Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow, 3ª edición

Capítulo 16. Procesamiento del Lenguaje Natural con RNNs y Atención

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Cuando Alan Turing imaginó su famoso test de Turing¹ en 1950, propuso una forma de evaluar la capacidad de una máquina para igualar la inteligencia humana. Podría haber probado muchas cosas, como la capacidad de reconocer gatos en imágenes, jugar al ajedrez, componer música o escapar de un laberinto, pero, curiosamente, eligió una tarea lingüística. Más concretamente, ideó un chatbot capaz de engañar a su interlocutor haciéndole creer que era humano.² Esta prueba tiene sus puntos débiles: un conjunto de reglas codificadas puede engañar a humanos desprevenidos o ingenuos (por ejemplo, la máquina podría dar respuestas vagas predefinidas en respuesta a algunas palabras clave, podría fingir que está bromeando o borracha para conseguir un pase en sus respuestas más extrañas, o podría escapar a preguntas difíciles contestándolas con sus propias preguntas), y se ignoran por completo muchos aspectos de la inteligencia humana (por ejemplo, la capacidad de interpretar la comunicación no verbal, como las expresiones faciales, o de aprender una tarea manual). Pero la prueba pone de relieve el hecho de que dominar el lenguaje es posiblemente la mayor capacidad cognitiva del Homo sapiens.

¿Podemos construir una máquina que domine el lenguaje escrito y hablado? Este es el objetivo último de la investigación en ...