En la película de ciencia ficción de 2016. Llegadaun lingüista se enfrenta a la difícil tarea de descifrar una lengua extraña que consiste en frases palindrómicas, que se leen igual hacia atrás que hacia adelante, escritas con símbolos circulares. A medida que descubre varias pistas, diferentes naciones alrededor del mundo interpretan los mensajes de manera diferente, y algunas asumen que transmiten una amenaza.
Si la humanidad terminó hoy en una situación así, nuestra mejor opción puede ser recurrir a investigaciones que descubran cómo inteligencia synthetic desarrolla lenguajes.
Pero, ¿qué outline exactamente a una lengua? La mayoría de nosotros usamos al menos uno para comunicarnos con las personas que nos rodean, pero ¿cómo surgió? Los lingüistas han estado reflexionando esta misma pregunta durante décadassin embargo, no hay una manera fácil para descubrir cómo evolucionó el lenguaje.
El lenguaje es efímero, no deja rastro examinable en los registros fósiles. A diferencia de los huesos, no podemos desenterrar lenguas antiguas para estudiar cómo se desarrollaron con el tiempo.
Si bien es posible que no podamos estudiar la verdadera evolución del lenguaje humano, tal vez una simulación podría proporcionar algunas concepts. Ahí es donde entra en juego la IA: un fascinante campo de investigación llamado comunicación emergenteque he pasado los últimos tres años estudiando.
Para simular cómo puede evolucionar el lenguaje, damos a los agentes de IA tareas simples que requieren comunicación, como un juego en el que un robotic debe guiar a otro a una ubicación específica en una cuadrícula sin mostrarle un mapa. No ofrecemos (casi) restricciones sobre lo que pueden decir o cómo: simplemente les asignamos la tarea y les dejamos resolverla como quieran.
Debido a que resolver estas tareas requiere que los agentes se comuniquen entre sí, podemos estudiar cómo evoluciona su comunicación con el tiempo para tener una thought de cómo podría evolucionar el lenguaje.
Related Se han realizado experimentos con humanos.. Imagínese que usted, un hablante de inglés, está emparejado con una persona que no habla inglés. Tu tarea es indicarle a tu compañero que recoja un cubo verde de una variedad de objetos sobre una mesa.
Puedes intentar dibujar una forma de cubo con las manos y señalar el césped fuera de la ventana para indicar el shade verde. Con el tiempo, desarrollarían juntos una especie de protolenguaje. Tal vez crearías gestos o símbolos específicos para “cubo” y “verde”. A través de interacciones repetidas, estas señales improvisadas se volverían más refinadas y consistentes, formando un sistema de comunicación básico.
Esto funciona de manera related para la IA. A través de prueba y error, los algoritmos aprenden comunicarse sobre los objetos que ven y sus interlocutores aprenden a comprenderlos.
Pero ¿cómo sabemos de qué están hablando? Si sólo desarrollan este lenguaje con su interlocutor synthetic y no con nosotros, ¿cómo sabemos qué significa cada palabra? Después de todo, una palabra específica podría significar “verde”, “cubo” o, peor aún, ambas cosas. Este desafío de interpretación es una parte clave de mi investigación.
Descifrando el código
La tarea de comprender el lenguaje de la IA puede parecer casi imposible al principio. Si intentaba hablar polaco (mi lengua materna) con un colaborador que solo habla inglés, no podíamos entendernos ni siquiera saber dónde comienza y termina cada palabra.
El desafío con los lenguajes de IA es aún mayor, ya que podrían organizar la información de maneras completamente ajenas a los patrones lingüísticos humanos.
Afortunadamente, los lingüistas han desarrollado sofisticado herramientas Utilizar la teoría de la información para interpretar lenguajes desconocidos.
Así como los arqueólogos reconstruyen lenguas antiguas a partir de fragmentos, nosotros utilizamos patrones en las conversaciones de IA para comprender su estructura lingüística. A veces encontramos similitudes sorprendentes a los lenguajes humanos, y otras veces descubrimos formas de comunicación completamente novedosas.
Estas herramientas nos ayudan a echar un vistazo al “caja negra” de la comunicación de IA, que revela cómo los agentes de IA desarrollan sus propias formas únicas de compartir información.
Mi trabajo reciente se centra en utilizar lo que los agentes ven y dicen para interpretar su lenguaje. Think about tener una transcripción de una conversación en un idioma desconocido para usted, junto con lo que estaba mirando cada orador. Podemos hacer coincidir patrones en la transcripción con objetos en el campo de visión del participante, construyendo conexiones estadísticas entre palabras y objetos.
Por ejemplo, tal vez la frase “yayo” coincida con un pájaro que pasa volando; podríamos suponer que “yayo” es la palabra del hablante para “pájaro”. Mediante un análisis cuidadoso de estos patrones, podemos comenzar a decodificar el significado detrás de la comunicación.
En el último documento Por mí y mis colegas, que aparecerán en las actas de la conferencia de Neural Info Processing Techniques (NeurIPS), mostramos que dichos métodos se pueden utilizar para realizar ingeniería inversa al menos en partes del lenguaje y la sintaxis de las IA, lo que nos da una thought de cómo podrían estructurar la comunicación.
Extraterrestres y sistemas autónomos
¿Cómo se conecta esto con los extraterrestres? Los métodos que estamos desarrollando para comprender los lenguajes de IA podrían ayudarnos a descifrar cualquier comunicación extraterrestre futura.
Si somos capaces de obtener algún texto extraño escrito junto con algún contexto (como información visible relacionada con el texto), podríamos aplicar las mismas herramientas estadísticas para analizarlos. Los enfoques que estamos desarrollando hoy podrían ser herramientas útiles en el futuro estudio de lenguas extraterrestres, conocido como xenolingüística.
Pero no necesitamos encontrar extraterrestres para beneficiarnos de esta investigación. Hay numerosas aplicacionesde mejorando los modelos de lenguaje como ChatGPT o Claude para mejorar la comunicación entre vehículos autónomos o drones.
Al decodificar lenguajes emergentes, podemos hacer que la tecnología futura sea más fácil de entender. Ya sea sabiendo cómo los vehículos autónomos coordinan sus movimientos o cómo los sistemas de inteligencia synthetic toman decisiones, no solo estamos creando sistemas inteligentes: estamos aprendiendo a comprenderlos.
Este artículo se republica desde La conversación bajo una licencia Artistic Commons. Lea el artículo authentic.
Crédito de la imagen: Tomás Martínez en desempaquetar
