Tecnología del Conocimiento

Las tecnologías de recomendación son algoritmos que permiten predecir objetos, productos o contenidos en los que el usuario puede estar interesado basándose en el perfil de este usuario.

Los ejemplos más claros de aplicación hasta el momento ha sido a los contenidos digitales.

• Movielens. Un sitio gratuito que recomiendo a cualquiera que le guste el cine. Al entrar la primera vez te ofrece una lista de películas para que las valores si las has visto. Una vez valoras 15, el sistema, basándose en esas valoraciones y en gustos de otros muchos usuarios te recomienda nuevas películas. Es una maravilla para descubrir cine.
• Netflix. Aplica el mismo sistema pero además te ofrece alquilarla… y te le llevan a casa. De momento el servicio no está disponible en España, una lástima.
• Mystrands, una empresa a medio camino entre Estados Unidos y España pero con corazón español, aplica un sistema parecido a la música. La novedad es que si usas iTunes o Windows Media para escuchar música, entiende que las que más te gustan son las que más oyes y si no quieres no tienes que valorar las canciones. Ofrece compra online a través de Apple store, claro.
• Pandora recomienda música a partir de otra que te gusta, pero las recomendaciones no se basan en los gustos de otros usuarios sino en opiniones de expertos.

Amazon se ha ocupado de incorporar las recomendaciones a las compras, de libros sobre todo, pero también de otros tipos de productos. Además de recomandaciones basadas en valoraciones, incorpora siempre un tipo de reconmendación que no requiere que el usuario colabore. Cuando eliges algo te planta el acertadísimo mensaje de:

Los que compraron esto que tú has comprado también compraron…

Creo recordar que la comunicación constaba de emisor, receptor, canal y mensaje. Podríamos identificar la música, las pelis y los libros con el mensaje en un tipo de comunicación muy restringido: la que se produce entre el artista o autor con el lector, espectador u oyente.

La siguientes aplicaciones de las tecnologías de recomendación en la web serán en dos líneas:

• Hacia la recomendación de emisores y receptores: es decir interlocutores o gente con la que charlar sobre lo que interesa. No sólo en el terreno del ocio, sino también en el ámbito profesional.
• Hacia la recomendación de contenidos no digitales. Desde bienes de consumo a destinos turísticos.

En ello andamos.

Entramos de lleno en el tema de la lingüística computacional con los traductores automáticos y su uso y estado actuales. Muchas veces, navegando por la red, os habréis encontrado con algún texto en otro idioma que querríais traducir al vuestro. Para ello empezaron a surgir sites con traductores que prometían (y prometen) hacerlo de manera rápida y efectiva (y en algunos casos gratuita), como por ejemplo, el muy famoso “Altavista Babel Fish”.

Esta es la definición que la Wikipedia da al artículo “traductor online”:

“An online translator is a web-based tool based on Machine translation. Online translators can translate single words, paragraphs or complete websites. Prominent online translators include Google’s Language Tools and Altavista’s Babel Fish.” (Una definición correcta, directa y pelín pobre. Si algún experto en la materia quiere completarla la Wikipedia se lo agradecerá).

Pues eso.

La traducción automática ha avanzado mucho y ahora está en pleno auge gracias a su gran uso potencial en un nuevo medio multilingüe como Internet. Pero, por lo que he podido comprobar,  también le falta bastante para poder dar con unos resultados que, como mínimo, no te hagan reír cuando los lees…

Para que comprobéis la eficacia o “ineficacia” de estos traductores en la red he escogido los traductores gratuitos online de textos más conocidos y valorados. Y ¿qué vamos a traducir? Pues ya que he dejado la definición de la Wikipedia tal cuál, ¿qué tal si vemos cómo quedaría traducido a una lengua que podemos entender?

Altavista’s Babel Fish

Un traductor en línea es una herramienta tela-basada basada en la traducción automática. Los traductores en línea pueden traducir las solas palabras, párrafos o terminar Web site. Los traductores en línea prominentes incluyen las herramientas de la lengua de Google y los pescados de Babel de Altavista.

Google

Un traductor en línea es una herramienta tela-basada basada en la traducción automática. Los traductores en línea pueden traducir las solas palabras, párrafos o terminar Web site. Los traductores en línea prominentes incluyen las herramientas de la lengua de Google y los pescados de Babel de AltaVista.

(¡Hey! Usan el mismo sistema de traducción. Tramposos…)

FreeTranslation.com

Un traductor en línea es un instrumento telaraña-basado se basó en la traducción automática. Los traductores en línea pueden traducir solas palabras, los párrafos o completar sitios web. Los traductores en línea prominentes incluyen Herramientas del idioma de Google y Altavista Babel Pesca.

(Bable Pesca… Un poco mejor que “pescados de Babel”; por cierto, qué bíblico suena…)

Appliedlanguage - Free online translation

Un traductor en línea es una herramienta tejido-basado basada en traducción automática.  Los traductores en línea pueden traducir solas palabras, párrafos o websites completos.  Los traductores en línea prominentes incluyen las Herramientas del Idioma de Google y los Pez de Babel de Altavista.

(¡Bien! “Websites completos”. 1 Gallifante para Appliedlanguage)

ImTranslator 3.0

Un traductor en línea es un instrumento a base de web basado en la Traducción automática. Los traductores en línea pueden traducir palabras solas, párrafos o completar sitios Web. Los traductores en línea prominentes incluyen Instrumentos de Lengua de Google y Pescado de Babel de AltaVista.

También he oído hablar por la red de WorldLingo y InterTran, pero no han podido ser testados. El primero no lo he encontrado activo desde hace unos cuantos días y el segundo parece ser que lo han puesto de pago (y para mí que están haciendo lo mismo con WorldLingo).

Bueno. Supongo que habéis cogido el sentido general de la definición. Para eso Sí que  sirven de verdad estos traductores, para hacerte una idea de lo que lees. ¡Ya es mucho!, ¿no?

Para acabar una recomendación. Los hay que usan estos traductores para traducir de manera directa sus páginas web e incluso para traducir textos de revistas y periódicos como es el caso de este site: Newstran.  Por favor, entrad y juzgad si hoy en día ya pueden usarse de este modo tan “libre” estas herramientas traductoras.

Que nadie lo pille por el lado que no es… El caso es que como el otro día hablábamos del reconocimiento de voz en Windows Vista. O sea, en equipos de sobremesa. Hoy, he pensado que estaría bien echar un vistazo al reconocimiento en los teléfonos móviles.

El reconocimiento de voz que utilizamos en un teléfono móvil puede ser de dos tipos en función de dónde se realice el reconocimiento:

• En inglés llaman “Embedded” al reconocimiento que se realiza en el mismo terminal.
• El otro se suele llamar “network” o “server” y se realiza en un servidor (un ordenador) que está en alguna parte al otro lado de la red telefónica o de internet, en caso de que usemos VoIP (voz sobre el protocolo de internet)

Distinguir uno de otro a simple vista antes resultaba sencillo:

• Si llamabas a un número de teléfono y este servicio te preguntaba cosas, tú contestabas y el cacharro te entendía, el reconocimiento era “network”. Es lo que en jerga se llama un sistema IVR (Interactive Voice Response)
• Si apretabas un botoncito en tu terminal y el teléfono te reconocía un comando sencillo, sin establecer la llamada, era “embedded”. Las agendas de muchos de los primeros móviles GSM usaban este tipo de reconocimiento.

Ahora ya no resulta tan sencillo distinguir un sistema de otro a simple vista, sobre todo con la llegada de los Smartphones. Por varios motivos:

• Por un lado estos terminales tienen la suficiente capacidad de procesamiento para realizar reconocimientos complicados dentro del terminal.
• Por otro lado, la posibilidad de establecer sesiones de datos sobre las que circule la voz, hace que desaparezca un poco el concepto de llamada.

Aquí os dejo un ejemplo, y otro más. ¿Quién se atreve a decir a qué tipo de reconocimiento corresponde cada uno?

La principal ventaja de los sistemas “enbedded” es que no hay que pagar cada vez que se usan. Los inconvenientes son que, normalmente, hay que pagar por el software que se instala y que de las actualizaciones se tiene que ocupar uno mismo.

Los sistemas “network”, sin embargo, están actualizados tanto como se ocupe el proveedor del servicio, sin que yo tenga que ocuparme lo más mínimo. Sin embargo cada vez que los uso, pago. Bien por el tiempo de llamada (en caso de telefonía móvil GSM o basada en GSM) o por el volumen de datos que intercambio (GPRS o UMTS)

Al final hay sitio para los dos y hasta para una tercera solución de compromiso: DSR Distributed Speech Recognition, una iniciativa para reducir el tamaño de los datos que se intercambian entre el terminal y la red, enviando en lugar de toda la voz, sólo la información de la voz que es interesante para realizar el reconocimiento.

Esta visión del futuro de la “batalla” de lenguajes en la red y otras se pudieron recoger gracias a un “iluminador” trabajo llevado a cabo por Pew Internet & American Life.

Este trabajo pretendía, a través de la realización de encuestas a expertos en Internet y nuevas tecnologías, conformar un retrato de la red en el año 2020. El trabajo se llama “Imagining the Internet” y se puede disfrutar en esta página web:
http://www.elon.edu/predictions/

Una de las cuestiones presentes en la encuesta fue la siguiente:

In 2020, networked communications have leveled the world into one big political, social, and economic space in which people everywhere can meet and have verbal and visual exchanges regularly, face-to-face, over the Internet. English will be so indispensable in communicating that it displaces some languages.
(Podéis utilizar un traductor automático on-line como BabelFish para traducir este texto, así también podréis ver cómo se las gastan los traductores actuales)

Bueno, ¿qué tiene que ver esto con el mandarín? Pues nada, que mientras algunos muchos de las respuestas tenían como tema central el crecimiento del mandarín en la red y la posibilidad de que éste incluso desbanque al inglés como lengua “franca” del ciberespacio.

En esta página se pueden leer frases con ideas tan encontradas como estas:

English will be a minority language on the Internet - Cantonese, Mandarin, Spanish and Arabic will be the four significant languages.

English will grow as the predominant universal language, but at the same time the Internet will allow people with niche cultures and languages to find each other and thrive.

Todas la opciones son posibles… aunque siempre hay unas más probables que otras.
No sé qué pasará con Internet en el 2020, pero yo, por si acaso,creo que me apuntaré a un cursillo intensivo de chino.

P.D.: Por cierto. En el próximo post hablaré de cómo se codifican los signos de lenguas como el mandarín para que puedan ser leídas y escritas a través de caracteres occidentales.
Sí, llegó la hora de hablar de Unicode.

Si bien China es el segundo país en número de internautas, sólo por detrás de los Estados Unidos, la presencia de su idioma “oficial”, el mandarín, no hace justicia a este hecho.  Parece ser que el principal motivo por el cuál el mandarín no crece en Internet es la política censora del gobierno chino.

Muestra de esto es la reciente noticia que se hace eco del bloqueo que sufren la Wikipedia en mandarín y los blogs de Blogspot también en esta lengua. Según el autor de la noticia:

La censura sufrida por Wikipedia en mandarín ha impedido su crecimiento en China, y por ello, aunque el chino es el idioma más hablado del mundo, la versión en mandarín de la “enciclopedia libre” tiene muchos menos artículos que la inglesa (1,4 millones) o la española (159.000), entre otras.
Algo similar ocurre con Blogspot, que no posee un gran número de bitácoras en mandarín, pese a que éste es el tercer idioma más usado en la Red (después del inglés y del japonés).

Bien. Esto es lo que está pasando ahora mismo y si la política de Pekín sigue por este camino parece que el mandarín no conseguirá nunca “arrancar” y convertirse en otra de las grandes lenguas protagonistas de la red. Aunque hay muchas personas que, al contrario, piensan que pese a quien pese el mandarín será una de las principales lenguas “del futuro” del ciberespacio.

¿Recordáis la escena de Blade Runner en la que Harrison Ford analiza el detalle de una fotografía usando su voz? Según dice “manos”, “acercarse”, “derecha”.. en la pantalla aparece la parte de la foto deseada… Por si no recordáis la escena o no habéis visto la peli os dejo un link. Da una idea aunque la calidad no sea muy buena.

Hoy un ordenador de corrientito no podría reconocer todo lo que decía Harrison Ford sentadito delante de la pantalla… para reconocer la palabra “mano” se necesitaría un software de análisis de imágenes que permitiese al ordenado “adivinar” que eso blanco arriba a la derecha es una mano…

Sin embargo se pueden hacer muchas otras cosas, y Microsoft mediante, las vamos a acabar haciendo:

• Windows vista incorpora reconocimiento de voz, al menos en su versión inglesa, y permite interactuar con casi todos los programas, desde el solitario hasta Internet Explorer.
• Y Bill Gates afirma que la interfaz vocal, junto con las gestuales, acabarán por desplazar al ratón: “the next revolution is not in the content of websites but the way we physically interact with computers, with keyboard and mouse giving way to speech, touch and mobility”

Cuando se trata de Microsoft las preguntas, así un pelín malalechosas, surgen rápido.

• ¿Lo de incorporar voz al solitario no es un poco un contrasentido…? ¡Yo pensé que ese juego se creó para jugar a escondidas en el trabajo!
• Por otro lado, lo que dice Bill Gates ahora de que en diez años la voz desplazará al teclado… ya lo hemos oído antes. ¿Se lo volveremos a escuchar en el 2017?
• ¿Cuál sería el equivalente al pantallazo azul en el sistema de voz de windows vista? ¿Algo como lo que se ve aquí?

Bromas aparte, el hecho de que el gigante apueste por las tecnologías de voz, va a cambiar la experiencia del gran público con esta tecnología. Hasta ahora la experiencia del usuario medio se limitaba a un uso puntual de algunas aplicaciones telefónicas de atención al cliente. Como Windows Vista nace para ser usado con mucha mayor frecuencia que estos servicios telefónicos, parece razonable pensar que el modo de interactuar con la voz en Vista se convierta en un estándar “de facto” que los usuarios exigirán a todas las aplicaciones.

El lingüista David Crystal, famoso por ser el autor de libros tan influentes como “Language and the Internet” augura un futuro negro para muchas de las lenguas que hoy en día se practican en el globo. Sólo basta decir que (según estima el propio Crystal) un 25% de las 6000 lenguas existentes son habladas por Menos de 1000 personas. En cambio un 4% de ese mismo número de lenguas abarcan un 96% de hablantes a nivel planetario.

A la pregunta de porqué nos tendría que preocupar que una lengua se extinguiese, Crystal argumenta:
por la defensa del valor de la diversidad, por el valor de las lenguas como expresión de la indentidad, por ser éstas testigos de la historia, por ser parte de la suma del saber humano y por ser interesantes por ellas mismas (a mi el último argumento ya me parece suficiente).

Crystal predica que “una lengua amenazada progresará si sus hablantes hacen uso de la tecnología electrónica”.
Esto es, la amenaza de desaparición a que se ven sometidas estas lenguas podría ser combatida gracias al acceso y al uso de estas nuevas tecnologías por parte de las comunidades que usen una de estas lenguas minoritarias (y/o minorizadas) en peligro de muerte.

Pero, ¿no es la tecnología y los cambios sociales que ésta convella una de las razones por las que muchas lenguas mueren, al no poder acceder sus hablantes a ellas por medio de su lengua materna? ¿Es la tecnología parte del problema y también parte de la solución? En los próximos años, ¿cuál de estos dos polos opuestos de fuerza vencerá? ¿Realmente las políticas (y aplicaciones tecnológicas derivadas) pro-multilingüismo frenarán la muerte de las lenguas en peligro y además las ayudarán a progresar?

P.D.: Si queréis saber más sobre David Crystal y su trabajo haced click aquí.

Dentro del contexto software y web del que tratamos en este grupo, internacionalización y globalización son dos conceptos muy relacionados - en wikipedia de hecho tienen entrada conjunta - pero diferentes.

La internacionalización, también llamada i18n, tiene que ver con crear software siguiendo ciertas buenas prácticas de diseño que permitan extenderlo a nuevos idiomas sin que la cosa salga por un riñón.

El w3c tiene un grupo de trabajo dedicado a esto, y el líder de este grupo participó en el fundamentos web 06 en Oviedo con una interesante presentación en la que expuso algunas de las “buenas prácticas”.

Incluía entre éstas: separar el contenido de la presentación, evitar símbolos convencionales que tengan que ver con el país, y prever la diversidad en el sentido de la escritura y de aquellos elementos de información comunes como direcciones, plurales, nombres propios, moneda…

Todos sabemos que hay idiomas que se escriben de izquierda a derecha, otros de derecha a izquierda, de arriba abajo e incluso, y comentaban en esta presentación que en algunos contextos, como ciertos periódicos chinos, se combinan en una misma página varias de estas “direcciones”. Una locura, la verdad.
La localización, a la que también llaman con el extraño nombre de l10n, tiene que ver con la traducción y adaptación del contenido de una página web o aplicación a un nuevo idioma o al uso que se hace de un idioma ya disponible en otro país: español de argentina, por ejemplo.

Si nos miramos un poco el ombligo, podemos ver que en España de localización sabemos bastante, al menos en lo que se refiere a las tres lenguas co-oficiales que existen, además del castellano, en determinadas regiones del territorio. Estas lenguas presentan particularidades que deben ser tenidas en cuenta en los procesos de internacionalización (me comenta una amiga que se dedica a hacer este tipo de trabajo que en euskera a veces se dicen cosas equivalentes a “libros dos” en vez de “dos libros” y que la mayor parte de los servicios telefónicos automáticos no realizan bien la traducción.)

El proceso de diseñar teniedo en cuenta la potencial internacionalización, hace que los costes de localización se reduzcan y por tanto es una excelente estrategia para fomentar la diversidad lingüística, ya que el principal freno a la localización de las aplicaciones son esos mismos costes.

Si levantamos un poco más la vista, un interesante ámbito de aplicación de estos principios es la política lingüística de la Unión Europea: 27 paises, 20 idiomas oficiales y 1123 millones de euros gastados en 2005.

En enero de 2007 se incorporarán a la Unión Rumanía y Bulgaria. El rumano es una lengua latina emparentada con el castellano, francés, italiano… que usa el alfabeto latino.

El búlgaro no. El búlgaro, como bien se señala en blogos - un interesante blog de tecnología y lenguaje - usa el alfabeto cirílico. Así que las problemáticas asociadas a este alfabeto, como dificultad de la transliteración de nombres, variabilidad del plural… serán retos para la “localización” de las aplicaciones web y software europeo que quiera llegar a estos nuevos ciudadanos de la unión.

Una excelente oportunidad para las empresas que apliquen los principios de internacionalización y localización aparece en el horizonte.

Del 21 de noviembre hasta el 3 de diciembre se realizará el III Congreso Online del Observatorio para la Cibersociedad. Entre otros temas se tocará el que en este apartado nos interesa: la comunicación y la cultura en el entorno de la red. Entorno a este eje de estudio se formarán varios grupos de trabajo que investigarán sobre periodismo libre en Internet, difusión y gestión cultural en la red, la web audiovisual, narrativa digital, entre otros.

Puede ser interesante pasarse por la web del congreso y echar un vistazo a esta iniciativa. Os podéis inscribir en el Congreso y también enviar comunicaciones (artículos relacionados con alguno de los temas a tratar) hasta el 5 de noviembre. (En el site vienen detalladas las condiciones)

Esta noticia viene vía e-cuaderno, el blog sobre cibercultura, medios eComunicación y blogging. (Que por cierto, también se hizo eco del trabajo que llevamos a cabo en este blog )

Sin ánimo de hacerme pesada con el tema me gustaría hablar de otro aspecto de los chats en relación con el lenguaje. La forma de expresarnos en los chats resulta que constituye para muchos estudiosos de la lingüística un “nuevo género discursivo”. Para unos, este nuevo género estaría particularizado por su carácter híbrido: esto es, por ser una mezcla de lenguaje oral y lenguaje escrito. A otros les ha dado por llamarlo “género confuso” (Geertz)
A mí lo de “discurso híbrido” me ha parecido más interesante por las implicaciones en el uso del lenguaje en las nuevas tecnologías que se derivan de ello.
Según Gustavo Daniel Constantino -doctor en Educación y Magister en Tecnologías y Metodologías de la Formación en Red- :

“Un discurso híbrido es aquel en el que la instancia de producción difiere de la instancia de actuación o realización, en un desfasaje anómalo o forzado que deja las huellas de origen en el discurso resultante. El discurso electrónico tiene los rasgos generativos de la oralidad, pero su materialidad es la escritura”.

Es decir, usamos la escritura para transcribir un discurso oral, mezclando las particularidades de uno y de otro.

A nadie se le escapa que nos expresamos de una manera muy particular a través de los chats. El entorno que crean es familiar y distendido. Las palabras van directamente de nuestra cabeza a la pantalla del ordenador, sin tener en cuenta faltas de ortografía, construcciones desestructuradas, sobreentendidos… Nos da la sensación de hablar cara a cara con la persona, pero sólo recibimos de ella más palabras escritas como respuesta a las nuestras (bueno, ahí está la web cam, pero normalmente es más como tener una foto de tu interlocutor encima del monitor que otra cosa…).

La absencia presencial del interlocutor, la falta de ese feed-back tan importante en las conversaciones cara a cara que es el lenguaje no verbal, se suple con signos visuales que representan el estado de ánimo del interlocutor o de su reacción: emoticones, smileys, onomatopeyas.

En definitiva, se usa el lenguaje escrito para “transcribir” una conversación de “intención oral”. Los chats nos llevan a expresarnos de una forma totalmente nueva sin que ni siquiera seamos conscientes de ello.

Hasta tal punto los nuevos dispositivos de mensajería sincrónica han creado un género conversacional y discursivo tan propio y específico que se han dictado unas reglas básicas de comunicación para el buen entendimiento entre los interlocutores de los chats (también hay normas para los textos escritos de los chats, para la comunicación en los foros…). Estas reglas se han reunido bajo el nombre de “netiqueta”. Entre las normas lingüísticas a seguir según la “netiqueta” en un chat estarían por ejemplo:

- Evita el uso de mayúsculas, ya que pueden interpretarse como gritos o enfado. Usa los Smileys cuando sea necesario.
- Evita el uso de mensajes de bienvenida automáticos. Personalmente me disgusta entrar en un canal y encontrarme con 25 noticas diciendo “Bienvenido, Jcea”, enviados de forma totalmente pasiva e impersonal, y cuyos remitentes no es que no sepan quienes somos, sino que -en muchas ocasiones- ni se han enterado de que hemos entrado en el canal. Es mucho más agradable ser saludado por uno o dos usuarios conocidos que nos hayan visto entrar.

¿Qué os parece?

Lo que el chat hace es ponernos en una situación en la que aceptamos un rol característico distinto tanto de nuestro rol de “escritores de un texto” com del de “conversadores cara a cara”; nos da un nuevo papel que interpretar en nuestras relaciones comunicativas y nos hace utilizar el lenguaje de una forma también nueva.

(Por cierto, tenéis el resto de las normas de “netiqueta” aquí).