Hoy en día, las máquinas han alcanzado un grado de sofisticación que en los primeros años de la informática sonaba a ciencia ficción, llegando al punto que pueden engañar a las personas y ser muy difíciles de diferenciar de personas reales al momento de entablar un diálogo con ellas.
Esto ha llevado al surgimiento de asistentes virtuales y chatbots que hacen más fácil la vida de las personas de manera amigable, pero también de estafas y otros ilícitos que se valen de la naturalidad de las respuestas de las máquinas para engañar a personas en sitios de citas, salones de chat, espacios de comercio, banca y otros, ya que los robots han aprendido hasta a reconocer los sentimientos de las personas con las que hablan.
Sin embargo, para que un robot o una computadora pueda responder con “Hola. ¿Cómo estás el día de hoy?” debe estudiar millones de horas de conversaciones, videos, textos y otros materiales, todo esto mediante una tecnología llamada Procesamiento de Lenguaje Natural (PLN).
¿Qué es PLN y cómo funciona?
“El procesamiento del lenguaje natural (PLN) es un campo de la IA que se encarga de comprender y generar lenguaje humano. Es una herramienta fundamental para que las máquinas puedan interactuar con los humanos de forma natural y efectiva”, responde Marcelo Pacheco, director de la carrera de Ingeniería de Sistemas de la Universidad Franz Tamayo, Unifranz.
Pacheco indica que esta tecnología, que nació en 1950 de la mano del padre de la informática, Alan Turing, permite a las máquinas entender el significado del texto, lo que incluye identificar palabras, frases y oraciones, así como modismos y contracciones comunes, así como el contexto en que se usan.
“Por otra parte, permite a las máquinas generar texto que sea comprensible para los humanos. Esto incluye escribir oraciones gramaticalmente correctas y que tengan sentido en el contexto de la conversación”, puntualiza.
Esto puede tener una infinidad de aplicaciones, como por ejemplo la traducción simultánea de textos, una tecnología que recientemente ha tenido avances importantes y que fue uno de los pilares que impulsó el nacimiento de esta rama de la inteligencia artificial.
“El PLN puede utilizarse, por ejemplo, en asistentes virtuales que utilizan PLN para entender las preguntas y solicitudes de los usuarios y ofrecer respuestas concretas y naturales que no suenen como las respuestas de un robot”, agrega el experto.
Por otra parte, el PLN es sumamente importante en la programación de Chatbots, que lo utilizan para poder comprender a los usuarios y sostener conversaciones, respondiendo a sus preguntas de manera natural, sin llegar a generar el efecto del “valle inquietante”, el cual se produce cuando las personas sienten rechazo hacia lo que se ve o suena artificial.
“El PLN también permite a las Inteligencias Artificiales realizar resúmenes de texto, tomando las partes clave de un documento largo de manera eficaz y eficiente”, expresa Pacheco.
Finalmente, facilita a la IA realizar análisis de sentimiento, es decir, la IA puede determinar la actitud o el sentimiento de un texto y responder de acuerdo al mismo.
A través de este análisis, las máquinas pueden también simular emociones en algunos casos, produciendo otro efecto psicológico, llamado el Efecto Eliza, el cual se da cuando una persona asume que los comportamientos de un programa o máquina son análogos a los comportamientos humanos.
Más allá de estos posibles efectos, la PLN ofrece al menos tres beneficios a la IA y a otras aplicaciones derivadas de ésta.
“Por ejemplo, el PLN permite una mejor interacción entre máquinas y humanos, al ofrecer un canal de comunicación directo y natural, elimina una barrera de esta relación, como podría ser el uso de comandos complejos o de tener conocimiento de programación”, indica el experto.
Por otra parte, al entender el lenguaje natural, las máquinas pueden realizar tareas simples que antes solo podían realizar los humanos de manera directa, ya que solo basta darles las órdenes y establecer las secuencias de manera oral.
Estas ventajas son parte de la tercera, que consiste en que, gracias al PLN, se puede aumentar la eficiencia y la productividad de las inteligencias artificiales.
Sin embargo, también existen desafíos respecto a esta tecnología, los cuales, a pesar de estar en constante desarrollo por 70 años, no han sido completamente subsanados.
“El lenguaje humano es complejo y ambiguo y a pesar de todos los años de desarrollo para perfeccionar los modelos y la tecnología, aún es difícil para las máquinas comprender todo correctamente”, acota Pacheco.
Otro de los desafíos es el económico, ya que los datos de entrenamiento de la PLN son costosos y difíciles de obtener.
Por último, el PLN puede ser susceptible al sesgo algorítmico, si es expuesto a datos que contengan el mismo, como por ejemplo, si para su entrenamiento se utilizan muestras de lenguaje racista u homofóbico.