Pedro Alejandro Dal Bianco obtuvo la Licenciatura en Informática de la Facultad de Informática

En abril del 2021 Pedro Alejandro Dal Bianco presentó su tesina titulada “Generación de texto estructurado en español para batallas de freestyle utilizando modelos de Deep Learning” con la cual obtuvo la Licenciatura en Informática de la Facultad de Informática. 

Este trabajo de grado, que contó con la dirección del Dr. Franco Ronchetti, consta de un sistema generador de texto que se enmarca en el estilo y estructura del subgénero del rap conocido como batallas de freestyle, que además del componente puramente creativo o artístico incluye un factor competitivo entre sus ejecutantes.

Es importante tener en cuenta que, con la presencia cada vez mayor de la inteligencia artificial en gran variedad de áreas diferentes, el uso de técnicas de aprendizaje automático y deep learning para propósitos creativos, aumentaron significativamente los últimos años. 

Este tipo de trabajos dentro del área de procesamiento de lenguaje natural típicamente toman la forma de modelos neuronales generadores de ficción o líricas, encontrándose en la mayoría de los casos en idioma inglés y sin una posibilidad de adaptarse fácilmente a otros idiomas.

El desarrollo de Pedro logró captar el estilo del género a partir del entrenamiento sobre las bases de datos generadas, pero no así la correcta estructuración de este en estrofas de cuatro versos o el correspondiente uso de la rima. Sin embargo, a partir de algoritmos que garantizan que el texto generado cumpliera con estas dos características fue posible generar texto que se corresponda no solo con el estilo si no también con la estructura correspondiente al género de las batallas de freestyle.

Como posibles trabajos futuros Pedro propone:

• Implementar un sistema que, en concordancia con el género de las batallas de freestyle, sea capaz no solo de generar texto que del género si no que también pueda responder a una estrofa producida por un potencial contrincante;
•  Profundizar en la utilización de técnicas de few-shot learning y estudiar su aplicabilidad al problema desarrollado; 
• Experimentar con el uso de otras arquitecturas de redes neuronales para definir el modelo de lenguaje a utilizar e incrementar la cantidad de datos disponibles para el entrenamiento ya sea a partir de la recolección de nuevas transcripciones o a través del uso de data augentation.