¿Cuáles son las áreas de investigación actualmente activas en PNL?

Respondamos como si estuviera hablando con un amigo, es decir, no hay una investigación específica para la discusión; suponiendo que pregunten por mi punto de vista, sabiendo que puede estar sesgado.

1. Reconocimiento automático de voz (ASR): ha estado activo durante un tiempo, por lo que encontramos resultados interesantes. Pero como no tenemos un error del 0%, todavía vale la pena investigarlo. Enfoques que trabajan con un aprendizaje más o menos profundo, comparando representaciones (por ejemplo, incrustaciones de palabras) y desarrollando modelos de detección de errores.
2. Traducción automática : mejoró enormemente con el surgimiento de la llamada traducción automática neuronal utilizando modelos seq2seq, atenciones, incrustaciones de palabras y todo eso. Ahora podemos tener predicciones interesantes y la traducción automática puede ayudar al traductor humano (pero no a reemplazarlo atm).
3. Incrustación de palabras : bueno, acabo de mencionarlo en los dos puntos anteriores. Las técnicas de inserción de palabras demostraron que valía la pena la atención. Se ha utilizado en una amplia variedad de tareas de PNL. Ha llegado el momento de dar un paso más al usar incrustaciones más específicas de tareas (de nuevo, especialmente para ASR, con características de sonido), o más generales: incrustaciones en varios idiomas, etc.
4. Preguntas y respuestas : Para ser honesto, puede ser la tarea más emocionante en PNL. Quiero decir, cuando la gente piensa en las máquinas que dominan el lenguaje, lo primero que nos gustaría hacer es hablar con ellos (aprobado por Turing). La tarea es enormemente interesante técnicamente hablando, todavía hay un largo camino por recorrer.

Finalmente, uno puede no darse cuenta de cuán conectadas están esas tareas. Los modelos tienen muchas partes comunes, los conceptos subyacentes son muy cercanos (si no exactamente lo mismo). Por lo tanto, todo el campo de PNL generalmente se beneficia de cualquier mejora en cualquier tarea.

Un área activa es la aplicación de Redes Adversarias Generativas (GAN) a PNL. Las GAN proporcionan el rendimiento más avanzado en muchas tareas de visión por computadora, pero no está claro cómo se pueden aplicar al lenguaje humano.