Creación de lenguaje en inteligencia artificial

En inteligencia artificial , los investigadores enseñan a los sistemas de IA a desarrollar sus propias formas de comunicación mediante la colaboración en tareas y el uso de símbolos como parte de un nuevo lenguaje. Estos lenguajes pueden derivarse de lenguas humanas o crearse completamente desde cero. Cuando la IA se utiliza para traducir entre idiomas, incluso puede crear un nuevo lenguaje común para facilitar el proceso. El procesamiento del lenguaje natural (PLN) ayuda a estos sistemas a comprender y generar un lenguaje similar al humano, lo que permite que la IA interactúe y se comunique de forma más natural con las personas.

En 2017, Facebook Artificial Intelligence Research (FAIR) entrenó chatbots con un corpus de conversaciones de texto en inglés entre humanos que jugaban un sencillo juego de intercambio de pelotas, sombreros y libros. ^{[ 1 ]} Cuando se programaron para experimentar con el inglés y se les encomendó la tarea de optimizar los intercambios, los chatbots parecieron desarrollar una versión reelaborada del inglés para resolver mejor su tarea. En algunos casos, los intercambios parecían absurdos: ^{[ 2 ] [ 3 ] [ 4 ]}

Bob: "Puedo, puedo, II todo lo demás" Alice: "Las pelotas no tienen nada que ver conmigo, conmigo, conmigo, conmigo, conmigo, conmigo, conmigo, conmigo"

Dhruv Batra, de Facebook, dijo: "No había ninguna recompensa por ceñirse al idioma inglés. Los agentes se desviarían del lenguaje comprensible e inventarían palabras clave para sí mismos. Por ejemplo, si digo 'el' cinco veces, lo interpretas como que quiero cinco copias de este artículo". ^{[ 4 ]} A menudo no está claro exactamente por qué una red neuronal decidió producir la salida que produjo. ^{[ 2 ]} Debido a que el lenguaje evolucionado de los agentes era opaco para los humanos, Facebook modificó el algoritmo para proporcionar explícitamente un incentivo para imitar a los humanos. Este algoritmo modificado es preferible en muchos contextos, aunque obtiene una puntuación más baja en efectividad que el algoritmo opaco, porque la claridad para los humanos es importante en muchos casos de uso. ^{[ 1 ]}

En The Atlantic , Adrienne LaFrance comparó el maravilloso y "aterrador" lenguaje evolucionado de los chatbots con la criptofasia , el fenómeno por el cual algunos gemelos desarrollan un lenguaje que solo los dos niños pueden entender. ^{[ 5 ]}

En 2017, investigadores de OpenAI demostraron un entorno multiagente y métodos de aprendizaje que propician la aparición de un lenguaje básico desde cero, sin partir de un lenguaje preexistente. Este lenguaje consiste en una secuencia de símbolos discretos abstractos "sin fundamento" (inicialmente sin significado) emitidos por los agentes a lo largo del tiempo, que evolucionan hasta formar un vocabulario definido y restricciones sintácticas. Uno de los tokens podría evolucionar para significar "agente azul", otro "punto de referencia rojo" y un tercero "ir a", en cuyo caso un agente diría "ir al punto de referencia rojo agente azul" para pedirle al agente azul que vaya al punto de referencia rojo. Además, al ser visibles entre sí, los agentes podrían aprender espontáneamente comunicación no verbal, como señalar, guiar y empujar. Los investigadores especularon que la aparición del lenguaje de la IA podría ser análoga a la evolución de la comunicación humana . ^{[ 2 ] [ 6 ] [ 7 ]}

De manera similar, un estudio de 2017 realizado por Abhishek Das (programador) y sus colegas, demostró la aparición del lenguaje y la comunicación en un contexto visual de preguntas y respuestas, mostrando que un par de chatbots pueden inventar un protocolo de comunicación que asocia tokens no contextualizados con colores y formas. ^{[ 5 ] [ 8 ]}

Esto muestra la generación del lenguaje y cómo se entrenaron los modelos desde cero para que la IA pudiera comprender y utilizar como base la comunicación y la comprensión humanas.

En 2016, Google implementó en Google Translate una IA diseñada para traducir directamente entre 103 idiomas naturales diferentes, incluyendo pares de idiomas entre los que nunca antes se había visto traducción. Los investigadores examinaron si los algoritmos de aprendizaje automático estaban traduciendo oraciones en lenguaje humano a una especie de " interlingua " y descubrieron que la IA, en efecto, codificaba la semántica dentro de sus estructuras. Los investigadores citaron esto como evidencia de que existe una nueva interlingua, evolucionada a partir de los idiomas naturales, dentro de la red. ^{[ 2 ] [ 9 ]}

En la cronología de esta página , la generación de IA avanza lentamente. El desarrollo del Procesamiento del Lenguaje Natural (PLN) ha transformado la generación de lenguaje, que actualmente se utiliza en diversos chatbots de IA generativa como ChatGPT , Microsoft Copilot y Google Gemini . La generación de lenguaje se basa en el entrenamiento de modelos y algoritmos informáticos que aprenden de grandes conjuntos de datos. Por ejemplo, existen modelos de oraciones mixtas que suelen ofrecer mejores resultados, ya que utilizan una muestra mayor de oraciones completas en lugar de solo palabras ^[10] . Estos modelos evolucionan continuamente con el tiempo mediante la integración de más datos. Esto permite una mejor comunicación a medida que la IA aprende más información.

La imagen de la derecha (o la que se muestra a continuación en dispositivos móviles) ilustra cómo se implementan estos modelos para comunicarse con los usuarios que intentan obtener información y conocer cosas de todo el mundo.

La IA generativa aplicada al lenguaje se ha utilizado en industrias y mercados de todo el mundo, como atención al cliente, videojuegos, traducción y otras tareas técnicas, como la comprensión de grandes volúmenes de datos. En atención al cliente, los chatbots de IA, como ChatGPT y Google Gemini, utilizan el procesamiento del lenguaje natural (PLN) para interactuar, comprender y comunicarse con los usuarios en tiempo real, ofreciendo respuestas y opiniones en función de las preguntas formuladas. No solo imitan la interacción humana, sino que se representan a sí mismos como seres independientes, lo que permite una interacción personalizada con los usuarios mediante el desarrollo de un lenguaje propio y una forma de hablar propia. En el ámbito de los videojuegos, los personajes no jugables (NPC) se utilizan para mejorar la experiencia de juego, aportando información de los bots y otros personajes presentes en muchos juegos de historia y de disparos en primera persona (FPS). Además, en el ámbito de la traducción, estas IA generativas son capaces de comprender miles de idiomas y traducirlos para facilitar la comprensión de la información por parte del usuario. Esto resulta útil y amplía el alcance a un público más amplio. Estas aplicaciones evolucionan con el tiempo y muestran los diversos usos del lenguaje a través de la IA en industrias, mercados y situaciones cotidianas.

Aunque la IA parece estar evolucionando rápidamente, se enfrenta a numerosos desafíos técnicos. Por ejemplo, en muchos casos el lenguaje que utiliza es muy vago y, por lo tanto, confuso para el usuario. Además, existe un problema de "caja negra" ^{[11] [ 10 ]} que se caracteriza por la falta de transparencia e interpretabilidad en el lenguaje de las salidas de la IA. Asimismo, a medida que surgen versiones premium de chatbots de IA, estos pueden extraer datos de la web, lo que puede generar sesgos en la información que presentan. Los modelos de IA podrían, accidentalmente, formarse opiniones basadas en el lenguaje (palabras y frases) con el que se entrenan. Esto es indeseable para una IA neutral.

Se pretende superar estas limitaciones y desafíos en el futuro, a medida que los modelos aprendan más lenguaje a través de conversaciones e información. Esto fortalecerá la creación de lenguaje y contribuirá al desarrollo de las habilidades conversacionales y la comprensión de la IA, lo que permitirá alcanzar un nivel aceptable.

Muchos riesgos éticos surgen de los desafíos del desarrollo del lenguaje y la conversación en la IA, como el uso indebido de estos chatbots para crear información falsa o manipular a otros. Además, existe una gran preocupación por la privacidad al usar chatbots. A muchos les preocupa que la IA guarde y venda información. Existen numerosas directrices de revistas como IEEE y la UE que mencionan las medidas necesarias "para garantizar la preservación de la privacidad... en lo que respecta a información sensible". ^{[ 11 ]} Ese artículo aboga por un uso responsable de la IA, especialmente para datos médicos sensibles, como se explica en el mismo.

A medida que estas tecnologías avanzan, es fundamental que se cumplan los estándares éticos para lograr la privacidad de la información y mantener una postura neutral al comunicarse con los usuarios. ^{[ 10 ] [ 12 ] [ 13 ] [ 14 ]}

A medida que la tecnología de IA continúa evolucionando, el objetivo es desarrollar sistemas refinados que ofrezcan una perspectiva neutral, pero informativa, por parte de la IA. Existen muchos tipos de modelos de aprendizaje profundo y redes neuronales emergentes que se utilizarán para profundizar y desarrollar múltiples capas de verificación, lo que será útil para el PLN , ya que garantizará interacciones mejoradas con los usuarios. Estas integraciones y modelos más robustos conducirán a un entorno de comunicación más seguro para prevenir sesgos, afirmaciones irracionales y un mejor entorno en juegos, servicio al cliente, sistemas de RV / RA y traducción en miles de idiomas. Existe un futuro prometedor para la transcripción médica y la comunicación con los médicos durante cirugías en vivo. El futuro es prometedor para el lenguaje de IA generativa, ya que continuará creciendo al ser entrenado con millones de palabras, oraciones y dialectos nuevos día a día mediante el uso de modelos computacionales complejos. ^{[ 14 ]}

• Lenguaje artificial
• Biocomunicación (ciencia)
• Lingüística evolutiva
• Enlaces sin sentido