Recientemente, un equipo de investigadores de la Universidad Nacional de Seúl y de la empresa Yanolja ha propuesto un novedoso método de inyección de ruido para modelos de comprensión del lenguaje hablado (SLU, por sus siglas en inglés), que promete mejorar su robustez y generalizabilidad frente a sistemas de reconocimiento automático de habla (ASR) no vistos anteriormente. La problemática surge porque los sistemas ASR suelen producir transcripciones erróneas que afectan el rendimiento de los modelos SLU.

Este nuevo enfoque busca entrenar los modelos SLU para que resistan los errores de ASR expuestos a ruidos comunes en estos sistemas, conocidos como ruidos plausibles de ASR. Sin embargo, los métodos tradicionales tienden a sesgarse hacia sistemas ASR específicos, limitando así la aplicabilidad de los modelos en contextos más amplios. Para abordar esto, los investigadores han introducido un método de inyección de ruido menos sesgado que corta el efecto no causal de los ruidos en los modelos.

Mediante la aplicación de cálculos intervencionistas y la concientización fonética, esta metodología logra ampliar los patrones de error en las transcripciones pseudo generadas, potenciando así la capacidad de los modelos SLU para generalizar frente a sistemas ASR desconocidos. Experimentalmente, se ha demostrado que este método mejora la robustez de los modelos frente a errores no vistos anteriormente, lo que respalda su uso en tareas futuras.

Este enfoque ha demostrado su eficacia al generalizar con éxito a través de diferentes sistemas ASR, con un rendimiento comparable o incluso superior al de entornos entrenados específicamente con los mismos sistemas ASR. Así, estos métodos auguran mejoras significativas no sólo en la comprensión del lenguaje hablado en dispositivos actuales como asistentes de voz, sino también en el enfrentamiento a errores semánticamente irrelevantes.

Por un lado, esta innovación técnica ofrece un método distintivo que evita el sesgo hacia un ASR en particular y genera ruidos plausibles para cualquier sistema ASR. Por otro, ensalza el potencial futuro del aprendizaje automático aplicado a la comprensión del lenguaje hablado, prometiendo un futuro más robusto y preciso para estas tecnologías.