Procesamiento de lenguaje natural (PLN)

El procesamiento de lenguaje natural (PLN, o NLP en inglés) es la rama de la IA que trabaja con el lenguaje humano: el que usamos al hablar y escribir, lleno de ambigüedades, modismos y contexto. Sus tareas incluyen traducir, resumir, clasificar textos por tema o sentimiento, extraer datos de documentos, responder preguntas y mantener conversaciones.

Su historia refleja la de toda la IA. Primero dominaron las reglas gramaticales escritas a mano; luego, desde los noventa, los métodos estadísticos que aprendían de grandes colecciones de textos; después, las redes neuronales con embeddings y redes recurrentes. Desde 2017, la arquitectura transformer cambió el campo y dio lugar a los grandes modelos de lenguaje, capaces de realizar muchas tareas de PLN con un mismo sistema.

Para procesar texto, los sistemas lo dividen en unidades llamadas tokens y los convierten en números. A partir de ahí, el modelo aprende relaciones estadísticas entre palabras y frases. Esto le permite, por ejemplo, saber que «banco» en «me senté en el banco del parque» no es lo mismo que en «abrí una cuenta en el banco».

Un matiz importante para México: la mayoría de los modelos se entrenan con mucho más inglés que español, y aún menos con lenguas indígenas como náhuatl, maya o mixteco. Eso puede traducirse en peor desempeño con regionalismos o lenguas minoritarias. El PLN también incluye el habla cuando se combina con reconocimiento y síntesis de voz.