La semana pasada, el blog exploró la visión de la comprensión del lenguaje y nuestra capacidad para mejorarla enormemente en los próximos cinco años. Hoy continuamos el recorrido explorando qué permitirá a las máquinas conversar. Se trata de una auténtica revolución que combina la informática con la lingüística de una manera novedosa.
Por supuesto, predecir con confianza una revolución es más fácil cuando un sistema ya produce resultados. Hoy, aunque los modelos de IA para idiomas y el aprendizaje automático aún no han alcanzado la escala necesaria para convertirse en sistemas precisos, he visto un laboratorio que produce el futuro. El laboratorio Thinking Solutions, en Australia, desarrolla un nuevo algoritmo lingüístico desde 2006.
Su enfoque es muy distinto del modelo informático diseñado por Alan Turing en la década de 1930 y ampliado desde la década de 1950 por gobiernos, IBM y otros. En lugar de ese modelo, el algoritmo lingüístico de Thinking Solutions utiliza patrones jerárquicos de forma eficiente para satisfacer las necesidades del lenguaje humano e incorpora conocimientos lingüísticos aún no aprovechados. Esto me da mucha confianza en que las máquinas capaces de comprender el lenguaje saldrán de las líneas de producción antes de lo previsto.
Hoy examino las características de un modelo lingüístico revolucionario para ver de dónde provendrá la comprensión de las máquinas.
La lingüística RRG revolucionaria
Viajemos al pasado para entender el futuro. En 1957, un año después de que se acuñara el nombre de la IA, tuvo lugar otra gran revolución cuando el profesor Noam Chomsky publicó Syntactic Structures. Entre muchas otras cosas, esto dio lugar a los lenguajes informáticos actuales. Sus descendientes teóricos siguen dominando hoy. Aproximadamente 30 años después de esa publicación, al buscar un modelo que explicara con mayor eficacia TODAS las lenguas humanas, el profesor Robert Van Valin, junto con el profesor Bill Foley, inventó la Gramática del Rol y la Referencia (RRG).
Ahora avancemos unos 30 años. La RRG ha sido validada ampliamente y tiene la capacidad de explicar cómo usan las personas el lenguaje. Su sistema de correspondencia bidireccional va del significado a la forma, como hacen los hablantes al producir lenguaje, y de la forma al significado, como hacen los oyentes al comprenderlo. La RRG es realmente distinta de los demás enfoques «neutrales respecto a la dirección», que intentan establecer una correspondencia entre la forma y el significado.
El sistema prototipo funcional que mencioné utiliza el sistema de correspondencia de la RRG para posibilitar la comprensión del lenguaje, lo cual, a su vez, permite la traducción y la conversación en varios idiomas. El algoritmo de la RRG encuentra el significado de una oración en cualquier idioma.
La RRG también predice los constituyentes de los significados en una lengua porque, a diferencia de los diseños estadísticos o basados en redes neuronales de hoy, se asemeja al ser humano: se creó a partir de la observación de los rasgos comunes de las lenguas humanas.
Más allá de la IA
Un problema es difícil para la IA si «…no se resolvería mediante un algoritmo específico y sencillo». Podemos usar esta definición para distinguir la comprensión del lenguaje natural (NLU) de los demás problemas de IA no resueltos, como la visión por computadora. Los prototipos funcionales de Thinking Solutions incorporan el algoritmo de correspondencia de la RRG para convertir las expresiones de una lengua en su significado dentro de una conversación, y viceversa. Por tanto, la NLU no es difícil para la IA.
El algoritmo lingüístico de Thinking Solutions combina la teoría Patom con la RRG. La teoría Patom es obra del fundador de Thinking Solutions, John Ball. La implementación de su algoritmo traslada a la computadora el trabajo de los programadores para comprender el lenguaje mediante la RRG.
Gramática del Rol y la Referencia (RRG)
La RRG responde a la pregunta: «¿Cómo sería la lingüística si se basara en la multitud de lenguas humanas?»
La RRG partió del análisis de las lenguas indígenas americanas, las lenguas aborígenes australianas y las lenguas filipinas, en lugar de partir del inglés, como hizo Chomsky; de ahí surgió una teoría de naturaleza muy distinta. El profesor Daniel Everett, decano de Artes y Ciencias de Bentley University, ha descrito la RRG como «una de las teorías más interesantes sobre el lenguaje humano que existen. Su combinación de pragmática, semántica, sintaxis y morfología en un único modelo no basado en el inglés sobre el funcionamiento comunicativo de las oraciones es innovadora y eficaz».
El detalle científico es complejo y extenso, como cabe esperar de algo que debe explicar cómo comunicamos la infinidad de detalles que podemos experimentar. Pero, con las lenguas, siempre es fácil entender mediante ejemplos, porque nuestra comprensión humana entra en juego para completar lo que falta.
A riesgo de enumerar un montón de ejemplos ante los que dirás «Por supuesto», recuerda que esto se está desarrollando para emularse en dispositivos, no en seres humanos, así que la computadora necesita completar lo que falta o no entenderá.
La RRG vincula las palabras con el significado
La oración «el perro mordió a mi madre» transmite un acontecimiento pasado. Significa algo relacionado con morder, el acto de usar los dientes para agarrar o cortar. El agente, aquello que realiza la acción, es «el perro». El paciente, aquello sobre lo que recae la acción, es «mi madre».
Compárese ahora con esta oración: «mi madre fue mordida por el perro». ¿En qué se diferencia, aparte de que las palabras están en un orden totalmente distinto? ¡Bienvenidos a la RRG! La RRG vincula los elementos de la misma manera y señala que la segunda oración está en voz pasiva. En esencia, se conserva en inglés y en otros idiomas la multitud de maneras de llegar al mismo significado. La enorme cantidad de formas de decir lo mismo es una de las razones por las que la lingüística tradicional resulta insuficiente: exige cada vez más procesamiento informático para abordar lo que se denomina explosión combinatoria.
Al captar el vínculo entre la forma y el significado, la RRG hace posible un nuevo nivel de programación con el lenguaje. Mejor aún, esto puede ser independiente del idioma de origen.
La RRG completa lo que falta
«Mi madre acaba de llegar a la playa, pero tu hijo no». Es un ejemplo de oración elíptica, en la que «tu hijo no» no se expresa explícitamente como «tu hijo no acaba de llegar a la playa», sino que simplemente se sobreentiende. Esas palabras adicionales harían que los idiomas fueran más engorrosos.
La explicación no se encuentra en la proximidad estadística a otras palabras, sino en el significado subyacente, recuperado de una oración anterior, independientemente de si la pronuncia el mismo hablante, como en el ejemplo dado, u otra persona en una conversación.
Multilingüe
El blog de hoy examinó los requisitos lingüísticos necesarios para responder a la demanda de una mejor comprensión por parte de las máquinas. Desde principios de la década de 1990, la investigación ha seguido una dirección clara, ya que IBM, en particular, impulsó los sistemas basados en la estadística. Esto mejoró el rendimiento a corto plazo en ámbitos donde el progreso había sido limitado, pero, en retrospectiva, parece que alcanzó su punto máximo hace algún tiempo.
Veo que la revolución que ahora comienza en Thinking Solutions tiene la clave de la comprensión del lenguaje. Aunque el mundo ha adoptado técnicas estadísticas y de aprendizaje automático, su falta general de éxito significa que es hora de considerar alternativas. Mis predicciones de 2020 para la década de la robótica requieren algo más que versiones más rápidas de los sistemas actuales. Se necesitan nuevos niveles de precisión y hay que considerar ideas anteriores cuyo potencial aún no se ha explorado plenamente.
En muchos casos, el renovado interés por los sistemas de IA busca resolver los problemas de comprensión del lenguaje. IBM creó la división Watson y comprometió $1B con el objetivo de obtener un rendimiento anual planificado equivalente a diez veces esa inversión. Mediante la tecnología que venció a los mejores jugadores del mundo de «Jeopardy!» en un debate televisado, IBM propone soluciones de tipo cognitivo con un sistema que, aunque no comprende las palabras que recibe, aun así ofrece respuestas rápidas y correctas, si bien acompaña cada una de un porcentaje que aproxima su precisión. Para la robótica de 2020 parecen insuficientes las máquinas que funcionan bien, pero no comprenden.
Hoy, Google prosigue su incansable búsqueda de «tecnologías de comprensión» con inversiones continuas en investigación, incluido un equipo de primer nivel junto con el futurista Ray Kurzweil, muy respetado; la ampliación de los pares de idiomas de Google Translate; mejoras en el reconocimiento de voz basado en la estadística; y la investigación sobre aprendizaje profundo con el profesor Geoff Hinton. Esas son solo algunas de las áreas de trabajo visibles. Sin duda, Google-X también tiene proyectos secretos, pero ¿son estas innovaciones simplemente más de lo mismo, forzando aún más el paradigma de procesamiento y esperando obtener nuevos resultados? Hacer lo mismo y esperar resultados diferentes es una medida de la locura.
La misión de Google es evidente: para dar a las personas lo que quieren, primero hay que comprenderlas en cualquier idioma. Después, hay que encontrar respuestas en cualquier idioma y responder en el idioma de origen. Esto requiere comprender el lenguaje. La comprensión, junto con el seguimiento del contexto, permite traducciones precisas. Por tanto, mejorar las búsquedas mediante la comprensión del contenido también es una aplicación de la comprensión del lenguaje.
Microsoft tiene una trayectoria de interés por el lenguaje natural. En 2008, la adquisición de PowerSet por una cantidad estimada de $100M+ puso de manifiesto el interés por la nueva generación de motores de búsqueda con búsqueda semántica, una tecnología con potencial para alterar el modelo de negocio de Google al mejorar las búsquedas que se basan únicamente en palabras clave. Aunque después no ganó esa batalla con su tecnología subyacente de PARC, Microsoft ha seguido adelante con la reciente incorporación de la traducción de voz para los usuarios de Skype. No parece haber motivo para no probar a mejorar las propuestas de la década de 1960, según las cuales los sistemas de voz precisos requieren primero comprender el lenguaje.
Silicon Valley sigue buscando una solución. En 1996, el objetivo de «Ask Jeeves» era ofrecer búsquedas en internet haciendo preguntas a un «mayordomo inglés». Entre los ejemplos modernos está Vicarious, una empresa centrada en la emulación mediante redes neuronales, con implementaciones que consumen muchos recursos de procesamiento. «Estamos construyendo una arquitectura algorítmica unificada para alcanzar un nivel de inteligencia humana en visión, lenguaje y control motor». Vicarious ya ha recaudado $70M para perseguir sus objetivos. En su sitio web: «Vicarious nos acerca a todos a un futuro en el que las computadoras perciben, imaginan y razonan igual que los seres humanos». Puede que eso llegue a suceder, pero las redes neuronales se investigan desde la década de 1940 y aún no han logrado una precisión en la comprensión del lenguaje ni remotamente cercana a la humana.
La semana pasada escribí que las predicciones científicas son más fáciles cuando ya se ha producido una innovación: es más fácil mejorar un motor a reacción que idear su diseño inicial. El artículo de hoy se basa en un sistema funcional. Somos excelentes para mejorar la tecnología funcional ampliándola, miniaturizándola y optimizándola una vez que vamos por el camino correcto. Pensemos, de nuevo, en la miniaturización de los televisores y en la ley de Moore.
La IA ha mantenido cautiva la comprensión del lenguaje desde la década de 1950 y ahora veo que se libera para el público general mediante un cambio drástico de plataforma tecnológica. La revolución de la comprensión del lenguaje aún tiene mucho camino por recorrer, ya que el lenguaje permitirá a las máquinas hacer lo que les pedimos y queremos. Además, estoy preparando otros blogs centrados en distintos aspectos del diseño informático que trabaja con la RRG para completar el algoritmo subyacente de comprensión del lenguaje: la teoría Patom, que tendrá que utilizarse en el mundo del IOT con bastante rapidez.
Este artículo se publica en colaboración con LinkedIn. La publicación no implica que el Foro Económico Mundial respalde estas opiniones.
Para mantenerse al día con la Agenda, suscríbase a nuestro boletín semanal.
Autor: el Dr. Hossein Eslambolchi es presidente y director ejecutivo de Cyberflow Analytics.
Imagen: brazos robóticos realizan soldaduras por puntos en el chasis de una furgoneta Ford Transit en montaje en la planta de ensamblaje de Ford Claycomo, en Claycomo. REUTERS/Dave Kaup.
