La inteligencia artificial es mucho más que tecnología

Domingo Senise durante su intervención en Espacio Fundación Telefónica
Domingo Senise durante su intervención en Espacio Fundación Telefónica

En lo últimos 20 años Domingo Senise de Gracia ha estado dedicado a campos como la estrategia de negocio, la innovación y la inteligencia artificial en varios sectores como el de consultoría, Internet, finanzas y tecnología, además de la Administración Pública. En Willis Towers Watson, el Ministerio del Interior, idealista.com, Sociedad de Tasación y Taiger ha desempeñado cargos de diversa responsabilidad (consultor, analista, head y vicepresidente). Actualmente es socio fundador y CEO de la start-up de inteligencia artificial hAItta. Su campo de trabajo dentro de la IA es el procesamiento de lenguaje natural, una línea en la que, desde su punto de vista, aún queda mucho por hacer. Una cuestión en la que profundizó hace unos días en la jornada organizada por Fundación Telefónica, al hilo de una nueva edición de Vivir en un Mar de Datos, un ciclo que celebra su cuarta edición.

Para Senise, el procesamiento del lenguaje natural (PLN) es el gran caballo de batalla de la inteligencia artificial. Mientras que los avances en los otros dos campos que según el experto conforman la IA -la robótica, principalmente relacionada con temas físicos como movimiento, visión o aprehensión, y la parte cognitiva, vinculada a las ontologías y mapas de conocimiento- “el PLN, es algo que se le resiste a la máquina”. Si nos aproximamos un poco más, y atendiendo a la teoría oficial, el PLN es el tratamiento de un lenguaje humano (inglés, georgiano o alemán) a fin de que una máquina sea capaz de aprehender el mensaje transmitido por su interlocutor, bien sea un ser humano u otra máquina y, si fuera necesario, realizar la acción o dar la respuesta pertinente.

La aparente sencillez de la ecuación está sin embargo repleta de complejidades. Como recordaba Senise, en 1954 tenía lugar en Washington el experimento Georgetwon-IBM, “la primera y más influyente demostración de traducción automatizada de la historia”. La prueba incluía la traducción automatizada de más de 60 oraciones del ruso al inglés; frases que fueron escogidas de manera precisa sin ningún análisis sintáctico que pudiera llegar a determinar la estructura de la oración. “El experimento fue considerado un éxito, hasta tal punto que los investigadores, eufóricos, afirmaron que en unos 3-5 años el problema de la traducción automatizada quedaría resuelto”.

Dos años más tarde, y si seguimos la cronología propuesta por Senise encaminada a extraer conclusiones útiles, Noam Chomsky, filósofo, lingüista, profesor de esta disciplina en el MIT, “se mete de lleno y escribe dos artículos clave para el PLN que pretender sistematizar las estructuras y los principios más profundos del lenguaje para llevarlos al entorno computacional mediante su gramática generativa”. Three Models for the Description of a Language y On Certain Formal Properties of Grammars fueron “un valiente empeño de hace 60 años, y aunque hemos avanzado y conseguido solucionar el problema del PLN en entornos muy acotados y definidos, conseguir que una máquina tenga un diálogo libre y fluido con un humano es un problema que aún está sin resolver”- apuntaba Senise, que considera que ésta es, “probablemente”, la última barrera que separa la inteligencia humana de la inteligencia artificial”.

Turing vs. Winograd

Domingo Senise puso en duda al Test de Turing como la prueba adecuada para determinar si una máquina tiene capacidades de PLN y por ende presenta un comportamiento inteligente, y para ello tomó como percha que en 2014 Eugene, un chat bot de IA, pasó el citado test. “Eugene no era en absoluto inteligente y cuando no sabía una respuesta utilizaba juegos de palabras, chistes, interjecciones… Todo menos dar una respuesta clara que demostrase que había entendido la pregunta”. El test de Turing presenta dos trabas para comprobar las capacidades de PLN y el comportamiento intligente de una máquina: la importancia del engaño y, por otro lado, está en duda si una conversación en inglés es el tipo adecuado de prueba ya que las conversaciones son fácilmente manipulables.

Como superación al método de Turing y a fin de comprobar el comportamiento inteligente y las capacidades de PLN de una IA Hector Levesque, un científico computacional de la Universidad de Toronto, propuso el Desafío de los esquemas de Winograd en 2011: un test que implicaba responder a preguntas escritas en inglés con una estructura muy específica. A diferencia del test de Turing, la máquina no debe involucrarse en una conversación y engañar a un interrogador haciéndole creer que está tratando con un ser humano. Es un prueba que juega principalmente con el problema de la anáfora. “Una IA que sea capaz de responder correctamente a las preguntas de los esquemas de Winograd podríamos afirmar que tiene unas capacidades de PLN y de razonamiento avanzadas. En los esquemas de Winograd es preciso tener un conocimiento de fondo para averiguar qué está pasando. El hecho de utilizar este conocimiento de fondo es lo que podemos denominar pensamiento o razonamiento.”- apuntaba Senise.

¿Y ahora?

“Como siempre nos pasa a los humanos, creemos alcanzar el cénit con cada última novedad, algo que también ha ocurrido con la IA en sus distintas fases”- señalaba Domingo Senise. “En hAItta pensamos que sería mucho mejor admitir, al menos desde la perspectiva del lenguaje natural, que otros enfoques menos en boga y que implican un trabajo más laborioso serán necesarios para resolver el problema caleidoscópicamente ambiguo del procesamiento de lenguaje natural. Es muy probable que tengamos que combinar enfoque simbólicos, como la plataforma de PLN y razonamiento de sentido común Throught Treasure de Erik T. Mueller de IBM, con un enfoque matemático-estadístico, en el que utilizásemos machine learning y su batería de algoritmos (Idk, regresión logística, Naive Bayes, TAN, Ripper, etc….), e incluso lenguajes lógicos como Prolog… Todo esto ayudaría a progresar al PLN, e incluso a la IA, de una manera más regular y firme. Éste al menos es nuestro enfoque de trabajo y línea de investigación”.

Pero, ¿será capaz alguna vez una máquina de mantener una conversación libre, fluida con un ser humano sin necesidad de trucos baratos? Para Senise “dependerá de nosotros mismos: de cuánta perseverancia, inventiva, y deseos de trabajar duro podamos poner encima de la mesa. Al final del camino, dominar con maestría un lenguaje no es una algo baladí: nosotros, los seres humanos, llevamos en la tarea desde hace ya 50.000 años y la IA va más allá de la tecnología. Es un cambio de paradigma que está revolucionando el modo en el que nos relacionamos con las máquinas”- concluía.

Dejar una respuesta

Please enter your comment!
Please enter your name here