accesskey_mod_content

IA generativa per a una comunicació més clara: com ajuda a avaluar, ajustar i aclarir el llenguatge

  • Escoltar
  • Copiar
  • Imprimir PDF
  • Compartir

06 febrer 2024

Un dels grans pilars de la IA actual, el processament del llenguatge, porta anys fent aportacions de valor a la comunicació clara i, en concret, al llenguatge clar.

L'alineació de la intel·ligència artificial és un terme establit des dels anys seixanta, segons el qual orientem els objectius dels sistemes intel·ligents en la direcció exacta dels valors humans. L'arribada dels models generatius(Obri en nova finestra)  ha tornat a posar de moda este concepte d'alineació, que es torna més urgent quanta més intel·ligència i autonomia mostren els sistemes. No obstant açò, no hi ha alineament possible sense una definició anterior, consensuada i precisa d'estos valors. El repte hui és trobar objectius enriquidors on l'aplicació de la IA tinga un efecte positiu i transformador en el coneixement, l'organització social i la convivència.

El dret a entendre

En este context, un dels grans pilars de la IA actual, el processament del llenguatge porta anys fent aportacions de valor a la comunicació clara i, en concret, al llenguatge clar. Vegem què són estos conceptes:

  • La comunicació clara, com a disciplina, té com a objectiu fer la informació accessible i comprensible per a totes les persones, utilitzant recursos de redacció, però també visuals, de disseny, infografia, experiència d'usuari i accessibilitat.
  • El llenguatge clar s'enfoca en la composició dels textos, amb tècniques per a presentar les idees de manera directa i concisa, sense excessos estilístics ni omissions de la informació fonamental.

Tots dos conceptes estan estretament vinculats amb el dret a entendre de les persones.

Abans de chatGPT: aproximacions analítiques

Abans de l'arribada de la IA generativa i la popularització de les capacitats GPT, la intel·ligència artificial s'aplicava al llenguatge clar des d'un punt de vista analític, amb diferents tècniques de classificació i cerca de patrons. La principal necessitat aleshores era que un sistema poguera avaluar si un text era o no comprensible, però no existia encara l'expectativa que eixe mateix sistema poguera reescriure el nostre text d'una manera més clara. Vegem un parell d'exemples:

  • Clara, un sistema de IA analítica disponible en obert en  versió beta . Clara és un sistema mixt: d'una banda, ha après què patrons caracteritzen als textos clars i no clars a partir de l'observació d'un corpus de parells preparat per especialistes en Comunicació Clara. D'altra banda, maneja nou mètriques dissenyades per lingüistes computacionals per a decidir si un text complix o no els requisits mínims de claredat, per exemple, el nombre mitjà de paraules per frase, els tecnicismes utilitzats o la freqüència dels connectors. Finalment, Clara retorna una puntuació en percentatge per a indicar si el text escrit està més o menys prop de ser un text clar. Açò permet a l'usuari corregir el text en funció de les indicacions de Clara i sotmetre-ho a avaluació de nou.

  • No obstant açò, altres sistemes analítics han establit una aproximació diferent, com Artext clar(Obri en nova finestra) . Artext és més paregut a un editor de textos tradicional, i en ell podem redactar el nostre text i activar una sèrie de revisions, com els participis, les nominalizaciones verbals o l'ús de la negació. Artext assenyala en color paraules o expressions en el nostre text i ens aconsella en un menú lateral què hem de tindre en compte en utilitzar-les. L'usuari pot reescriure el text fins que, en les diferents revisions, vagen desapareixent les paraules i expressions marcades en color.

Tant Clara com Artext estan especialitzades en textos administratius i financers, amb la finalitat de ser d'utilitat principalment a l'administració pública, les entitats financeres i altres fonts de textos de difícil comprensió que impacten en la ciutadania.

La revolució generativa

Les ferramentes d'analítica IA són útils i molt valuoses si el que volem és avaluar un text sobre el qual necessitem tindre un major control. No obstant açò, després de l'arribada chatGPT(Obri en nova finestra)  al novembre de 2022, les expectatives dels usuaris se situen més enllà. No solament necessitem un avaluador, sinó que esperem un traductor, un transformador automàtic del nostre text a una versió més clara. Inserim la versió original del text en el xat i, a través d'una instrucció directa telefonada prompt, li demanem que ho transforme en un text més clar i senzill, comprensible per qualsevol persona i si necessitem major claredat, solament hem de repetir la instrucció i el text torna a simplificar-se davant els nostres ulls.

Utilitzant IA generativa estem reduint l'esforç cognitiu, però també estem perdent gran part del control sobre el text. Principalment, no anem a conéixer quins són les modificacions que s'estan realitzant i per què, per la qual cosa podem incórrer en la pèrdua o alteració d'informació. Si volem augmentar el control i seguir el rastre dels canvis, eliminacions i afegits que realitza chatGPT sobre el text, podem utilitzar un plug-in EditGPT(Obri en nova finestra) , disponible com a extensió per a Google Chrome, que ens permet portar un control de canvis similar al de Word en les nostres interaccions amb el xat. No obstant açò, no arribaríem a entendre el fonament dels canvis realitzats, com sí faríem amb ferramentes com Clara o Artext dissenyades per professionals de la llengua. Una opció límit és demanar-li al xat que ens justifique cadascun d'estos canvis, però la interacció es convertiria en farragosa, complexa i poc eficient, sense comptar amb l'entusiasme excessiu amb el qual el model tractaria de justificar les seues correccions.

Exemples de clarificació generativa

Més enllà de la rapidesa en la transformació, la IA generativa presenta altres avantatges enfront de l'analítica, com certs elements que solament poden identificar-se amb capacitats GPT. Per exemple, detectar en un text si una sigla o acrònim ha sigut desenvolupada prèviament, o si un tecnicisme està explicat immediatament després de la seua aparició. Açò requerix una anàlisi semàntica molt complex per a la IA analítica o els models basats en regles. En canvi, un gran model de llenguatge(Obri en nova finestra)  és capaç d'establir una relació intel·ligent entre la sigla i el seu desenvolupament, o entre el tecnicisme i el seu significat, reconéixer si esta explicació existix en algun punt del text, i a més afegir-la on siga pertinent.

Dades obertes per a nodrir la clarificació

L'accés universal a les dades obertes, i especialment quan estos es troben preparats per al tractament computacional, els fa imprescindibles per a l'entrenament dels grans models lingüístics. Enormes fonts d'informació no estructurada com Wikipedia, el projecte Common Crawl(Obri en nova finestra)  o Gutenberg(Obri en nova finestra)  permeten als sistemes aprendre el funcionament del llenguatge. I, sobre esta base generalista, és possible ajustar els models amb conjunts de dades especialitzades perquè siguen més precisos en la tasca d'aclarir text.

En l'aplicació de la intel·ligència artificial generativa al llenguatge clar tenim l'exemple perfecte d'una fi valuosa, útil a la ciutadania i positiu per al desenvolupament social. Més enllà de la fascinació que ha despertat, tenim l'oportunitat d'utilitzar el seu potencial en un cas d'ús que afavorix la igualtat i la inclusividad. La tecnologia existix, solament ens falta recórrer el difícil camí de la integració.

Font original de la notícia(Obri en nova finestra)

  • Intel·ligència Artificial i Blockchain
  • Informació i dades del sector públic