Hoy en día en numerosos hogares se tiene un dispositivo "Alexa" y muchos de nosotros lo utilizamos varias veces durante el día. No pocos estudiantes lo usan en sus tareas, como calculadora por ejemplo, sin molestarse en escribir la operación en una calculadora, si no que la operación se le dice a Alexa y ésta responde el resultado. Alexa usa software relacionado con reconocimiento de voz para "entender" las órdenes que se le hacen, hace consultas en la red para obtener respuestas para, finalmente, convertir texto a voz para decir sus resultados. La interface entre un usuario y Alexa por medio de voz es una de los objetivos primeros de la Inteligencia Artificial desde sus inicios (lenguaje natural).
Este proyecto, al cual hemos llamado "Alexita", es un comienzo para programar una app que simule a Alexa. Como un primer paso, Alexita va a reconocer que el usuario desea que evalúe alguna expresión aritmética (hablada en español), reconiciendo como primera palabra "Alexa". Después representa internamente como texto la expresión aritmética proporcionada por el usuario. Luego trata de evaluarla y, finalmente, dice el resultado obtenido como respuesta.
Se deja al lector el hacer que Alexita sea capaz de responder más preguntas haciendo consultas en tiempo real, por medio de APIs. Por ejemplo, pudiera decir cotizaciones de monedas, búsqueda en bases de datos, etc. Pero estas aplicaciones están fuera del alcance del presente proyecto (ver aquí para una descripción de Alexa).
Como mencionamos anteriormente, una de las primeras aplicaciones de la Inteligencia Artificial desde sus inicios, hace más de 50 años, ha sido la comprensión de lenguaje natural, en un principio de forma escrita aunque más tarde, hablada. A lo largo de este tiempo se han intentado varias técnicas para la comprensión de lenguaje naturas, como por ejemplo, el uso de palabras clave (Eliza), el uso de gramáticas, aprendizaje automático, por mencionar solo algunas. Nosotros usaremos en nuestra aplicación el reconocimiento de palabras clave.
Se da una orden a Alexita usando lenguaje hablado. El primer paso es que nuestra app forme una oración (en forma de texto) con la orden que el usuario ha dado a Alexa. Esta oración debe estar en forma de palabras. Esta etapa se conoce como reconocimiento de voz. Es de mencionar que el dispositivo real Alexa "sólo" hace esto y la oración formada la envía a los servidores de Amazon, que es en donde se procesa la respuesta. Para esta aplicación vamos a usar el componente de app inventor llamado 'ReconocimientoDeVoz' y gracias a este componente esta primera etapa es transparente para nosotros.
Ya teniendo la orden en forma de lista de palabras, la lista se va a recorrer, palabra por palabra, buscando precisamente palabras clave. Recodemos que para activar a Alexa debemos comenzar una orden como "Alexa, bla bla, bla", es decir, la primera palabra debe ser necesariamente "Alexa" (o su variante "Echo"). Así que nosotros comparamos la primera palabra de la oración y si no es "Alexa" simplemente ignoramos la orden. Si, por el contrario, la frase fuera algo así como:
"Alexa, cuánto es cincuenta y dos por cinco más cuatro"
"Alexa, puedes decirme cuánto es cincuenta y dos por cinco más cuatro"
"Alexa, puedes decirme cuál es el resultado de multiplicar cincuenta y dos por cinco más cuatro, por favor"
o alguna variante parecida
veamos cómo aquí hay muchas palabras "paja" que no sirven para nada si lo que deseamos es evaluar la expresión proporcionada. Aquí hemos escrito deliberadamente los números con letra, como "cincuenta y dos" aunque pudiera haber sido como número, es decir, 52. También notemos como hemos escrito el operador "+" como la palabra "más" y no como símbolo. Estas diversas posibilidades deben ser consideradas al momento de hacer la funcionalidad de la app.
Las palabras clave van a hacer los números y los operadores matemáticos de suma, resta, multiplicación y división. Ha habido problemas para tratar los 4 operadores pues, por razones que desconocemos, una veces se escriben como signos (+, -, *, /) pero otras veces se escriben como palabras, lo cual representa un doble trabajo. Esto significa que existan 3 tipos de palabras clave:
números,
operadores "+". "-", "", "/",
palabras "más", 'menos", "por", "entre"
Además, hemos querido poder utilizar paréntesis dentro de una expresión aritmética pero el principal problema que hemos tenido ha sido que después de reconocer un paréntesis los números con frecuencia son escritos con palabras, lo cual volvía irrealizable la evaluación de la expresión.
Como ejemplos de cuál es la entrada y lo que se reconoce internamente en la app programada tenemos los siguientes:
Entrada (hablada) Salida (escrita)
Alexa, cuánto es cinco por doce Alexa Cuánto es 5 * 12
Alexa, cuánto es doce entre 15 Alexa Cuánto es 12 entre 15
Alexa, cuánto es 5 por 3 entre 8 más 40 Alexa Cuánto es 5 por 3 entre 8 + 40
Alexa, cual es el resultado se restar 100 menos 60 Alexa Cuál es el resultado de restar 100 menos 60
Alexa, cuanto es 1 más paréntesis 1 menos 1 paréntesis Alexa Cuánto es 1 más paréntesis 1 - 1
La idea del trabajo consiste en recorrer la lista de palabras dada como entrada por el usuario buscando palabras clave y, cuando se detecta una palabra clave, dicha palabra se agrega a una lista resultado (que inicialmente está vacía). Esta es la parte fundamental del trabajo a realizar. Una vez que se ha recorrido toda la lista ya hemos formado (en otra lista) la expresión que se va a evaluar.
Teniendo ya formada la expresión, procedemos a evaluarla usando la extensión de app inventor llamada 'TaifunMath' que se puede obtener de forma gratuita en puravida. Una extensión es un nuevo componente no básico de app inventor, sino realizado por un tercero pero que una vez importado se puede utilizar como si fuera un componente de base. Para poder utilizar una extensión en app inventor primero se debe descargar (debe ser un archivo de extensión .AIX) y después instalarse desde el 'Diseñador' en la sección de 'Extension' -> ´'Import extension' -> buscamos y seleccionamos la extensión -> 'Import'. Cabe mencionar que 'TaifunMath' es un evaluador de expresiones aritméticas muy poderoso, nosotros lo usamos aquí de una manera limitada pero el lector interesado podrá encontrar más información en la página de donde se obtiene.
Finalmente, utilizamos el componente 'TextoAVoz' para decir el resultado. Transparente para nosotros pero se trata de un componente muy poderoso.
El diseño de este proyecto lo hemos tomado de un tutorial de app inventor aunque la forma de solución que presentamos es distinta de la propuesta en el tutorial. A continuación presentamos la interface:
'Screen1' con 'ColorDeFondo' igual a 'Gris claro' y 'DispHorizontal' igual a 'Centro'. Dentro de ella todo lo demás.
'DisposiciónHorizontal' que contiene dos imágenes:
'Imagen1' con propiedades 'Ancho' y 'Alto' igual a 100 pixeles y 'Foto' igual a "Robot.png"
'Imagen2' con propiedades 'Ancho' y 'Alto' igual a 100 pixeles y 'Foto' igual a "Operations.png"
un 'Botón' con propiedades 'ColorDeFondo' igual a 'Negro', ´'ColorDelTexto' igual a 'Verde', 'Ancho' igual a 'Ajustar al contenedor', Tamaño de letra' igual a 24 y 'Texto' igual a "Habla" para que al dar clic en él se invoque al componente de reconocimiento de voz.
una 'Etiqueta1' con propiedades 'Ancho' igual a 'Ajustar al contenedor', 'Tamaño de letra' igual a 24, 'Texto' igual a "Escuché" para que el usuario entienda qué ha reconocido la app.
una 'Etiqueta', EtiquetaEscribeEscuché, con propiedades 'Ancho' igual a 20%, "Tamaño de letra' igual a 24, 'ColorDeFondo' igual a 'Negro', ´'ColorDelTexto' igual a 'Verde', 'Ancho' igual a 'Ajustar al contenedor' y 'Texto' igual a ' ' (vacío) para poder escribir ahí el texto escuchado.
otra 'Etiqueta2' con las mismas propiedades que 'Etiqueta1', excepto que el valor de 'Texto' será "Resultado".
otra 'Etiqueta', EtiquetaResultado, con las mismas propiedades que 'EtiquetaEscribeEscuché' para escribir en ella el resultado de la evaluación.
Después, tres componentes no-visibles:
'ReconocimientoDeVoz', de la sección de 'Medios'.
'TextoAvoz'.
'Extension'TaifunMath', importándola en este momento, que evalúa una expresión aritmética.
En la Sección de 'Medios' debemos cargar los archivos:
"Robot.png" y
"Operations.png"
'expresión' variable de texto en donde se guardará la expresión a evaluar,
'resultado' para guardar el resultado de la evaluación (regresado, a su vez, por el componente 'TaifunMath',
'orden' lista de las palabras reconocidas por el componente "ReconocimientoDeVoz'. Este componente regresa como 'Resultado' un texto formado por las palabras reconocidas. A partir de este texto se va a formar una lista de las palabras que es la lista que se va a procesar.
'operadores', lista en donde se guardan los cuatro operadores básicos con los que se trabajará, a saber, "+", "-", "*" y "/". Si el 'ReconocimientoDeVoz' escribiera estos operadores en lugar de sus nombres el proceso sería más fácil.
El evento 'clic' del 'Botón' es quien dicta el comportamiento de la app, pues es quien invoca al componente de 'ReconocimientoDeVoz' quien, a su vez, es quien reconoce las palabras que el usuario hable. Dentro de este componente hay mucho trabajo realizado y es más rústico que el correspondiente reconocimiento de voz de la Alexa real, sin embargo funciona de una manera correcta.
Una vez que el componente 'ReconocimientoDeVoz' ha realizado su función, se dispara el evento 'DespuésDeObtenetText' y el texto reconocido se almacena en la variable 'Resultado'.
El algoritmo es el siguiente:
El texto 'Resultado' se convierte en una lista de palabras y se guarda en la variable global 'orden', que es en donde vamos a ir buscando las palabras clave, recorriendo la lista palabra por palabra.
La primera palabra debe ser necesariamente la palabra "Alexa". Si no lo es la app no hace nada. Si, por el contrario, es "Alexa", entonces nos disponemos a recorrer la lista 'orden', elemento a elemento. Primero, reiniciamos los valores de las variables 'expresión' a vacío "" y 'resultado' igual a 0.
si la siguiente 'palabra' es un número o si la 'palabra' está en la lista de 'operadores' entonces
se agrega la 'palabra' al final de la 'expresión'
sino si la 'palabra´ en mayúsculas es igual a (la palabra) "MÁS" entonces
se agrega el símbolo "+" al final de la 'expresión'
sino si la 'palabra´ en mayúsculas es igual a (la palabra) "MENOS" entonces
se agrega el símbolo "-" al final de la 'expresión'
sino si la 'palabra´ en mayúsculas es igual a (la palabra) "POR" entonces
se agrega el símbolo "*" al final de la 'expresión'
sino si la 'palabra´ en mayúsculas es igual a (la palabra) "ENTRE" entonces
se agrega el símbolo "/" al final de la 'expresión'
Finalmente, después de procesar todas la palabras, la expresión aritmética así obtenida es evaluada usando el método 'Expression' de la extensión 'TaifunMath'. El resultado obtenido se guarda en la variable 'resultado' que se escribe, a su vez, en la 'EtiquetaResultado' y ses hablado utilizando el componente 'TextoAVoz":