El reto de la inteligencia artificial: entender y utilizar el lenguaje natural

La Inteligencia Artificial ha avanzado a pasos agigantados desde sus primeras apariciones en la escena de la investigación. La inteligencia artificial, IA en adelante, abarca innumerables campos y tiene muchísimas aplicaciones. La más popular es el machine learning, y dentro de éste el Deep learning. Cuando alguien menciona que “interactúa con una inteligencia artificial” está hablando de que se comunica con un algoritmo de aprendizaje automático bien entrenado que, con mayor o menor tasa de acierto, responde a preguntas o resuelve problemas.

En realidad, siendo más precisos, uno no interactúa con un sistema de IA, sino con un conjunto de algoritmos especializados, cada cual, en una sola tarea. El esfuerzo combinado de todos los algoritmos individuales es el que se percibe como “una IA” que interacciona con nosotros y nos ofrece resultados.

El camino hasta llegar aquí ha sido largo y, principalmente, ha estado obstaculizado por limitaciones en la capacidad de procesamiento disponible para, no solo entrenar, sino hacer viables desde el punto de vista “comercial” los sistemas que hoy son habituales. Gracias al aumento de prestaciones que experimentan los procesadores, y particularmente al procesamiento en la nube, sistemas que en el pasado no eran viables lo son hoy.

Sin embargo, queda todavía un buen trecho por cubrir hasta conseguir que los sistemas IA dominen algunos aspectos “humanos” que pueden ser de mucha aplicación en diversas áreas de interés. Específicamente, hablamos de procesar y utilizar el lenguaje natural del mismo modo que lo haría una persona. Las dos ramas de la IA con mayor recorrido actualmente son Natural Language Processing (NLP) y Natural Language Understanding (NLU).

Las aplicaciones del NLP son diversas, pero podemos enumerar clasificación de texto, modelado de lenguaje, reconocimiento de voz (más bien, de expresiones o formas de hablar), generación de subtítulos o leyendas y pies de foto, máquinas traductoras, elaborar resúmenes de documentos o responder preguntas.

En cuanto a NLU, en realidad es un subconjunto de NLP que se encarga de la comprensión lectora de las máquinas. Es un problema IA-completo y, por tanto, no puede ser resuelto mediante algoritmos específicos sencillos.

En concreto, dominar el lenguaje natural es extremadamente complejo para una IA por múltiples razones entre las que puede destacar el contexto. El contexto es el, según la RAE, “entorno físico o de situación, político, histórico, cultural o de cualquier otra índole, en el que se considera un hecho”. Existe otra definición de contexto que se apoya en las reglas y entorno lingüístico, pero ese es más fácil de dominar. El lenguaje diario que utilizamos, nuestras expresiones y conversaciones tienen, en gran medida, un contexto que nuestro interlocutor debería conocer para entender la conversación. O bien, debería saber indagar acerca del contexto en el que nos situamos.

Además del contexto hemos de tener en cuenta multitud de detalles como el lenguaje visual y corporal, tono de voz, el entorno inmediato… Tareas muy complejas que a las máquinas va a costar años dominar. El gran reto al que se enfrenta la IA es comprender el lenguaje más allá de saber contestar a preguntas sencillas, concretas y directas. De conseguirlo seríamos capaces de desarrollar verdaderos asistentes personales que, por ejemplo, nos hagan un resumen eficiente de nuestro correo diario o que sean capaces de darnos consejos sobre hacia dónde va una conversación por email. Verdaderas aplicaciones capaces de entender, en un contexto determinado, de qué se está hablando y cómo responder a los interlocutores.