El contexto y su resolución: chatbots con inteligencia artificial

¿Existe la posibilidad de que en el futuro un chatbot alcance la comprensión humana? Te contamos los avances de chatbots con inteligencia artificial.

Las personas hacemos constante uso de elementos de economía lingüística, que se utilizan para no estar repitiendo entidades (objetos físicos o abstractos del mundo) constantemente en un texto o una conversación. Uno de los más comunes es la anáfora, el cual es una entidad que no ha sido mencionada explícitamente en cierta oración (en un texto o conversación), sin embargo, queda claro que antes ha sido mencionada y por tanto, se puede relacionar con dicha entidad o también llamado antecedente. ¿Será posible algún día, que estos elementos sean comprendidos por chatbots con inteligencia artificial?

La anáfora es necesaria en un amplio rango de tareas de procesamiento de lenguaje natural, como comprensión del lenguaje, traducción automática, extracción de información e interfaces en lenguaje natural como los chatbots. A la acción de relacionar una misma entidad en diversas oraciones, incluso si han sido mencionadas con anáforas, se le conoce como correferencia. El hecho de hacer todas las correferencias en un texto o conversación, se entiende como resolución del contexto. 

Con el contexto, nos referimos a todos los conocimientos necesarios entre los hablantes para entender una conversación. El contexto puede ser visto como un iceberg en donde lo único perceptible es el texto, y lo que hay “debajo del agua” es la información previamente mencionada.

Diferencia entre el chatbot y el humano

Hacer referencia a entidades antes mencionadas es una de las habilidades humanas que son interesantes en el lenguaje. Para las personas es una acción tan natural, que no nos damos cuenta de ello. Sin embargo, cuando tratamos de replicar este mismo comportamiento en una máquina, nos damos cuenta que es uno de los problemas más complejos en el campo del lenguaje natural. El hecho de que existan diversos lenguajes y modismos dentro de ellos, hace que se complique aún más. Veamos un ejemplo sencillo:

Juan llegó tarde a la reunión, [Juan] tuvo un percance en el camino. 

El texto puesto entre corchetes es algo que generalmente no mencionamos, pero cuando preguntamos ¿Quién tuvo el percance? naturalmente pensamos en la entidad Juan.

Ahora pongamos un ejemplo un poco más complicado:

El perro de Juan mordió a un niño, ahora mismo [el niño] está siendo trasladado al hospital.

Es ahora donde hacemos la pregunta ¿Quién está siendo trasladado al hospital? Naturalmente, una persona respondería lo más lógico: el niño. 

No obstante, al desarrollar un algoritmo o modelo que tome esta misma decisión en una máquina, no es tan trivial, debido a que contiene mayor cantidad de entidades en una sola oración.

¿Cómo algo que hacemos de manera natural es tan difícil de replicar? Es por el hecho de no conocer la manera en que nuestra mente realiza este proceso, que no podemos replicarlo. Esto es frecuente con muchos procesos humanos (como la visión), que realizamos sin pensar en ello. 

La comunidad científica ha propuesto métodos y algoritmos con los que se pueda solventar este problema, estableciendo temas o escenarios para resolver el contexto y utilizando soluciones basadas en diccionarios o métodos más avanzados, como redes neuronales. Sin embargo, aún existe una brecha para acercarse al comportamiento humano.

El equipo de investigación de SoldAI (SoldAI Research), empresa graduada de la tercera generación de NAVE, también ha puesto su enfoque en este problema. Su objetivo es  brindar el mejor servicio de chatbots, así como aportar a la tecnociencia con modelos y métodos para mejorar las correferencias, actualmente para el lenguaje español.

¿La resolución de correferencias podría ayudar a hacer chatbots más agradables para la humanidad? 

En efecto. Usualmente las personas sienten mayor comodidad al hablar o ser atendidas por una persona, pues sabe que ésta comprenderá lo que diga. Crear chatbots con inteligencia artificial que puedan llevar a cabo una resolución correcta de las correferencias, los acerca más al modo habitual de las personas, sin que éstas deban preocuparse hablar con un agente virtual y cambiar su modo de expresión para ser entendidas. En este contexto, si una persona no logra distinguir si se comunica con una máquina o con otra persona, se dice que dicho agente virtual ha pasado la prueba de Turing.

Como vemos, este mecanismo de resolución de contexto es un problema complejo, cuya solución nos acercará más a la creación de bots que cuenten con una capacidad del lenguaje igual o cercana a la de las personas. 

En SoldAI se tiene como misión dar un mejor servicio de chatbots con inteligencia artificial, y así impulsar un mayor uso de estas herramientas virtuales que ayudarán a las personas a mejorar procesos cotidianos.

 

También te puede interesar:

Utilizar inteligencia artificial para evitar el COVID-19