InLIFE. Tecnologías del Lenguaje aplicadas al envejecimiento activo InLIFE. Language Technologies applied to active aging Miguel Ángel García-Cumbreras1 , Fernando Martínez-Santiago1 , Luis Alfonso Ureña-López1 , María Teresa Martín-Valdivia1 , Arturo Montejo-Ráez1 , Manuel García-Vega1 , Manuel Carlos Dıaz-Galiano1 , María Dolores Molina-González1 , Salud María Jiménez-Zafra1 , Flor Miriam Plaza-del-Arco1 and María Rosario García Viedma2 1 Department of Computer Science, Advanced Studies Center in ICT (CEATIC), Universidad de Jaén. Campus Las Lagunillas, E-23071, Jaén, Spain 2 Department of Psychology, Universidad de Jaén. Campus Las Lagunillas, E-23071, Jaén, Spain Abstract El lenguaje humano determina cómo nos relacionamos e incluso cómo pensamos y concebimos la realidad de la que participamos. Es el principal medio de comunicación con nuestro entorno, y a través del cual se modela cognitivamente cada persona, como estudia la psicolingüística. El objetivo principal de este proyecto es el estudio y desarrollo de un asistente conversacional inteligente, que con base en las Tecnologías del Lenguaje Humano (TLH), permite dialogar con personas de edad avanzada con la finalidad d e m antener y mejorar su bienestar social. Se integran estas tecnologías en las rutinas e intereses del mayor: asistencia en el desempeño de tareas domésticas cotidianas y de actividades que ejercitan la memoria a corto, medio y largo plazo. La monitorización de la interacción con el asistente virtual permite una evaluación posterior por parte de profesionales del ámbito de la psicología. English translation. Human language determines how we relate to each other and even how we think and conceive the reality in which we participate. conceive of the reality in which we participate. It is the main means of communication with our environment, and through which each person is cognitively modeled, as studied by psycholinguistics. person, as studied by psycholinguistics. The main objective of this project is the study and development of an intelligent conversational assistant, based on Human Language Technologies (HLT), which allows dialogue with elderly people in order to maintain and improve their social welfare. These technologies are integrated into the routines and interests of the elderly: assistance in the performance of daily household chores and activities that exercise and activities that exercise short-, medium- and long-term memory. The monitoring of the interaction with the virtual assistant allows for subsequent evaluation by professionals in the field of psychology. Keywords Asistentes virtuales inteligentes, sistemas de diálogo, envejecimiento activo. 1. Introducción SEPLN-PD 2022. Annual Conference of the Spanish Association for Natural Language Processing 2022: Según la Organización Mundial de la Salud (OMS), Projects and Demonstrations, September 21-23, 2022, A entre 2020 y 2030, el porcentaje de habitantes del Coruña, Spain planeta mayores de 60 años aumentará un 34%1 . $ magc@ujaen.es (M. García-Cumbreras); dofer@ujaen.es (F. Martínez-Santiago); laurena@ujaen.es En la actualidad, el número de personas de 60 años (L. A. Ureña-López); maite@ujaen.es o más supera al de niños menores de cinco años, y (M. T. Martín-Valdivia); amontejo@ujaen.es en 2050, el número de personas de 60 años o más (A. Montejo-Ráez); mgarcia@ujaen.es (M. García-Vega); será superior al de adolescentes y jóvenes de 15 mcdiaz@ujaen.es (M. C. Dıaz-Galiano); mdmolina@ujaen.es a 24 años de edad. Es evidente que la pauta de (M. D. Molina-González); sjzafra@ujaen.es (S. M. Jiménez-Zafra); fmplaza@ujaen.es envejecimiento de la población es mucho más rápida (F. M. Plaza-del-Arco); mrgarcia@ujaen.es 0000-0002-8348-7154 (M. D. Molina-González); (M. R. G. Viedma) 0000-0003-3274-8825 (S. M. Jiménez-Zafra);  0000-0003-1867-9587 (M. García-Cumbreras); 0000-0002-3020-5512 (F. M. Plaza-del-Arco) 0000-0002-1480-1752 (F. Martínez-Santiago); © 2022 Copyright for this paper by its authors. Use 0000-0001-7540-4059 (L. A. Ureña-López); permitted under Creative Commons License Attribu- tion 4.0 International (CC BY 4.0). 0000-0002-2874-0401 (M. T. Martín-Valdivia); CEUR CEUR Workshop Proceedings (CEUR- http://ceur-ws.org Workshop 0000-0002-8643-2714 (A. Montejo-Ráez); ISSN 1613-0073 Proceedings WS.org) 1 0000-0003-2850-4940 (M. García-Vega); https://www.who.int/es/news-room/fact-sheets/ 0000-0001-9298-1376 (M. C. Dıaz-Galiano); detail/ageing-and-health 14 que en el pasado. Esto motiva que los países se 2. Arquitectura del sistema tengan que enfrentar a retos para garantizar que sus sistemas sanitarios y sociales estén preparados La arquitectura del sistema está formada por tres para afrontar ese cambio demográfico. componentes: un skill de Alexa2 ; AWS Lambda3 , El concepto “envejecimiento activo" lo propuso el backend de la aplicación o Skill que interactúa la OMS a finales de los años 90 para sustituir el con el usuario; TypeDB como sistema de gestión de concepto de “envejecimiento saludable", y se puede datos. definir como “el proceso de optimización de las De forma previa y automática se realiza una ex- oportunidades de salud, participación y seguridad tracción de información y procesamiento del con- con el fin de mejorar la calidad de vida a medida tenido de fuentes online de información local, así que las personas envejecen"[1]. como de la parrilla de televisión. Una vez proce- Un asistente virtual es un agente software con sada esta información, así como información per- capacidad de ayuda en la automatización y asisten- sonalizada del usuario, se incorpora al modelado cia a tareas, con una mínima interacción hombre- de datos del usuario. Dicha información será uti- máquina. La interacción que se da entre un asistente lizada por el módulo de generación de preguntas virtual y una persona debe ser natural, mediante el para las actividades incorporadas actualmente en uso del diálogo por voz. el proyecto. Un asistente virtual inteligente es una ampliación del concepto de asistente virtual, donde al agente Alexa. Es el servicio de voz ubicado en la nube de software tiene ya capacidad de búsqueda, proce- Amazon, que está disponible en los dispositivos de samiento de información y hasta de razonamiento[2]. Amazon y otros de terceras empresas. Cuenta con El proyecto InLife trata sobre el estudio y desar- funcionalidades o aplicaciones, denominadass Skills. rollo de un asistente conversacional inteligente que, Este servicio basado en voz permite a los usuar- con base en las Tecnologías del Lenguaje Humano, ios interactuar con distintas tecnologías y servicios permitirá dialogar con personas de edad avanzada utilizando el lenguaje natural. con la finalidad de mantener y mejorar su bienestar social. Para garantizar que el asistente resulte ac- Alexa Skills Kit. Alexa Skills Kit (ASK) es un con- cesible y atractivo se requiere del uso del perfil del junto de herramientas, documentaciones, ejemplos usuario, que incluye el modelo de lenguaje especifico de código fuente y API para crear Skills de Alexa. de cada persona. A partir de una entrada en lenguaje natural, AWS Lambda. Lambda es un servicio de Amazon en formato texto, o mediante voz y aplicando un Web Services (AWS) que permite ejecutar código reconocedor de voz (ASR, del inglés Automatic que se lanza en los servidores de Amazon. Está Speech Recognition), un módulo de Tecnologías orientado al desarrollo de cualquier tipo de backend, del Lenguaje Humano (TLH) comprende esa infor- y se combina y configura muy bien a la hora de mación, obtiene la información necesaria para que desarrollar y poner en marcha un nuevo Skill de el siguiente módulo de gestión del diálogo pueda Alexa. Es compatible con multitud de lenguajes de aplicar diversas estrategias y utiliza información programación, incluyendo Node.js o Python. del perfil del usuario y del contexto para generar una respuesta. Dicha respuesta, de nuevo en for- TypeDB. TypeDB (previamente llamada mato textual o generando voz (TTS, del inglés Text Grakn.ai) es un sistema de modelado de datos to Speech) y en lenguaje natural, se transmite de basado en grafos de conocimiento para sistemas nuevo al usuario. La consecución de estos diálogos orientados al conocimiento. Es una evolución de forma la conversación con el asistente conversacional la base de datos relacional, muy útil para datos inteligente propuesto en este proyecto[3][4]. altamente interconectados ya que proporciona La organización de este trabajo es la siguiente. El un esquema a nivel de concepto que implementa Apartado 2 muestra la arquitectura del sistema. En completamente el modelo Entidad-Relación (ER). el Apartado 3 se detallan aspectos relacionados con Sin embargo, el esquema de TypeDB es un el desarrollo del mismo, y finalmente el Apartado 4 sistema de tipos que implementa los principios de se indican las conclusiones principales y el trabajo representación y razonamiento del conocimiento. futuro. Esto permite que el lenguaje de consulta declar- ativo proporcione un lenguaje de modelado más 2 https://developer.amazon.com/es-ES/alexa 3 https://docs.aws.amazon.com/lambda/index.html 15 expresivo y la capacidad de realizar razonamientos • Acceso a información local. El objetivo es deductivos sobre grandes cantidades de datos doble: en primer lugar, se busca dotar de di- complejos. TypeDB es una base de conocimientos namismo a la conversación, introducir cierto para sistemas basados en inteligencia artificial y grado de serendipia y sorprender al mayor computación cognitiva. con datos que quizá no conozca de su en- torno; en segundo lugar, estas noticias lo- cales, breves y actuales facilitarán que el 3. Desarrollo del proyecto mayor viva en contacto con su entorno, le facilite sentirse parte de la sociedad en la 3.1. Modelado de datos que vive y, por ende, empoderar su bienestar El modelado de datos se ha generado para conectar social. toda la información relativa a un usuario y los datos • Asistencia en tareas cotidianas. A modo de de las distintas actividades. Se trata del núcleo cen- pequeñas ”píldoras", a lo largo del día se tral del sistema de gestión del diálogo, que permite recuerda y anima al mayor a asistir a activi- trabajar con modelos personalizados así como con dades incluidas en su perfil de usuario y que ampliaciones de actividades y gestión de las conver- tengan una clara vocación socializadora: gim- saciones. La Figura1 muestra el esquema lógico de nasia de mantenimiento, Universidad para datos, que tiene el perfil del usuario y del asistente mayores, excursiones, etc. Con la finalidad virtual[5]. de motivar al mayor, y aprovechando el ac- ceso a las redes sociales de éste, se puede incluir no sólo una descripción del evento si no también informar sobre la participación de personas allegadas al mayor. Para ambos casos hay una etapa inicial de cap- tura de información, en un ámbito local y en uno nacional (noticias, personajes y lugares famosos, por ejemplo). Se han creado extractores automáticos para la información de la parrilla televisiva y para Figure 1: Modelo de datos del proyecto Inlife. información sobre localizaciones y rutas (utilizando la API de Google Maps y Here). Así mismo hay un proceso manual de toma de datos personales y de Perfil de usuario. La entidad principal es preferencias para cada usuario. s__Person, conforme se especifica en schema.org. Toda esta información es tratada y cargada en el Está conformada en su mayor parte por atributos, sistema de gestión de datos TypeDB. algunos compuestos. Se relaciona con TVProgram a Por otro lado, con la colaboración de una com- través de WatchingTV, con otras personas a través pañera, Doctora en Psicología, se han definido las de personalRelation y sus derivadas: relaciones lab- actividades e interacciones que debe llevar cada orales, de amistad y familiar. Se han implementado skill, teniendo en cuenta aspectos como la memoria reglas para inferir relaciones de parentesco, como temporal (corto, medio y largo plazo)[6]. El proced- hermanos, sobrinos, tíos, abuelos, etc. imiento de programación de actividades ha sido el siguiente: Asistente virtual. La entidad principal es 1. Definición por parte del neuropsicólogo de va__Slot, que representa un slot como podemos los pasos que componen las actividades a encontrar en Alexa. Cada vez que un usuario monitorear (ir a la sala, sentarse, agarrar interacciona con un slot se crea una instancia el control remoto del televisor, etc.) y la de va__SlotFilling. Los valores legales para relación entre estos pasos y las posibles dis- va__SlotFilling son aquellos objetos (atributos y funciones de la memoria (p.ej., no recordar relaciones) que implementan el rol SlotFilling:value. dónde está el mando de la televisión podría ser un signo de déficit de memoria episódico). 2. Diseño e implementación de las interacciones 3.2. Escenarios y captura de información con el altavoz inteligente para detectar el La finalidad del proyecto es favorecer el bienestar rendimiento cognitivo, en colaboración con social de las personas mayores, utilizando el diálogo un especialista en neuropsicología. Esta inter- en los siguientes ámbitos: acción toma la forma de pequeñas charlas y 16 juegos simples, con el objetivo de obtener pis- References tas sobre el desempeño cognitivo del usuario. [1] R. Fernández-Ballesteros, Envejecimiento ac- En cuanto al aspecto funcional, el proyecto incor- tivo: Contribuciones de la psicología, Pirámide pora diversos módulos que permite cierto grado de Madrid, 2009. personalización, así como el desarrollo de diversas [2] M. M. E. Torres, R. Manjarrés-Betancur, Asis- actividades. La mayor complejidad en desarrollo se tente virtual académico utilizando tecnologías ha encontrado a la hora de diseñar una arquitectura cognitivas de procesamiento de lenguaje natural, que permite incorporar esta flexibilidad en person- Revista Politécnica 16 (2020) 85–96. alización y actividades, así como en el módulo de [3] J. Allen, Natural Language Understanding, The generación de respuestas y conversaciones con los Benjamin/Cummings Publishing Company, Inc., usuarios finales. Durante los próximos meses se 1995. seguirán concretando y evaluando actividades sobre [4] F. Martínez-Santiago, M. Díaz-Galiano, núcleos de población concretos. M. García-Cumbreras, A. Montejo-Ráez, A method based on rules and machine learning 3.3. Evaluación del sistema for logic form identification in spanish, Nat- ural Language Engineering 23 (2015) 1–23. La información registrada de las interacciones del doi:10.1017/S1351324915000297. participante con el sistema se codifica en térmi- [5] F. Martínez-Santiago, M. R. García-Viedma, nos de aciertos, errores (intrusiones y omisiones) y J. A. Williams, L. T. Slater, G. V. Gkoutos, Ag- tiempo de respuesta y/o ejecución. De esta forma, al ing neuro-behavior ontology, Applied Ontology igual que con los datos obtenidos con la batería neu- 15 (2020) 219–239. ropsicológica se lleva a cabo el análisis estadístico [6] M.-R. García-Viedma, Valoración del control mediante modelos de series temporales y mediante atencional como marcador cognitivo del inicio de ANOVA factorial mixto. Finalmente, para valorar la enfermedad de Alzheimer, Jaén: Universidad la sensibilidad y especificidad del sistema se utilizará de Jaén, 2006. como método el análisis de curvas ROC. A la fecha de finalización del proyecto se han finalizado pruebas técnicas en laboratorio. Una vez superadas, está previsto el arranque de pruebas reales, cuya evaluación llevará más tiempo y será realizada por los compañeros de psicología. 4. Conclusiones y trabajo futuro La finalidad del proyecto Inlife es la adaptación y aplicación de técnicas y herramientas de PLN al en- vejecimiento activo. El proyecto finalizó en febrero de 2022 con distintas pruebas de laboratorio, pero se sigue trabajando para ponerlo en marcha en situa- ciones reales, mejorando la interacción mediante diálogo y adquiriendo y procesando de forma au- tomática información relevante para cada usuario final. Acknowledgments Este trabajo ha sido parcialmente financiado con los proyectos 1380939 (FEDER Andalucía 2014-2020), P20-00956 (PAIDI 2020, de la Junta de Andalucía), el proyecto LIVING-LANG (RTI2018-094653-B- C21, MCIN/AEI/10.13039/501100011033), ERDF A way of making Europe, siendo el principal finan- ciador el proyecto InLIFE de la Fundación CSIC. 17