IA generativa para unha comunicación máis clara: como axuda a avaliar, axustar e clarificar a linguaxe

A aliñación da intelixencia artificial é un termo establecido desde os anos sesenta, segundo o que orientamos os obxectivos dos sistemas intelixentes na dirección exacta dos valores humanos. A chegada dos modelos generativos  volveu a pór de moda este concepto de aliñación, que se volve máis urxente canta máis intelixencia e autonomía mostran os sistemas. Con todo, non hai aliñamento posible sen unha definición anterior, consensuada e precisa destes valores. O reto hoxe é atopar obxectivos enriquecedores onde a aplicación da IA teña un efecto positivo e transformador no coñecemento, a organización social e a convivencia.

O dereito a entender

Neste contexto, un dos grandes alicerces da IA actual, o procesamento da linguaxe leva anos facendo achegues de valor á comunicación clara e, en concreto, á linguaxe clara. Veamos que son estes conceptos:

• A comunicación clara, como disciplina, ten como obxectivo facer a información accesible e comprensible para todas as persoas, utilizando recursos de redacción, pero tamén visuais, de deseño, infografía, experiencia de usuario e accesibilidade.
• A linguaxe clara enfócase na composición dos textos, con técnicas para presentar as ideas de maneira directa e concisa, sen excesos estilísticos nin omisións da información fundamental.

Ambos os conceptos están estreitamente vinculados co dereito a entender das persoas.

Antes de chatGPT: aproximacións analíticas

Antes da chegada da IA generativa e a popularización das capacidades GPT, a intelixencia artificial aplicábase á linguaxe clara desde un punto de vista analítico, con diferentes técnicas de clasificación e procura de patróns. A principal necesidade entón era que un sistema puidese avaliar se un texto era ou non comprensible, pero non existía aínda a expectativa de que ese mesmo sistema puidese reescribir o noso texto dunha maneira máis clara. Vexamos un par de exemplos:

• Clara, un sistema de IA analítica dispoñible en aberto en  versión beta . Clara é un sistema mixto: por unha banda, aprendeu que patróns caracterizan aos textos claros e non claros a partir da observación dun corpus de pares preparado por especialistas en Comunicación Clara. Doutra banda, manexa nove métricas deseñadas por lingüistas computacionales para decidir se un texto cumpre ou non os requisitos mínimos de claridade, por exemplo, o número medio de palabras por frase, os tecnicismos utilizados ou a frecuencia dos conectores. Finalmente, Clara devolve unha puntuación en porcentaxe para indicar se o texto escrito está máis ou menos preto de ser un texto claro. Isto permite ao usuario corrixir o texto en función das indicacións de Clara e sometelo a avaliación de novo.

• No obstante, outros sistemas analíticos han establecido unha aproximación diferente, como Artext claro . Artext é máis parecido a un editor de textos tradicional, e nel podemos redactar o noso texto e activar unha serie de revisións, como os participios, as nominalizaciones verbais ou o uso da negación. Artext sinala en cor palabras ou expresións no noso texto e aconséllanos nun menú lateral que temos que ter en conta ao utilizalas. O usuario pode reescribir o texto ata que, nas diferentes revisións, vaian desaparecendo as palabras e expresións marcadas en cor.

Tanto Clara como Artext están especializadas en textos administrativos e financeiros, co fin de ser de utilidade principalmente á administración pública, as entidades financeiras e outras fontes de textos de difícil comprensión que impactan na cidadanía.

A revolución generativa

As ferramentas de analítica IA son útiles e moi valiosas se o que queremos é avaliar un texto sobre o que necesitamos ter un maior control. Con todo, tras a chegada de chatGPT chatGPT  en novembro de 2022, as expectativas dos usuarios sitúanse máis aló. Non só necesitamos un avaliador, senón que esperamos un tradutor, un transformador automático do noso texto a unha versión máis clara. Inserimos a versión orixinal do texto no chat e, a través dunha instrución directa chamada prompt, pedímoslle que o transforme nun texto máis claro e sinxelo, comprensible por calquera persoa e se necesitamos maior claridade, só temos que repetir a instrución e o texto volve simplificarse ante os nosos ollos.

Utilizando IA generativa estamos a reducir o esforzo cognitivo, pero tamén estamos a perder gran parte do control sobre o texto. Principalmente, non imos coñecer cales son as modificacións que se están realizando e por que, polo que podemos incorrer na perda ou alteración de información. Se queremos aumentar o control e seguir o rastro dos cambios, eliminacións e engadidos que realiza chatGPT sobre o texto, podemos utilizar un plug-in EditGPT , dispoñible como extensión para Google Chrome, que nos permite levar un control de cambios similar ao de Word nas nosas interaccións co chat. No entanto, non chegariamos a entender o fundamento dos cambios realizados, como si fariamos con ferramentas como Clara ou Artext deseñadas por profesionais da lingua. Unha opción límite é pedirlle ao chat que nos xustifique cada un destes cambios, pero a interacción converteríase en confusa, complexa e pouco eficiente, sen contar co entusiasmo excesivo co que o modelo trataría de xustificar as súas correccións.

Exemplos de clarificación generativa

Máis aló da rapidez na transformación, a IA generativa presenta outras vantaxes fronte á analítica, como certos elementos que só poden identificarse con capacidades GPT. Por exemplo, detectar nun texto se unha sigla ou acrónimo foi desenvolvida previamente, ou se un tecnicismo está explicado inmediatamente despois da súa aparición. Isto require unha análise semántica moi complexo para a IA analítica ou os modelos baseados en regras. En cambio, un gran modelo de linguaxe  é capaz de establecer unha relación intelixente entre a sigla e o seu desenvolvemento, ou entre o tecnicismo e o seu significado, recoñecer se esta explicación existe nalgún punto do texto, e ademais engadila onde sexa pertinente.

Datos abertos para nutrir a clarificación

O acceso universal aos datos abertos, e especialmente cando estes se atopan preparados para o tratamento computacional, fainos imprescindibles para o adestramento dos grandes modelos lingüísticos. Enormes fontes de información non estruturada como Wikipedia, o proxecto Common Crawl  ou Gutenberg  permiten aos sistemas aprender o funcionamento da linguaxe. E, sobre esta base xeneralista, é posible axustar os modelos con conxuntos de datos especializados para que sexan máis precisos na tarefa de clarificar texto.

Na aplicación da intelixencia artificial generativa á linguaxe clara temos o exemplo perfecto dun fin valioso, útil á cidadanía e positivo para o desenvolvemento social. Máis aló da fascinación que espertou, temos a oportunidade de utilizar o seu potencial nun caso de uso que favorece a igualdade e a inclusividad. A tecnoloxía existe, só fáltanos percorrer o difícil camiño da integración.

Fonte orixinal da noticia