Sergey Nivens - Fotolia

Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

La tecnología semántica apuntala la IA conversacional y otros usos de big data

La tecnología semántica no cantada y no anunciada es un componente clave en la inteligencia artificial y otras aplicaciones de big data. Sin embargo, al igual que la IA, aún enfrenta obstáculos para convertirse en comercial.

Después de una larga hibernación, la inteligencia artificial se ha despertado y parece estar energizada para finalmente probar su valor para las empresas. Uno de los componentes subyacentes del resurgimiento de la IA es la tecnología semántica, que ayuda a los usuarios a entender el texto, el habla y las relaciones entre los elementos de datos.

Y no es solo IA: las metodologías semánticas también admiten una variedad de otras aplicaciones en entornos de big data.

Los rumores: Al igual que la IA, la tecnología semántica se ha mantenido al margen de la conciencia de TI dominante durante años. Apareció por primera vez en 2001 bajo el nombre de Semantic Web, un concepto basado en el Resource Description Framework (RDF), que estructura los datos en forma de gráfico. RDF se ha convertido en un elemento básico de la computación semántica, junto con el lenguaje de consulta SPARQL y el lenguaje de ontología web (WOL). Ahora, estas y otras herramientas semánticas están encontrando una nueva base en aplicaciones que analizan el habla, categorizan preguntas y analizan el sentimiento. Los usos incluyen el procesamiento de lenguaje natural, redes sociales, análisis de clientes y de atención médica, y emprendimientos de inteligencia artificial, desde Alexa de Amazon hasta Watson de IBM.

Los gráficos semánticos almacenan datos como triples: un sujeto y un objeto vinculados por un predicado que denota su relación.

La realidad: El entusiasmo por la tecnología semántica podría verse frustrado por las pláticas conversacionales de la IA por parte de los chatbots y los asistentes de voz. En términos más generales, es difícil encontrar programadores que estén preparados para lidiar con sistemas orientados a semántica. Además, las aplicaciones semánticas a menudo dependen de implementaciones complejas de lagos de datos que incorporan bases de datos de gráficos. Y su éxito final depende de otra tecnología relacionada con la IA: algoritmos de aprendizaje profundo que deben procesar grandes volúmenes de datos para alimentar motores semánticos. Con esos desafíos, la visión semántica puede terminar siendo un sueño imposible.

Próximos pasos

Más sobre inteligencia artificial:

Stephen Hawking, preocupado por el avance de la Inteligencia Artificial

La inteligencia artificial es crítica para el crecimiento del negocio

Un asistente virtual puede incrementar la felicidad en el trabajo, dice Cisco

Este artículo se actualizó por última vez en diciembre 2017

Profundice más

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close