Desde su fundación como disciplina académica en 1955, el campo de investigación de la Inteligencia Artificial (IA) se ha dividido en diferentes campos, de los cuales la IA simbólica y el aprendizaje automático. Mientras que la IA simbólica solía dominar en las primeras décadas, el aprendizaje automático ha estado muy de moda últimamente, así que vamos a tratar de entender cada uno de estos enfoques y sus principales diferencias cuando se aplican al Procesamiento del Lenguaje Natural (PLN).
¿Qué es el aprendizaje automático?
Según Wikipedia, el aprendizaje automático es una aplicación de la inteligencia artificial en la que "los algoritmos y los modelos estadísticos son utilizados por los sistemas informáticos para realizar una tarea específica sin utilizar instrucciones explícitas, basándose en cambio en patrones e inferencias. (...) Los algoritmos de aprendizaje automático construyen un modelo matemático basado en datos de muestra, conocidos como 'datos de entrenamiento', con el fin de hacer predicciones o tomar decisiones sin estar explícitamente programados para realizar la tarea".
En palabras más sencillas, la tecnología de aprendizaje automático utiliza un algoritmo para enseñar al ordenador a resolver problemas y obtener información a partir de la resolución de esos problemas. Así es como el ordenador aprende automáticamente, sin intervención ni ayuda humana: observando y buscando patrones en los datos y utilizando circuitos de retroalimentación para controlar y mejorar sus predicciones. Mientras que los humanos se abrumarían con masas de datos, el aprendizaje automático prospera y es capaz de evolucionar su comprensión para tomar mejores decisiones en el futuro, basándose en los ejemplos que se le proporcionaron.
Aprendizaje automático aplicado a la PNL
El aprendizaje automático puede aplicarse a muchas disciplinas, y una de ellas es el procesamiento del lenguaje natural, que se utiliza en los chatbots conversacionales impulsados por IA.
Así es como funciona el aprendizaje automático en este caso concreto: la persona que supervisa el bot, normalmente llamada Botmaster, alimenta el motor con tantos datos relevantes como sea posible. A continuación, el bot recibe preguntas de sus usuarios y decide automáticamente qué respuesta dar para cada intención que se le pregunta. A continuación, el Botmaster tiene que revisar esas respuestas y decirle manualmente al motor qué respuestas son correctas y cuáles no. Así es como la máquina aprende a dar la respuesta correcta a una intención.
Como es fácil imaginar, se trata de un trabajo muy pesado y que requiere mucho tiempo, ya que hay muchas maneras de formular la misma pregunta. Y si tenemos en cuenta que una base de conocimientos suele contener una media de 300 intentos, ya vemos lo repetitivo que puede resultar mantener una base de conocimientos cuando se utiliza el aprendizaje automático.
No nos malinterprete, el aprendizaje automático es una herramienta increíble que nos permite desbloquear un gran potencial y disciplinas de IA como el reconocimiento de imágenes o el reconocimiento de voz, pero cuando se trata de PNL, estamos firmemente convencidos de que el aprendizaje automático no es la mejor tecnología que se puede utilizar.
¿Qué es la IA simbólica?
La Inteligencia Artificial Simbólica, también conocida como Good Old-Fashioned AI (GOFAI), utiliza símbolos legibles por el ser humano que representan entidades o conceptos del mundo real, así como la lógica (los métodos lógicos demostrables matemáticamente) con el fin de crear "reglas" para la manipulación concreta de esos símbolos, lo que da lugar a un sistema basado en reglas.
En pocas palabras, la IA simbólica consiste en incorporar explícitamente conocimientos humanos y reglas de comportamiento a programas informáticos.
El enfoque simbólico aplicado a la PNL
Uno de los muchos usos de la inteligencia artificial simbólica es el Procesamiento del Lenguaje Natural para chatbots conversacionales. Con este enfoque, también llamado "determinista", la idea es enseñar a la máquina a entender idiomas del mismo modo que nosotros, los humanos, hemos aprendido a leer y a escribir. Para ello, fuimos a la escuela y aprendimos a estructurar el lenguaje mediante reglas, gramática, conjugación y vocabulario. Los lingüistas computacionales hacen exactamente lo mismo: utilizan reglas, léxico y semántica para enseñar al motor del bot a entender un idioma.
Con la IA simbólica, todo es visible, comprensible y explicable, lo que da lugar a lo que se denomina una "caja transparente" frente a la "caja negra" creada por el aprendizaje automático.
Como consecuencia, el trabajo del Botmaster es completamente diferente cuando se utiliza tecnología de IA Simbólica que con tecnología basada en Aprendizaje Automático, ya que se centra en escribir nuevos contenidos para la base de conocimientos en lugar de enunciar contenidos ya existentes. También tiene total transparencia sobre cómo ajustar el motor cuando no funciona correctamente, ya que ha sido capaz de entender por qué se ha tomado una decisión específica y tiene las herramientas para solucionarlo.
En resumen, una de las principales diferencias entre el aprendizaje automático y el razonamiento simbólico tradicional es cómo se produce el aprendizaje. En el aprendizaje automático, el algoritmo aprende reglas a medida que establece correlaciones entre entradas y salidas. En el razonamiento simbólico, las reglas se crean mediante intervención humana y luego se codifican en un programa estático.
Si el aprendizaje automático puede parecer un enfoque revolucionario al principio, su falta de transparencia y la gran cantidad de datos que se necesitan para que el sistema aprenda son sus dos principales defectos. Las empresas se dan cuenta ahora de lo importante que es contar con una IA transparente, no solo por razones éticas sino también operativas, y el enfoque determinista (o simbólico) está volviendo a popularizarse.
Esperamos que a estas alturas estés convencido de que la IA simbólica es imprescindible cuando se trata de PNL aplicada a chatbots. Más información sobre Inbenta Chat.