladores de Nuance, llamada Mix, se lanzó hoy (15 de diciembre). Está diseñada para ser un conjunto de herramientas sencillo que los desarrolladores pueden usar para configurar una aplicación de reconocimiento y comprensión de voz en cuestión de minutos. Nuance mostró a Quartz un programa que creó para hablar con un robot virtual al que se le ha encargado encontrar a un gato. Puedes pedirle que mire debajo del sofá y continuar con: «¿Y detrás de las cortinas?». La API de comprensión del lenguaje de Nuance permite al programa deducir el contexto de la pregunta de seguimiento sin necesidad de que se le vuelva a hablar del gato perdido.
La idea es permitir a los desarrolladores crear algo que refleje con más fidelidad cómo hablan las personas entre sí, y aplicarlo a dispositivos inteligentes, como un termostato Nest, o incluso a robots domésticos emocionales. Nuance no quiso revelar los detalles de precios, pero dijo que habría un nivel gratuito para que los desarrolladores lo probaran.
La plataforma API de SoundHound, que denomina Houndify, tiene un objetivo similar. «La demanda de una interfaz rápida, precisa, natural, habilitada por voz y conversacional para el número creciente de dispositivos conectados ya está aquí», afirmó Keyvan Mohajer, director ejecutivo de SoundHound, en un comunicado. La empresa también está abriendo el acceso a un conjunto de API diseñadas para que los desarrolladores añadan a sus aplicaciones reconocimiento de voz, comprensión y preguntas de seguimiento.
La empresa también se ha asociado con otros para proporcionar datos adicionales que los desarrolladores pueden utilizar. Podrán incorporar información de reservas de hoteles y vuelos de Expedia, datos meteorológicos de AccuWeather, resultados deportivos, tipos de cambio, cotizaciones bursátiles y otros temas que suelen interesar a la gente. Pronto, podrías preguntar a cualquier dispositivo de tu casa el tipo de preguntas que podrías hacer a Amazon Echo.
SoundHound lanzó recientemente su propia y resultona aplicación de asistente virtual, Hound, que utiliza muchas de las API que pone a disposición de los desarrolladores. Puedes hacerle preguntas complejas y de varias partes sobre precios de hipotecas, o encontrar exactamente el hotel que buscas para tu próximo viaje. En lugar de tener que navegar por menús en línea o botones dentro de la aplicación, simplemente hablas con Hound como lo harías con una persona. Microsoft también lanzó nuevas herramientas como parte de Project Oxford, su división de investigación en inteligencia artificial. Al igual que IBM Watson, Microsoft ha desarrollado una serie de API para ayudar a los desarrolladores a incorporar aprendizaje automático y reconocimiento de voz en las aplicaciones. Ayer anunció nuevas API que podrían superar uno de los mayores problemas de las aplicaciones de reconocimiento de voz: que nunca llegan a entendernos. Sus dos nuevas aplicaciones de reconocimiento pretenden determinar quién habla, aprendiendo las características de la voz de una persona, e identificar voces incluso en entornos ruidosos. 2015 no fue el mejor año para la inteligencia de los robots, pero sí señaló el camino hacia coches, robots y asistentes virtuales mucho más inteligentes en un futuro próximo. Cuando más desarrolladores puedan acceder a API como estas, y las personas puedan retroalimentarlas con más datos, mejorará la capacidad de los sistemas para entendernos. IBM, por ejemplo, acaba de integrar su sistema de IA Watson en el robot japonés Pepper, con el objetivo de utilizarlo como vendedor una vez que haya sido entrenado para entender las preguntas que probablemente escuchará. Y en el futuro, esperemos que cuando pidamos a nuestros robots que abran las puertas de la bahía de la nave de nuestras naves espaciales, cooperen. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.
Para mantenerse al día con la Agenda, suscríbase a nuestro boletín semanal.
Autor: Mike Murphy es periodista de Quartz, especializado en tecnología.
Imagen: El robot de comunicación «Chapit», de Raytron, hace una expresión facial en respuesta a voces, utilizando su función de reconocimiento de voz. Chapit cuenta con funciones de reconocimiento automático del habla y síntesis de voz, con las que puede seleccionar varias palabras adecuadas de una base de datos de voz y componer un discurso arbitrario. Solo con comandos de voz puede controlar equipos electrónicos domésticos, según dijo la empresa. REUTERS/Kim Kyung-Hoon.
