MIT utiliza inteligencia artificial para traducir antiguos lenguajes “muertos”

¿Quisieras poder saber que dicen antiguos textos con inteligencia artificial? Los investigadores realizaron recientemente un importante desarrollo en esta área un nuevo sistema que ha demostrado ser capaz de descifrar automáticamente un lenguaje perdido, sin necesidad de conocimientos avanzados de su relación con otros lenguajes.

Investigaciones recientes sugieren que la mayoría de los idiomas que han existido ya no se hablan. También se considera que decenas de estos idiomas muertos están perdidos o “no descifrados”, es decir, no sabemos lo suficiente sobre su gramática, vocabulario o sintaxis para poder comprender realmente sus textos.

Los lenguajes perdidos son más que una mera curiosidad académica; sin ellos, perdemos todo un cuerpo de conocimiento sobre las personas que los hablaron. Desafortunadamente, la mayoría de ellos tienen registros tan mínimos que los científicos no pueden descifrarlos usando algoritmos de traducción automática como Google Translate.

Algunos no tienen un lenguaje relativo bien investigado con el que comparar y, a menudo, carecen de separadores tradicionales como espacios en blanco y puntuación.

El Laboratorio de Ciencias de la Computación e Inteligencia Artificial del Instituto de Tecnología de Massachusetts (CSAIL) del MIT, ha desarrollado un sistema con el objetivo de ayudar a los lingüistas a descifrar los idiomas que se han perdido en la historia.

Este novedoso sistema puede determinar por sí mismo las relaciones entre lenguas, y lo utilizaron para corroborar estudios recientes que sugieren que la lengua ibérica no está realmente relacionada con el vasco.

El objetivo final del equipo es que el sistema pueda descifrar los idiomas perdidos que han eludido a los lingüistas durante décadas, utilizando solo unos pocos miles de palabras.

El sistema se basa en varios principios de conocimientos de la lingüística histórica, como el hecho de que los idiomas generalmente solo evolucionan de ciertas formas predecibles.

Al incorporar estas y otras limitaciones lingüísticas, la profesora del MIT Regina Barzilay y el estudiante de doctorado del MIT Jiaming Luo desarrollaron un algoritmo de descifrado que puede manejar el vasto espacio de posibles transformaciones y la escasez de una señal de guía en la entrada.

El algoritmo aprende a incrustar los sonidos del lenguaje en un espacio multidimensional donde las diferencias en la pronunciación se reflejan en la distancia entre los vectores correspondientes.

Este diseño les permite capturar patrones pertinentes de cambio de lenguaje y expresarlos como restricciones computacionales. El modelo resultante puede segmentar palabras en un idioma antiguo y asignarlas a sus contrapartes en un idioma relacionado.

“Por ejemplo, podemos identificar todas las referencias a personas o lugares en el documento que luego se pueden investigar más a la luz de la evidencia histórica conocida”, dice Barzilay.

MIT utiliza inteligencia artificial para traducir antiguos lenguajes "muertos"

“Estos métodos de ‘reconocimiento de entidades’ se utilizan comúnmente en varias aplicaciones de procesamiento de texto en la actualidad y son muy precisos, pero la pregunta clave de la investigación es si la tarea es factible sin ningún dato de entrenamiento en el idioma antiguo”.

El algoritmo propuesto puede evaluar la proximidad entre dos idiomas; de hecho, cuando se prueba en idiomas conocidos, incluso puede identificar con precisión familias de idiomas.

El equipo aplicó su algoritmo al ibérico considerando al vasco, así como a los candidatos menos probables de familias romance, germánica, turca y urálica. Si bien el vasco y el latín estaban más cerca del ibérico que otros idiomas, todavía eran demasiado diferentes para considerarlos relacionados.

Se espera que el equipo logre expandir su trabajo más allá del acto de conectar textos con palabras relacionadas en un idioma conocido, un enfoque conocido como “desciframiento basado en afines”.

Este paradigma asume que existe una lengua tan conocida, pero el ejemplo del ibérico muestra que no siempre es así. El nuevo enfoque del equipo implicaría identificar el significado semántico de las palabras, incluso si no saben cómo leerlas.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *