Tecnologías del lenguaje y la comunicación

Las Tecnologías del Lenguaje y la Comunicación ( TLC ; también conocidas como tecnologías del lenguaje humano o simplemente tecnología del lenguaje ) son el estudio científico de las tecnologías que exploran el lenguaje y la comunicación. Es un campo interdisciplinario que abarca la informática , la lingüística y la ciencia cognitiva .

Uno de los primeros problemas estudiados en la década de 1950, poco después de la invención de las computadoras, fue un problema de traducción de lenguas humanas. La gran cantidad de fondos destinados a la traducción automática demuestra la importancia que se le otorgó a este campo desde sus inicios. Fue también en este período cuando los investigadores comenzaron a desarrollar teorías del lenguaje y la comunicación basadas en métodos científicos. En el caso del lenguaje, Noam Chomsky refinó el objetivo de la lingüística como la búsqueda de una descripción formal del lenguaje, ^{[ 1 ]} mientras que Claude Shannon y Warren Weaver aportaron una teoría matemática que vinculaba la comunicación con la información. ^{[ 2 ]}

Las computadoras y las tecnologías relacionadas han proporcionado un marco físico y conceptual dentro del cual se han podido realizar estudios científicos sobre la noción de comunicación en un contexto computacional. De hecho, este marco ha resultado fructífero en varios niveles. Para empezar, ha dado origen a una nueva disciplina, conocida como procesamiento del lenguaje natural (PLN) o lingüística computacional (LC). Esta disciplina estudia, desde una perspectiva computacional, todos los niveles del lenguaje, desde la producción del habla hasta los significados de textos y diálogos. Y en los últimos 40 años, el PLN ha generado una impresionante infraestructura computacional de recursos, técnicas y herramientas para analizar la estructura sonora ( fonología ), la estructura de las palabras ( morfología ), la estructura gramatical ( sintaxis ) y la estructura del significado ( semántica ). Además de ser importante para las aplicaciones basadas en el lenguaje, esta infraestructura computacional permite investigar la estructura del lenguaje y la comunicación humanos a un nivel científico más profundo que nunca antes.

Además, el PLN se integra naturalmente con otras ramas de la informática, y en particular, con la inteligencia artificial (IA). ^{[ 3 ]} Desde la perspectiva de la IA, el uso del lenguaje se considera una manifestación del comportamiento inteligente de un agente activo. El énfasis en los enfoques de IA para el lenguaje y la comunicación está en la infraestructura computacional necesaria para integrar el desempeño lingüístico en una teoría general de agentes inteligentes que incluye, por ejemplo, el aprendizaje de generalizaciones a partir de la experiencia particular, la capacidad de planificar y razonar sobre enunciados producidos intencionalmente, y el diseño de enunciados que cumplan un conjunto particular de objetivos. Este trabajo tiende a ser altamente interdisciplinario, ya que necesita recurrir a ideas de campos como la lingüística , la psicología cognitiva y la sociología . La LCT se basa e incorpora el conocimiento y la investigación de todos estos campos.

El lenguaje y la comunicación son tan fundamentales para la actividad humana que no sorprende que las Tecnologías del Lenguaje y la Comunicación (TLC) influyan en todos los ámbitos principales de la sociedad, como la salud, la educación, las finanzas, el comercio y los viajes. Las TLC modernas se basan en una doble tradición de símbolos y estadísticas. Esto significa que, hoy en día, la investigación sobre el lenguaje requiere acceso a grandes bases de datos con información sobre palabras y sus propiedades, a gramáticas computacionales a gran escala, a herramientas computacionales para trabajar con todos los niveles del lenguaje y a sistemas de inferencia eficientes para realizar razonamientos. Mediante el trabajo computacional es posible comprender la estructura profunda de los lenguajes naturales y, en particular, modelar las interacciones cruciales entre los distintos niveles del lenguaje y otras facultades cognitivas.

Las áreas de investigación relevantes en LCT incluyen:

• Traducción automática
• Recuperación de información
• Ontologías
• semántica formal
• Representación de la información y el conocimiento
• Responder preguntas
• Reconocimiento y síntesis de voz
• Modelos de procesamiento y comprensión del lenguaje humano
• Psicolingüística

El creciente interés en este campo queda demostrado por la existencia de varios másteres europeos en esta dinámica área de investigación: ^{[ 4 ]} Los programas de grado de la Universidad de Groningen incluyen Tecnologías del Lenguaje y la Comunicación.

Máster Erasmus Mundus :

• Programa de Máster Europeo en Lenguaje y Tecnologías de la Comunicación https://lct-master.org/
• Máster Internacional en PNL y HLT
• Máster Europeo en Lingüística Clínica

Un modelo de lenguaje es un modelo de la capacidad del cerebro humano para reproducir el lenguaje natural. ^{[ 5 ] [ 6 ]} Los modelos de lenguaje son útiles para resolver diversas tareas, incluyendo el reconocimiento de voz, la traducción automática, la generación de lenguaje natural (crear texto más parecido al humano), el reconocimiento óptico de caracteres, la optimización de rutas, ^{[ 7 ]} el reconocimiento de escritura a mano, la inducción gramatical y la recuperación de información.

Los modelos de lenguaje a gran escala (LLM, por sus siglas en inglés), que actualmente representan la forma más avanzada, se basan principalmente en transformadores entrenados con grandes conjuntos de datos (a menudo utilizando textos extraídos de internet). Han reemplazado a los modelos basados ​​en redes neuronales recurrentes, que a su vez habían sustituido a modelos puramente estadísticos como los modelos de lenguaje de n-gramas de palabras.

Los modelos de entrenamiento más grandes y eficientes son los transformadores generativos preentrenados (GPT), ampliamente utilizados en chatbots generativos como ChatGPT, Gemini o Claude. Estos modelos pueden ajustarse para realizar tareas específicas o utilizar métodos de ingeniería de mensajes. Adquieren capacidad predictiva en cuanto a sintaxis, semántica y ontologías ^{[ 8 ]} inherentes a los corpus del lenguaje humano, pero también heredan imprecisiones y sesgos presentes en los datos con los que se entrenan ^{[ 9 ] .}

• LCA
• ACM SIGIR
• CLAVE
• COLING
• EACL archivado el 10 de abril de 2007 en Wayback Machine.
• LREC
• NLDB
• RANLP
• TREC
• Programa de Máster Europeo en Tecnologías del Lenguaje y la Comunicación
• Máster Internacional en PNL y HLT. Archivado el 4 de julio de 2011 en Wayback Machine.
• Máster Europeo en Lingüística Clínica