Los siete temas del plan de estudios de ChatGPT que podría haber aprendido
Por simple curiosidad, me volví curioso acerca de lo que GPT podría haber estudiado. Buscar datos y tipos de aprendizaje directo parecía un poco aburrido, así que investigué qué tipos de problemas se estaban abordando en el campo de la investigación en procesamiento del lenguaje natural.
El sitio web Papers with Code clasifica 583 temas de investigación en procesamiento del lenguaje natural, cada uno de los cuales significa “investigadores de todo el mundo están estudiando la misma pregunta”. Es probable que estos tipos de problemas estuvieran incluidos en un pequeño plan de estudios de lo que GPT aprendió con su vasto contenido.
Entre ellos, he elegido siete temas que están estrechamente relacionados con la vida cotidiana.
Generación de texto a partir de datos
Este tema de investigación implica generar texto descriptivo a partir de datos de “tabla” comúnmente encontrados. Es un estudio necesario para la productividad de los analistas de datos como yo, y al mismo tiempo, es un estudio que afecta a los empleos (¿no es solo GPT lo que afecta a los empleos, verdad?).
Describir e interpretar datos puede ser complicado para las máquinas si se les da demasiada libertad para imaginar o inyectar intenciones. Sobre todo, debe expresarse de manera precisa. Y esta descripción no es simple. Debe resolver varios subtemas simultáneamente, como qué explicar, en qué centrarse y qué expresiones usar para aumentar la claridad.
Transferencia de estilo de texto
Si en los estudios vocales existe la “imitación de voz”, en el procesamiento del lenguaje natural existe la “conversión de estilo”. Por ejemplo, es la técnica de cambiar el estilo de discurso de diferentes hablantes manteniendo el mismo significado de la oración.
Se puede cambiar el “tono cómodo” a “hablando con enojo”, el “estilo masculino” al “estilo de una hablante femenina” y las “palabras y oraciones infantiles” a “gramática de adulto”.
Por ejemplo, convertir la explicación técnica de Elon Musk sobre SpaceX al estilo de discurso de Harry Potter. Es una técnica para cambiar el estilo de diferentes hablantes manteniendo el mismo significado de la oración.
Traducción de lenguaje clínico
Cuando nuestros síntomas van más allá de un resfriado leve, incluso si escuchamos un diagnóstico médico en nuestro idioma nativo, puede parecer un lenguaje alienígena. Para cerrar esta brecha, existe un campo de investigación que traduce textos médicos llenos de terminología especializada a un lenguaje que el público en general pueda entender.
Clasificación de intenciones
En pocas palabras, es un estudio sobre cómo entender lo que alguien quiere decir incluso si no lo dice claramente. Por ejemplo, en un servicio de comercio, puede ayudar a identificar si alguien quiere realizar una compra, actualizar a una suscripción más cara o cancelar su suscripción. Si se trata de un chatbot, puede identificar temas relevantes a partir de unas pocas palabras que deja el usuario y sugerir información que el usuario podría encontrar útil.
Finalización de historias
Esta investigación tiene como objetivo completar las partes faltantes de una historia, incluso si el argumento no está perfectamente completo. Esto puede incluir adivinar y conectar sin problemas las partes faltantes del texto principal, no solo la conclusión. Si la historia contiene demasiados términos técnicos o requiere mucho conocimiento previo, se pueden proporcionar anotaciones para ayudar a los lectores a seguir.
La utilidad de esta investigación va más allá de las novelas y se puede aplicar en la vida cotidiana. Muchas personas caen víctimas de la “maldición del conocimiento”, asumiendo que los demás ya saben lo que ellos saben. Sería útil si el modelo de Finalización de historias pudiera intervenir como un mediador de conocimiento entre las personas.
Narración visual
Si se proporciona una imagen de una persona corriendo fuera de la Estación Manhattan, se podrían escribir dos versiones de una explicación de la siguiente manera.
- “Hay una persona corriendo en la segunda salida de la Estación Manhattan. Hay un árbol, una carretera y un coche al lado.”
- “Hoy otra vez tarde”.
Las personas pueden comprender el contexto y crear una historia a partir de una sola imagen como esta. Sin embargo, era una tarea difícil para la inteligencia artificial. Y proporcionar contexto para conectar múltiples imágenes en una historia coherente, y finalmente generar oraciones, es otro nivel en la investigación de Narración visual.
Generación de texto a partir de conceptos
“Generar texto basado en conceptos” es ligeramente diferente de “Completar una historia”, que se mencionó anteriormente. Mientras que la investigación de completar una historia completa un contexto vacío, la investigación que se está presentando en esta ocasión crea una oración plausible con algunas palabras dadas.
También le asigné una tarea a GPT4 esta vez. Le pedí que hiciera una oración con cuatro palabras: “mañana, café, pan, metro”. Parece una tarea fácil para GPT ahora.
Se despertó temprano en la mañana, se sirvió una taza de café, dio un bocado al pan caliente y se dirigió a la estación del metro para ir al trabajo.
Los contenidos seleccionados de este artículo son solo algunos de los diversos temas de investigación. Además del procesamiento del lenguaje natural, el campo de la investigación en inteligencia artificial incluye reconocimiento de voz, generación de imágenes/videos y más, que son infinitos. También puedes generar ideas navegando por los temas que se han investigado hasta ahora y pensar: “He aprendido estos tipos, así que puedo ampliar con ese tipo de preguntas”. Por favor, visita también este sitio para explorar algunas ideas geniales.