IBM presentó nuevas capacidades de su tecnología IBM Watson, líder en inteligencia artificial para empresas, diseñada para ayudar a las organizaciones a comenzar a identificar, comprender y analizar con mayor claridad el lenguaje humano con el fin de obtener mejores insights para los negocios.

Las nuevas tecnologías representan la primera comercialización de capacidades esenciales de procesamiento del lenguaje natural, (Natural Language Processing - NLP) presentes en el proyecto de investigación Project Debater de IBM Research, el único sistema de Inteligencia Artificial (IA) capaz de debatir con humanos sobre temas complejos.

Es así que, se define una nueva función avanzada de análisis de sentimientos para identificar y analizar modismos y coloquialismos por primera vez. Expresiones propias de los negocios como "hot under the collar", que en español algo similar ocurriría con la frase "la sangre en el ojo", han desafiado los sistemas de IA porque son difíciles de detectar por algoritmos. Con el análisis avanzado de sentimientos, las compañías pueden comenzar a analizar esos datos de lenguaje con las APIs de Watson, para obtener una comprensión más holística de sus operaciones. Además, IBM está trayendo tecnología de su división de investigación, IBM Research, para comprender documentos comerciales, como archivos PDF y contratos, para agregar también a sus modelos de IA.

"El lenguaje es una herramienta para expresar pensamientos y opiniones, así como una herramienta para obtener información", comenta Rob Thomas, Gerente General de IBM Data and AI. "Es por eso que estamos cosechando tecnología del Proyecto Debater e integrándola a Watson, para permitir a las empresas capturar, analizar y comprender más del lenguaje humano y comenzar a transformar la forma en que utilizan el capital intelectual que está codificado en los datos".

IBM anuncia sus planes de integrar las tecnologías del proyecto de investigación Project Debater a Watson durante el transcurso de este año, para mejorar la capacidad de sus clientes de explorar el lenguaje natural:

1. Análisis: Advanced Sentiment Analysis (análisis avanzado de sentimientos). IBM ha mejorado el análisis de sentimientos para identificar y comprender mejor las construcciones de palabras complejas como frases y modismos. Además, esta tecnología permitirá crear modelos de inteligencia artificial para clasificar más fácilmente las cláusulas en los documentos comerciales y contratos. Basado en la tecnología de calificación con deep learning de Project Debater, las nuevas características pueden aprender de unos pocos cientos de muestras, para hacer nuevas calificaciones de manera rápida y fácil.
2. Briefs: Summarization (resumen). Esta tecnología extrae datos textuales de varias fuentes para proporcionar a los usuarios un resumen de lo que se dice y escribe sobre un tema específico.
3. Clustering: Advanced Topic Clustering (agrupación avanzada de temas). Basado en los insightsadquiridos del Proyecto Debater, las nuevas técnicas de agrupación de temas permitirán a los usuarios "agrupar" los datos recibidos para crear "temas" con información relacionada, para que puedan ser analizados. Así también, permitirá a los expertos personalizar y ajustar temas para reflejar el lenguaje de compañías o industrias específicas, como seguros, salud y manufactura.

Caso de Aplicación: ESPN Fantasy Football

ESPN Fantasy Football utiliza Watson Discovery y Watson Knowledge Studio para analizar millones de fuentes de datos de fútbol americano cada día durante la temporada, para ofrecer insights en tiempo real a millones de jugadores de Fantasy Football.

Mediante el procesamiento del lenguaje natural, Watson identifica el tono y el sentimiento de los artículos de noticias, blogs, foros, rankings, proyecciones, podcasts y tweets que cubren todo, desde insights de vestuarios hasta análisis de lesiones. ESPN Fantasy Football muestra estas ideas en tarjetas de jugador que contienen el potencial de éxito y fracaso de cada jugador, así como una sección de "Player Buzz" que resume los comentarios positivos o negativos sobre cada jugador.