Un modelo oculto de Márkov (Hidden Markov Model, HMM) es un modelo estadístico para secuencias en el que los estados reales están ocultos y solo se pueden deducir a partir de señales observables. Describe la probabilidad de que un estado siga a otro y de que produzca una observación determinada. Los HMM fueron durante años el estándar en reconocimiento de voz y etiquetado gramatical; hoy se siguen usando, por ejemplo, en bioinformática y series temporales.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoEl modelado de secuencias abarca métodos que procesan y predicen datos con un orden fijo, en los que importa la posición de cada elemento. Secuencias típicas son el texto, el habla, las series temporales como ventas o lecturas de sensores y fragmentos de ADN. Las aplicaciones van desde la traducción y la generación de texto hasta el reconocimiento de voz y las previsiones de ventas. Se han usado modelos ocultos de Márkov y redes recurrentes; hoy en el lenguaje dominan los modelos transformer.
El etiquetado gramatical (part-of-speech tagging) asigna automáticamente a cada palabra de una frase su categoría gramatical, como sustantivo, verbo, adjetivo o preposición. Como muchas palabras son ambiguas («vino» como sustantivo o como verbo, «bajo» como adjetivo, preposición o verbo), los métodos tienen en cuenta el contexto. Es un paso clásico de preprocesamiento para análisis sintáctico, extracción de información o corrección ortográfica, y lo ofrecen bibliotecas como spaCy o NLTK.
Una red neuronal recurrente procesa los datos en orden y en cada paso pasa un estado interno al siguiente, una especie de memoria a corto plazo. Por eso es adecuada para secuencias como texto, voz o series temporales, por ejemplo para predecir la siguiente palabra o el próximo valor de un sensor. Las RNN simples olvidan con facilidad la información lejana; variantes como LSTM y GRU lo mitigan. En los modelos de lenguaje, los transformers las han sustituido en gran medida.
El reconocimiento de voz, también llamado ASR (Automatic Speech Recognition), convierte automáticamente el habla en texto escrito. Los sistemas modernos usan redes neuronales entrenadas con grandes cantidades de grabaciones y se manejan bastante bien con acentos y ruido de fondo. Se usa en dictado, subtítulos, asistentes de voz o la transcripción de reuniones y llamadas con clientes. Los términos técnicos, los nombres propios y el audio de mala calidad siguen siendo fuentes de error habituales.
