Las aplicaciones lingüísticas del ordenador resultaron obvias poco después de su aparición en los años cuarenta. La evidente capacidad del ordenador para manejar símbolos le permitió compilar índices de textos y generar concordancias (índices que incluían una línea de contexto por cada entrada). Eran tareas informáticas simples, que sólo requerían del ordenador encontrar y clasificar datos de un modo determinado. Se intuyó que el ordenador podía realizar tareas lingüísticas más ambiciosas.
La traducción automática fue una de las primeras aplicaciones de ampliación lingüístico de los ordenadores. Warren WNeaver, uno de los primeros investigadores, sugirió en 1949 que los ordenadores podían ser útiles para la solución de problemas universales de traducción. Las tareas iniciales de traducción automática parecían relativamente sencillas. Ello llevó a un optimismo que resultó totalmente infundado. La idea era que el ordenador miraría las palabras en un diccionario bilingüe y procedería a generar las frases correspondientes en el idioma de salida. Pero la tarea era mucho más complicada de lo que este simple planteamiento sugiere.
Por eso se pensó que los ordenadores podrían traducir mejor si fuesen capaces de comprender los textos que estaban manejando. Con tal recurso, se pensó, podrían hacer frente a las peculiaridades de los diferentes idiomas. Este planteamiento de permitir que los ordenadores comprendan la información textual que manejan es una característica central de los trabajos en inteligencia artificial (la comprensión, vimos en el capítulo 1 , está implícita en cualquier definición amplia de inteligencia).Algunos de los trabajos de AI en este campo suponen el uso de sistemas basados en conocimientos para modelar el lenguaje humano y el desarrollo de programas de ordenador que implante funcionalmente tales modelos. Barr y Feigenbaum (1981) han identificado cuatro categorías históricas de programas de lenguaje natural:
– programas, como BASEBALL, SAD-SAM, STUDENT Y ELIZA, destinados a generar resultados limitados en campos muy concretos. Simplificando los procesos se pueden ignorar muchos de los problemas que plantea el lenguaje natural.
– sistemas primitivos, como PROTO-SYNTHEX I, que almacenaban la representación del texto y utilizaban dispositivos de indexación para recuperar palabras o frases. Puesto que el texto almacenado podía adaptarse a cualquier materia, el sistema no estaba restringido, en virtud de su estructura, a una disciplina específica. Sin embargo, tales sistemas no tenían potencial semántico ni deductivo elevado.
– sistemas lógicos limitados, como SIR, TLC, DEACON Y CONVER-SE, destinados a traducir frases de entrada a la notación formal utilizada en la base datos. Se pretendía hacer deducciones de la información en la base de datos, pero sólo se podían usar algunos de los recursos normales en cualquier conversación
– sistemas basados en conocimientos, como LUNAR Y SHRDLU, más relacionados con los trabajos actuales en inteligencia artificial que usan la información sobre un campo determinado para comprender las frases de entrada. Tales programas, algunos de los cuales son sistemas expertos (capítulo), tienen variadas capacidades deductivas.
La principal dificultad para el desarrollo de programas es comprender el lenguaje natural en el complejo contexto de la comunicación diaria. Se han podido formalizar algunos aspectos del discurso diario, pero en una proporción muy pequeña de los procesos que ocurren en el uso diario del lenguaje natural. Aún sigue siendo cierto que no comprendemos las complejidades del lenguaje natural y, por tanto, todavía no podemos escribir compiladores en inglés, español o japonés. En paralelo se están desarrollando varias estrategias que permitan a los ordenadores manejar el discurso en lenguaje natural. Casi todas estas estrategias dependen de la modelación de cómo los humanos afrontan la comunicación lingüística. Por ejemplo, la gente necesita almacenar información sobre los significados de las palabras (cómo las palabras se relacionan unas con otras, o cómo las palabras se relacionan con determinadas manifestaciones del comportamiento), sobre cómo transformar una expresión lingüística en otra lógicamente equivalente y sobre el modo en que se puede sustituir información lingüística obsoleta por otra más actualizada.
En los ochenta se está prestando gran atención al almacenamiento de conocimientos como ayuda a la comprensión lingüística por ordena-dores (ver, por ejemplo, Tennant, 1987). Este enfoque basado en conocimientos trata de facilitar a los seres humanos la consulta a máquina inteligentes. Los modernos sistemas de gestión de bases de datos incluyen lenguajes de consulta para facilitar el acceso a los lenguajes de programación, pero, en general, estos lenguajes sólo los usan los especialistas. El usuario de un lenguaje típico de consulta debe tener una buena idea del contenido de la base de datos, debe saber cómo se ha formalizado y codificado el conocimiento y ha de ser capaz de afrontar la especial semántica y sintaxis de los lenguajes de consulta. No cabe duda que el usuario ordinario de un ordenador no tiene tal preparación. Sería ventajoso dar al ordenador comprensión autónoma del lenguaje natural, pero los principales problemas lingüísticos aún no han sido resueltos.
Belén Stettler, oriunda de Río Gallegos, Santa Cruz, Argentina, cuenta con 35 años y es Licenciada en Ciencias de la Comunicación Social por la Universidad de Buenos Aires (UBA). A lo largo de sus 13 años de trayectoria en comunicación política, ha trabajado como consultora en Buenos Aires, especializándose en estrategia, investigación y comunicación directa. Ha dirigido equipos de comunicación en diversas campañas. Su experiencia incluye roles importantes en la Obra Social del Personal de Seguridad Pública de Buenos Aires, la Vicejefatura de Gobierno de Buenos Aires, Claves Creativas, Ford Argentina y AkzoNobel, iniciando su carrera en Grupo Suessa Organización Empresaria.
