Lenguaje y aprendizaje desde entes artificiales
El lenguaje no solo es uno de los medios más importantes que tenemos los seres humanos para comunicarnos, sino que nos permite también construir interpretaciones del mundo y expresar emociones o pensamientos, es gracias al lenguaje que tenemos, entre muchas, la capacidad de adquirir conocimiento y esta es probablemente una de las características que describen la gran proporción de nuestro desarrollo cognitivo respecto a otros seres biológicos (Román Pérez, Barbato Besoaín, Barrera Mardones, Godoy Lenz, & Soledad González Serrano , 2007)
La comunicación entre seres humanos nos es tan cotidiana que muchas veces podemos pasar por alto la complejidad que hay detrás de él y su evolución constante, desde los 7 mil idiomas que se hablan actualmente en el mundo, junto con sus versiones escritas, orales, etcétera, hasta el desarrollo de lenguajes complejos que nos permiten comunicarnos con máquinas.
Actualmente nos encontramos en un entorno rodeado de procesos tecnológicos que son imprescindibles para nuestro día a día y por ello es necesario interactuar cada vez más con las máquinas, el problema es que la interacción humano-computadora no es tan fácil de conseguir, los humanos somos seres con un lenguaje de alto nivel de abstracción y los computadores solo pueden entender lenguajes formales como el código binario. Una de las tareas más importantes de la inteligencia artificial es el estudio de técnicas que permitan formalizar el lenguaje natural, esto con el objetivo de conseguir que un ordenador adquiera la habilidad para procesar la información comunicada tal y como lo haría un humano.
El Procesamiento de Lenguaje Natural (PLN) es precisamente la rama de la inteligencia artificial que estudia formas de dotar a la computadora con la capacidad de entender el lenguaje humano, objetivo del que quizá estamos menos lejos de lo que parece. En la actualidad existen diversos agentes artificiales comerciales como: Siri de Apple, Cortana de Microsoft, Bixby de Samsung, estos agentes facilitan la interacción reconociendo voz y convirtiéndola en instrucciones para hacer tareas en dispositivos móviles, sin embargo, son incapaces de tener conversaciones coherentes.
GPT-3 (Generative Pre-trained Transformer 3) es el modelo de lenguaje autorregresivo más avanzado hasta la fecha, concretamente, es una red neuronal artificial generadora de texto (OpenIA, 2020). GPT-3 recibe masivas cantidades de textos y aprende características fundamentales del lenguaje para tener un buen punto de partida al tener que generar texto cuando deba entablar una conversación con seres humanos, sin embargo, lo más sorprendente es que, debido a la escala del modelo, es posible obtener una solución general para muchos problemas sin necesidad de re-entrenar a la red, esto significa que, GPT-3 puede resolver más tareas que para las que fue entrenado.
A continuación, se mostrará una comparativa de una conversación de temas de sentido común con GPT-3 y con Siri, los temas son triviales para los humanos, pero para para un ente artificial resultan sumamente complicados.
Figura 1. Comparación de los dos sistemas de PLN, en la izquierda GPT-3 Lacker, K. (2020), en derecha Siri.
En la comparativa de las conversaciones se puede apreciar la naturalidad de las respuestas de GPT-3 contra lo artificial de la única pregunta que Siri pudo responder, también se percibe la falta de seguimiento a la línea de la conversación en Siri, a diferencia de GPT-3 que pudo responder sin problemas las preguntas implícitas como el porqué de una pregunta anterior o asimilar los cambios de tema, y por supuesto, la forma de plasmar el sentido común en sus respuestas. Este resultado parece una trivialidad, sin embargo, es todo un hito del PLN porque sostener coherencia en el lenguaje es un proceso humano complejo, si se pre entrenara al modelo con grandes cantidades de textos en áreas específicas se podría entablar una conversación igual de coherente, pero de temas mucho más complicados como economía o filosofía.
Las aplicaciones del PLN y sus diversos modelos como GPT-3 pueden adaptarse a diversas áreas como: salud, mercadotecnia, política, entre otras, sin duda una de las más intuitivas es en la educación.
Considere un grupo de alumnos de cualquier nivel a los que se les pueda liberar una instancia de GPT-3 entrenada con textos de una disciplina determinada, los alumnos tendrían la posibilidad de consultar dudas y obtener respuestas como si un humano las estuviera resolviendo, aparte, se resolvería el problema de obtener respuestas, tendenciosas, falsas o sesgadas, todo esto con una comunicación en lenguaje natural.
Los avances en PLN han revolucionado la forma de concebir el mundo, pues resulta útil para cualquier área tener un entidad artificial capaz de entablar conversaciones funcionales; sin embargo, falta resolver los debátes éticos y legales que esto implica, así como las optimizaciones computacionales que vuelvan más rentable tener en producción un modelo tan complejo, pero esto no detiene su inmimente desarrollo y resultará muy favorable contar con un ente artificial tan potente como GPT-3 aportando a la evolución del desarrollo y aprendizaje humano.
