El pasado mes de febrero Amadeus y Microsoft anunciaban su alianza estratégica para combinar la seguridad y confianza de las plataformas en la nube de Microsoft con la experiencia y capacidades de innovación de Amadeus en la industria del viaje. Esta alianza se centra en tres objetivos específicos:
Uno de los objetivos de esta alianza se centra en la migración de Amadeus en la nube pública. Con esta migración, Amadeus logrará una mayor flexibilidad para escalar su capacidad operativa, incrementándola o disminuyéndola o para ajustarla según sea necesario a las condiciones del mercado y la demanda. Amadeus también espera mejorar la resiliencia de sus soluciones y servicios para los clientes, y realizar un cambio en el desarrollo de nuevas tecnologías, al tiempo que aumenta la seguridad de los sistemas y los datos.
Christophe Bousquet, Chief Technology Officer de Amadeus
“La tecnología en la nube ha sido durante mucho tiempo parte de la estrategia de Amadeus: fuimos la primera empresa en la industria del viaje en operar completamente en sistemas abiertos tras el desmantelamiento de los mainframes en nuestro centro de datos en 2017”.
Denis Lacroix, Vicepresidente Senior del programa de transformación de la nube de Amadeus
“La tecnología de nube pública ha evolucionado de tal manera que ahora puede ofrecer un nivel de servicio mejorado que antes era únicamente posible a través de nuestra infraestructura privada”.
Fuente: Microsoft Azure en Facebook
Impulso conjunto a la innovación
Equipos tanto de Microsoft como de Amadeus colaborarán para lograr un desarrollo más rápido de nuevas soluciones en la nube, lo que a su vez favorecerá experiencias de viaje más fluidas. Un ejemplo de esto es para los negocios de aerolíneas y hostelería: ambas empresas aprovecharán el valor de las soluciones de Azure y Microsoft (Microsoft Teams, Microsoft 365, Dynamics 365 y Microsoft Power Platform) para ofrecer experiencias de usuario final más potentes y sofisticadas, así como para crear soluciones personalizadas adaptadas a las necesidades de la industria del viaje.
Se espera que los esfuerzos iniciales se centren en establecer viajes de negocios más integrados y permitan una colaboración más estrecha entre las autoridades del sector turístico y del sanitario. Al pasar a la nube pública, Amadeus logrará una mayor flexibilidad para escalar su capacidad operativa o ajustarla según sea necesario dadas las condiciones del mercado y la demanda. Amadeus también espera mejorar la resiliencia de sus soluciones y servicios para los clientes y dar un paso adelante en la entrega de nuevas tecnologías, al tiempo que aumenta la seguridad de los sistemas y los datos.
Del procesamiento conjunto de la ciencia computacional y la lingüística aplicada, nace el Procesamiento de Lenguaje Natural (PLN o NLP en inglés), cuyo objetivo no es otro que el de hacer posible la compresión y procesamiento asistidos por ordenador de información expresada en lenguaje humano, o lo que es lo mismo, hacer posible la comunicación entre personas y máquinas.
Existen distintos programas que exhiben diferente grado del procesamiento inteligente del lenguaje. Por ejemplo, un buscador de documentos puede buscar simplemente los documentos que contienen la cadena de caracteres especificada por el usuario, sin importar que dicha cadena tenga o no un significado en un lenguaje o idioma. En este caso no sería una aplicación del PLN. Sin embargo, el mismo buscador podría buscar los documentos que comuniquen la idea especificada por el usuario, sin importar las letras que la comunican, y en este caso, sin duda, sería una excelente aplicación de PLN, ya que entendería la idea comunicada en la petición del usuario, la idea comunicada en cada uno de los documentos, y sería capaz de compararlas.
Por este motivo, para profundizar más en esta temática, os exponemos algunas tareas y aplicaciones del Procesamiento del Lenguaje Natural:
1.Speech To Text / Text To Speech
Speech to text o STT se basa en la conversión de audio a texto y se trata de una tarea para poner en valor los audios, que una vez convertidos en textos, pueden ser procesados con otras técnicas de PLN. Una vez procesado es posible devolver un audio utilizando la conversión de texto a audio (Text To Speech o TTS). Ambas tareas, STT y TTS, han cobrado mucha relevancia con los sistemas conversacionales con un alto nivel de calidad, como pueden ser los sistemas de Siri, Alexa, OK Google, Cortana, etc.
2.Preguntas y Respuestas (Questioning and Answering, Q&A)
Q&A es la tarea de responder preguntas a partir de información obtenidas de distintos recursos. Es una tarea importante para los sistemas de diálogo como los chatbots y para la mejora de los sistemas de búsqueda (Information Retrieval). Los nuevos sistemas de Deep Learning están permitiendo una mejora sustancial en esta tarea. En un proyecto realizado por ITELLIGENT sobre Turismo Inteligente, se desarrolló un sistema de Questioning and Answering entrenado con comentarios sobre recursos turísticos de Andalucía (hoteles, restaurantes, playas, museos,…) y que permitía localizar recursos turísticos a partir de muchas preguntas variadas.
Antes, mencionamos los sistemas de Information Retrieval, estos sistemas de búsqueda fueron uno de los primeros sistemas de Procesamiento de Lenguaje Natural que se adoptaron de forma generalizada. Hay dos pasos fundamentales en un buscador:
3.Traducción Automática
La traducción automática, permite traducir un texto de un idioma a otro. Esta tarea cobró un importante impulso gracias a los corpus de textos traducidos entre dos idiomas (denominados “corpus paralelos”), facilitados por el parlamento de la Unión Europea. Frente a los primeros sistemas de los años 50s, actualmente la traducción automática es una tarea de Procesamiento de Lenguaje Natural que ha conseguido un alto nivel de calidad. Ejemplo de ello, aplicaciones como iTranslate Converse para iOS o Microsoft Translator App.
4.Extracción de Información (Information Extraction)
La extracción de información es la obtención de conjunto predefinido de campos de un texto en formato libre. Se puede ver como la generación de una base de datos a partir de documentos poco estructurados. Por ejemplo, obtener distintos datos de un PDF de sobre inspecciones de soldadura, extraer: nombre soldador, características de la soldadura, etc.
5.Clasificación de Documentos: cómo funciona
La tarea de clasificación de documentos (document classification) consiste en entrenar un sistema para que sea capaz de aprender a clasificar textos a partir de un conjunto de textos ya clasificados. En la mayoría de los casos estos sistemas suelen funcionar bastante bien, consiguiéndose calidades de clasificación (ej. accuracy) superiores al 95%. En un post anterior, explicábamos cómo funciona un clasificador automático de documentos utilizando técnicas de PLN y Machine Learning sobre un conjunto de elementos para ordenarlos por clases o categorías.