Una Interfície d'usuari de llenguatge natural és una interfície d'usuari que permet la comunicació entre humans i màquines, en la qual els fenòmens lingüístics, com els verbs, frases i clàusules, actuen com a controls de la interfície d'usuari per crear, seleccionar i modificar dades en el programari.

En el disseny de la interfície de llenguatge natural les interfícies són cercades per la seva velocitat i facilitat d'ús, però a més hi ha factors com la comprensió, que afegeixen una dificultat significativa, ja que podem trobar entrades ambigües al sistema.Hill, I. (1983). "Natural language versus computer language." In M. Sime and M. Coombs (Eds.) Designing for Human-Computer Communication. Academic Press., p. 1. Formen una àrea activa d'estudi en el camp del processament del llenguatge natural i la lingüística computacional. Una intuïtiva interfície de llenguatge natural en general és un dels grans objectius actius de la Web Semàntic.

És important tenir en compte que les interfícies de text són «naturals» en diversos graus, i que molts llenguatges de programació formal (no natural) incorporen elements del llenguatge humà. De la mateixa manera, un motor tradicional de cerca de paraules clau podria ser descrit com una interfície d'usuari de la llengua natural superficial.

Descripció Un motor de cerca de llenguatge natural, en teoria, hauria de trobar respostes a qüestions específiques de l'usuari (en lloc de cercar per les paraules clau contingudes a la pregunta). Per exemple, quan es posa la qüestió: «Quin Estat dels Estats Units, té l'impost de renda més alt?», els motors de cerca convencionals ignoren el problema i realitzen una recerca amb les paraules clau "estat, renda i impost". La recerca en llenguatge natural, també intenta utilitzar el processament del llenguatge per a comprendre la naturalesa de la qüestió, i després cerca i retorna un subconjunt web que conté la resposta. Si funciona, els resultats haurien de tenir una rellevància més grossa que els resultats d'un motor de cerca per paraula clau. Des d'un punt de vista comercial, la publicitat a la pàgina de resultats també podria ser més rellevant, i podria tenir un potencial d'ingressos més alt que el dels motors de cerca per paraula clau.

Història Al llarg de la història dels llenguatges naturals van evolucionar, de forma paral·lela al desenvolupament i l'evolució de l'espècie humana. les aplicacions dissenyades han intentat promoure la comunicació entre humans i màquines, per la qual cosa s'hi han inclòs tècniques de reconeixement de veu. En el camp de la recerca sobre el reconeixement de llenguatge natural es treballa per a millorar els resultats, superant les diferents dificultats. Els primers contactes amb la interfície d'usuari de llenguatge natural daten dels anys seixanta i setanta del de la mà del prototip NI:Hill,Natural Language Interfaces to Databases – An Introduction, I. Androutsopoulos, G.D. Ritchie, P. Thanisch, Department of Artificial Intelligence, University of Edinburgh.

Lunar, una interfície de llenguatge natural en connexió a una base de dades amb anàlisis químiques de les roques lunars d'Apol·lo-11 per William A. Woods. Chat-80, transforma qüestions en anglès en expressions Prolog, les quals van ser avaluades en relació amb la base de dades Prolog. El codi del chat-80 va ser àmpliament difós, i va formar la base de moltes altres interfícies experimentals Nl. Janus, és també un dels pocs sistemes de suport a les qüestions temporals. Intellect de Trinzic, format per la fusió d'AICorp i Aion. Bbn's Parlance construït sobre l'experiència del desenvolupament dels sistemes Rus i Irus. IBM Languageaccess. Q&A de Symantec. Datatalker de Natural Language Inc. Loqui de Bim. English Wizard de Linguistic Technology Corporation.

Evolució recent i aplicacions actuals Des de la dècada del 2010 aquestes interfícies d'usuari han experimentat una expansió notable gràcies als avenços en processament del llenguatge natural (PLN) i aprenentatge automàtic.Park, M.S. et al. (2023). "A Survey of Conversational Agents and Their Applications for Self-Management of Chronic Conditions". Proceedings of COMPSAC 2023. p. 1064-1075. doi:10.1109/COMPSAC57700.2023.00162 Aquest progrés ha permès desenvolupar sistemes més robustos en la comprensió de la intenció de l'usuari, el manteniment del context conversacional i la generació de respostes naturals tant en aplicacions de veu com de text.

La transició des dels sistemes basats en regles i patrons cap a models neuronals complexos, especialment les arquitectures de transformadors introduïdes el 2017, ha revolucionat el camp de les interfícies de llenguatge natural.Yamamoto, M. (2023). "Evolution of Natural Language Processing Technology: From 'language' processing to general-purpose AI". arXiv:2310.06228 Aquests models permeten processar seqüències de text de manera paral·lela mitjançant mecanismes d'autoatenció, superant les limitacions dels models recurrents anteriors i millorant significativament la comprensió contextual.

Assistents virtuals i agents conversacionals Un dels camps on aquestes interfícies s'han fet més visibles és el dels assistents virtuals i agents conversacionals (chatbots), que permeten interactuar amb serveis digitals mitjançant instruccions (de veu o missatges de text, fins i tot en llenguatge col·loquial). Assistents comercials com Siri (Apple), Alexa (Amazon) i Google Assistant, així com els xatbots integrats en plataformes de missatgeria, llocs web i aplicacions mòbils, utilitzen reconeixement de veu, comprensió del llenguatge natural i generació automàtica de respostes per gestionar consultes d'usuaris, automatitzar tasques repetitives i oferir suport al client de manera ininterrompuda.Hussain, S. et al. (2019). "A Survey on Conversational Agents/Chatbots Classification and Design Techniques". Proceedings of the International Conference on Web, Artificial Intelligence and Network Applications (WAINA-2019). Springer

La recerca recent en agents conversacionals distingeix entre interfícies basades en regles, que segueixen patrons predefinits; i sistemes basats en models d'aprenentatge profund, incloent-hi xarxes neuronals recurrents (RNN), memòries a llarg i curt termini (LSTM) i, més recentment, arquitectures de transformadors com BERT (Bidirectional Encoder Representations from Transformers) i GPT (Generative Pre-trained Transformer) per a la comprensió i generació del llenguatge. Actualment, aquests agents poden operar mitjançant text, veu o en entorns multimodals (combinant text, veu i elements visuals), i s'apliquen en àmbits tan diversos com l'assistència sanitària, l'educació, el comerç electrònic, l'atenció al client o la visualització interactiva de dades.

Tendències recents en disseny i experiència d'usuari En l'experiència d'usuari, les interfícies de llenguatge natural s'han començat a considerar una extensió de les interfícies naturals d'usuari, centrades a reduir la necessitat de menús formals, botons i instruccions explícites. Els usuaris esperen cada vegada més disponibilitat constant, respostes immediates, personalització basada en les preferències individuals, i capacitat de canviar de manera fluida entre modalitats de text i veu.Bahuguna, R. (2024). "A Thematic Survey on Natural Language Processing Chatbots: From Foundational Studies to Cutting-Edge Techniques". SSRN Electronic Journal. doi:10.2139/ssrn.5110847

Aquesta tendència s'acompanya de nous reptes en privacitat de dades personals, transparència algorítmica dels models generatius, gestió de les expectatives dels usuaris i pal·liació dels biaixos inherents als conjunts de dades d'entrenament.Hussain, S. et al. (2019) A més, l'adopció creixent de models de llenguatge extens (LLM) com GPT-3, GPT-4 i Claude planteja qüestions ètiques sobre l'ús responsable de la intel·ligència artificial generativa.Singh, S.U. et al. (2025)

Processament i reconeixement del llenguatge natural Dificultats del reconeixement Els sistemes de reconeixement es poden dividir en dues categories: d'una banda, sistemes de reconeixement de patrons entrenats, aquest compara els patrons amb altres patrons ja coneguts i classificats per determinar la similitud i, per tant, el reconeixement, i, d'altra banda, els sistemes fonètics que utilitzen el coneixement del cos humà (la producció de la parla i l'audició) per comparar les característiques del llenguatge (fonètica, com ara sons de les vocals). se centren en l'enfocament de reconeixement de patrons, ja que es combina molt bé amb les tècniques de computació actual i tendeix a tenir més precisió.

miniatura|La variació interlocutor en l'àmbit segmental: oscil·lograma de la paraula "Hola" pronunciada per un parlant femení. miniatura|La variació interlocutor en l'àmbit segmental: oscil·lograma de la paraula "Hola" pronunciada per un parlant masculí.

Tot i això, existeixen una sèrie de factors http://liceu.uab.cat/~joaquim/speech_technology/tecnol_parla/recognition/speech_recognition/reconocimiento.html#reconocimiento_tratamiento_senal que dificulten aquests processos, ja que influeixen en el tractat del senyal i, per tant, en el reconeixement. Alguns són:

La variació fonètica entre interlocutors: la variació interlocutor fa que quan s'emet una seqüència concreta de paraules, amb el mateix estil de parla i sense diferències geogràfiques o socials, existeixin variacions en el llenguatge. La variació interlocutor, estudia què canvia en cada persona quan parla espontàniament o quan llegeix.

Els estils de parla: entre tots els parlants hi ha un ampli repertori d'estils que poden modificar la intel·ligibilitat de la paraula. «L'estil depèn del grau d'atenció del parlant cap a les característiques de la seva pròpia producció lingüística» (William Labov).

Les "difluències" en la parla espontània: en aquest apartat hi ha un ampli conjunt de variacions que canvien la fluïdesa de la lingüística. Hi ha entre altres les pauses, repeticions, paraules truncades, allargaments vocàlics, interrupcions, frases inacabades i, fins i tot, variacions en la velocitat.

Les característiques de l'entorn: finalment, hi ha el factor extern al locutor, i no per això menys important, pel fet que les variacions ambientals de l'entorn poden entorpir significativament el processament del senyal. En aquest cas hi ha sorolls que poden distorsionar o emmascarar, i canvis de so ambient que poden modificar el senyal de manera transitòria.

Tractament del senyal La implementació d'un sistema de reconeixement de llenguatge natural comporta el tractament del senyal acústic, passant per diferents blocs que ajudaran a extreure les característiques necessàries per implementar el sistema. Aquest tractament es pot resumir en tres passos:

1. El primer pas és la captura del senyal de veu. S'utilitza un micròfon que mitjançant un convertidor CAD (Convertidor Analògic / Digital) transforma el senyal acústic en un senyal elèctric, en el qual s'extreuenels paràmetres. En aquest pas hi ha una dificultat afegida, provocada per la no linealitat i pèrdua de freqüències introduïdes pel sistema micròfon / convertidor.

miniatura|Diagrama de blocs d'un sistema de reconeixement de llenguatge natural

2. La segon pas és la segmentació i l'etiquetatge, en què el sistema intenta trobar les regions estables en les quals les característiques són constants. Una de les tècniques més utilitzades és l'encavalcament entre l'enfinestrat, per evitar deixar part de senyal sense analitzar. En aquest nivell, a més, se solen aplicar filtres de normalització i preèmfasi, amb els quals es prepara el senyal per ser processada.