Lenguaje en la evolución de la inteligencia artificial

Manuela Estrada Villada

Habilidades comunicativas
Isabel Cristina Vélez Restrepo

Instituto Tecnológico Metropolitano

Facultad de Ingeniería
Tecnología en Desarrollo de Software
Medellín
2023
 LENGUAJE EN LA EVOLUCIÓN DE LA INTELIGENCIA ARTIFICIAL1

Manuela Estrada Villada2

Introducción:
Desde el surgimiento de la idea de una inteligencia artificial se ha buscado la forma de que
las máquinas alcancen una inteligencia igual o superior a nosotros. Al día de hoy podemos decir
que aún no se ha encontrado la manera de crearla, no obstante podemos señalar las partes
fundamentales para el desarrollo de esta, siendo uno de ellos el lenguaje y la comunicación. En
este ensayo analizaremos cómo y porqué el lenguaje influye en el desarrollo de dichas inteligencias
artificiales, empezando por cómo se comunican humanos y máquinas hasta explorar la relación
entre el sentido común y lenguaje y cómo este influye en el alcance de una inteligencia artificial
que contenga todas las capacidades del ser humano.

Cuerpo argumentativo
En primer lugar, para dar contexto al lector debemos definir que es la inteligencia artificial
para ello se categorizará esta en dos tipos, inteligencia artificial fuerte e inteligencia artificial débil,
la primera siendo la que se nos viene a la mente cuando hablamos de inteligencia artificial o a la
que se refieren en las películas de ciencia ficción, una máquina capaz de pensar por si misma,
equiparable a la inteligencia humana o superior y la segunda se refiere a inteligencias muy
específicas centradas en resolver una problemática puntual. El objetivo de los investigadores y
desarrolladores de inteligencias artificiales es lograr crear una inteligencia artificial fuerte, como
menciona Sowa (2014), la única forma de lograr que estas inteligencias artificiales funcionen es
combinando las diferentes áreas de la inteligencia artificial en una sola y dejar de usar un solo tipo
de método para todo (p. 435), es decir, que utilice diferentes herramientas y tipos de algoritmos,

1
Filial 1: Producción textual realizada bajo la asesoría de la profesora Isabel Cristina Vélez Restrepo
2
Filial 2: Estudiante del programa Tecnología en Desarrollo de software del Instituto Tecnológico
Metropolitano
Correo electrónico institucional: manuelaestrada1118581@correo.itm.edu.co
tales como algoritmos simbólicos, redes neuronales artificiales y redes bayesianas para la creación
de cada una de las partes de la máquina entre ellas aprendizaje automático, visión computacional
y procesador de lenguaje natural, esta última siendo el eje central de este documento.
Los procesadores de lenguaje natural, de ahora en adelante PLN, son esenciales para el
entendimiento entre humanos y computadoras y el primer paso para la humanización de estas. Alan
Turing, el padre de la computadora, decía que debíamos centrar parte de nuestros esfuerzos a
enseñarles a entender y a hablar inglés a las máquinas y Sowa también considera fundamental que
la inteligencia artificial “sea capaz de comunicarse en el lenguaje nativo del usuario”3 (Sowa, 2014,
p. 435), esto debido a que las computadoras usan un lenguaje diferente, más específicamente
código binario, el cual las personas del común e incluso programadores no saben aplicar
adecuadamente lo cual dificulta la comunicación entre personas y máquinas, entorpeciendo el
manejo de las nuevas tecnologías y con ello su evolución.
De hecho, al programar una computadora no lo hacemos en lenguaje máquina, actualmente
lo hacemos en lenguajes de programación de alto nivel tales como C, C#, C++, Pascal, Phyton,
entre otros que vendrían a ser los programas fuentes que pasan por un compilador o intérprete para
ser convertidos en lenguaje máquina, es decir código binario. Con la evolución de la computadora
se pudieron crear interfaces que funcionarán con lenguaje natural haciéndola mucho más accesible
y comerciable, ahora con la llegada de las inteligencias artificiales se usan los PLN para facilitar y
mejorar la comunicación entre humanos y máquinas haciéndola más eficiente y rápida, esta rama
de la inteligencia artificial se usa en los asistentes de voz, chatbots, traductores, interfaces en
lenguaje natural, entre otros. El desarrollo de estos permite que la gente del común con poco o nulo
conocimiento en programación y computación sea capaz de usar las tecnologías actuales de manera
más sencilla.
Al principio las computadoras de tubos de vacío se programaban a partir de encendidos y
apagados requiriendo una cantidad considerable de personas para ser manejadas y aprovechadas,
en la actualidad esto ya no es así , ahora cualquier persona puede hacer uso de computadoras y
programas de manera sencilla, esto es posible gracias a los PLN que hacen uso de algoritmos que
permiten a la computadora comprender lenguaje natural. Para ejemplificar esto usaremos a los
asistentes de voz, cuando le pedimos a Siri que nos diga el clima, este es capaz de procesar esta

3 Todas las traducciones en este documento han sido realizadas por la estudiante
instrucción a través de sistemas semánticos y darnos una respuesta sin necesidad de nosotros tener
conocimientos en lógica formal para hacer la pregunta y que Siri la entienda y la responda de
manera natural y este es solo un ejemplo simple, otras inteligencias artificiales más recientes como
ChatGPT tampoco necesitan de lógica formal o algún lenguaje muy avanzado para entender
preguntas complejas e incluso pueden dar respuestas bastante parecidas a cómo si estuviéramos
hablando con otro ser humano. Esto es un gran avance en el ámbito de las IA y nuestra relación
con estas a comparación de hace unos años, por lo tanto podemos decir que ya alcanzamos uno de
los objetivos que menciona Sowa (2011) en su artículo Future of semantic systems para la
comercialización y aprovechamiento de las inteligencias artificiales:
Los sistemas semánticos tienen diferentes interfaces para personas con diferentes
requisitos y habilidades. Personas sin entrenamiento en programación o inteligencia
artificial, ya sean usuarios casuales o expertos en la materia, deberían tener
interfaces que tomen ventaja de su conocimiento en la materia y su conocimiento de
su lenguaje nativo. (p. 18)
Teniendo en cuenta que ya los seres humanos y las máquinas nos podemos comunicar casi
de manera natural entramos en el siguiente punto, machine learning, también conocido como
aprendizaje automático en español, y PLN. Entendemos machine learning como la capacidad de
las máquinas de aprender basándose en análisis y procesamiento de datos a través de algoritmos,
cuando las IA reciben nueva información, gracias al aprendizaje automático esta es capaz de
clasificarla o usarla directamente sin necesidad de clasificación para dar un resultado, esto
dependiendo del tipo de aprendizaje que tenga, permitiendo que la máquina realice acciones para
las que no estaba previamente programada creando un nuevo algoritmo propio. Ahora, para que
esto sea posible y las computadoras puedan aprender de manera más eficiente se necesita que sean
competentes en el procesamiento del lenguaje para que cualquier persona pueda agregar
información y esta pueda ser procesada adecuadamente. Los algoritmos “son creados con la
habilidad de usar lenguaje humano para nutrirse y desarrollarse” (Marconatto y Sestari, 2019, p.
127), así mismo se necesita del aprendizaje automático para seguir nutriendo a los procesadores de
lenguaje natural, como ejemplo de esto último usaremos el Universal Speech Model, el nuevo
modelo de aprendizaje automático para reconocimiento de voz que puede soportar 1000 idiomas
anunciado por Google en Noviembre de 2022, este utiliza self-supervised learning (aprendizaje
auto-supervisado), el cual no profundizaremos en este documento, para el pre-entrenamiento de
esta, haciendo más eficaz el uso de grandes cantidades de información, se reconoce que uno de los
retos de este proyecto es hacer que el algoritmo sea capaz de manejar una gran cantidad de datos,
habilitar actualizaciones sin necesidad de re-entrenamiento y que pueda ser adaptable a nuevos
idiomas y casos de uso.
En este sentido, podemos trasladar estos procesos a los seres humanos, varios estudiosos
concuerdan en que el lenguaje y la inteligencia están intrínsecamente relacionados, “sino existe un
adecuado lenguaje no se promueve la inteligencia y, por falta de algo de inteligencia no es posible
entender y desarrollar todo el lenguaje” (Torres, 2006, p. 2), además cabe resaltar que el lenguaje
se estructura a partir de experiencias. Por lo tanto volvemos a nuestro punto de partida, los niños
aprenden su lengua materna antes que aprender a sumar o a restar porque la comunicación es el
paso de información y por consiguiente la creación de conocimiento, así mismo las computadoras
necesitan aprender a procesar lenguaje antes que cualquier otra cosa debido a que, gracias a el uso
de palabras en lenguaje natural, estas se pueden comunicar con el ser humano para aprender de
nosotros y como resultado desarrollarse, recolectando experiencia con cada interacción humano-
máquina y seguir mejorando con esta nueva información, volviendo a la máquina cada vez más
inteligente y capaz de resolver nuevos problemas.
Otro punto que quiero explorar antes de finalizar este texto es el sentido común y los PLN,
López (2019) menciona en su monografía Towards Artificial Intelligence: advances, challenges
and risks que “el sentido común es un requisito fundamental para una IA para ser como la
inteligencia humana en términos de generalidad y profundidad. […] Sin este conocimiento es
imposible entender el lenguaje de manera profunda” (p. 123), a lo que quiero llegar con esto es que
aún con todo lo expuesto anteriormente, las máquinas no comprenden el lenguaje como lo hacen
los humanos. Las computadoras todavía no comprenden el significado profundo de las palabras y
se quedan en la mayoría de los casos en su significado literal, haciendo que los seres humanos
pensemos dos veces antes de dar una instrucción a una máquina. De hecho esto lo podemos ver
cuando le damos una orden a una inteligencia artificial, a menudo suele pasar que damos una
instrucción que para nosotros nos parece muy clara, pero la inteligencia artificial lo toma de manera
errónea y no nos da el resultado deseado, esto debido a que no puede comprender del todo nuestro
lenguaje, sobre todo instrucciones implícitas y por ende nos hace especificar cada una de las
excepciones y cuando aplicarlas al momento de dar un comando para que ejecute cierta acción pues
esta no lo puede inferir por si misma causando resultados que no buscábamos, todo esto debido a
que las máquinas aún no tienen sentido común. Esto demuestra que a pesar de todos los avances
alcanzados en la última década todavía nos falta mucho camino por recorrer en cuanto a
procesadores de lenguaje natural y sobre todo en lograr construir una inteligencia artificial fuerte
que, por requisito, debería tener sentido común. Para finalizar este tema, teniendo en cuenta que el
sentido común probablemente se desarrolle con base a experiencias, podríamos considerar la
posibilidad de empezar a construir algo parecido a dicha capacidad mediante el aprendizaje
automático y los PLN, ya que, con estos dos sistemas le podemos enseñar a la máquina casi que
cualquier cosa gracias a que nos permite la transmisión de información y el entendimiento de esta,
claramente esto sólo sería una teoría base para la experimentación y la creación o mejoramiento de
sistemas que nos ayuden a acercarnos más a lo que es una inteligencia artificial fuerte, demostrando
una vez más que los procesadores de lenguaje natural y por tanto el lenguaje son fundamentales
para el desarrollo de futuras tecnologías.
Conclusión
En conclusión, así como los niños aprenden a través del lenguaje, las máquinas también
requieren la capacidad de comprender este para desarrollarse. Los PLN nos permiten comunicarnos
con la máquina y enseñarles a procesar y a hablar nuestro lenguaje y a aprovecharlo para hacer
tareas básicas necesarias para su crecimiento con ayuda del aprendizaje automático, en este orden
de ideas entre más interactuemos con la computadora, esta se va a mejorar más haciendo que cada
uno de nosotros contribuya al crecimiento de lo que llamamos inteligencia artificial mientras
hacemos uso de esta. Si logramos que los computadores entiendan de manera profunda el lenguaje
y empiecen a generar, a partir de prueba y error con nuestras interacciones y la comprensión de
nuestras experiencias por medio de la comunicación, una clase de sentido común, podríamos decir
que estaríamos a medio camino de haber inventado una máquina con una inteligencia semejante a
nuestra.
Referencias
López, R. (2019). Towards Artificial Intelligence: advances, challenges and risks. Mètode Science
Studies Journal, 9, 119-125. https://doi.org/10.7203/metode.9.11145
Marconatto, A. & Sestari, E. (2019). Algorithm and Language. Revista de Filosofía de la
Universidad de Costa Rica, 58(152), 125-130.
https://revistas.ucr.ac.cr/index.php/filosofia/article/view/43158/43422
Sowa, J. F. (2011). Future directions for semantic systems. Intelligence-based Software
Engineering, 23-47. http://www.jfsowa.com/pubs/ futures.pdf
Sowa, J. F. (2014). Why has artificial intelligence failed? And how it can succeed? Computación
y Sistemas, 18(3), 433-437. http://www.redalyc.org/articulo.oa?id=61532067002
Torres, L.C. (2006). Inteligencia y lenguaje. Revista Vínculos, 3(1), 55-69.
https://doi.org/10.14483/2322939X.4101