Autor(es): Adam Brandt, Spencer Hazel
Año: 2024
Referencia bibliográfica:
Brandt, A., & Hazel, S. (2024). Towards Interculturally Adaptive Conversational AI. Applied Linguistics Review. https://doi.org/10.1515/applirev-2024-0187
Categoría asignada: Lenguaje y comunicación
Resumen:
El artículo Towards Interculturally Adaptive Conversational AI examina los desafíos y limitaciones que enfrenta la inteligencia artificial conversacional (IA) en entornos interculturales. Los autores argumentan que los sistemas de IA conversacional, como asistentes de voz y chatbots, necesitan adaptarse mejor a las diferencias lingüísticas y culturales de sus usuarios. En lugar de aplicar un enfoque universal, estos sistemas deben ser capaces de reconocer y ajustarse a los patrones únicos de comunicación de diferentes grupos socioculturales.
El documento comienza explicando el rápido crecimiento de las interfaces de usuario conversacional (CUIs) y cómo se están integrando en la vida cotidiana. Sin embargo, a pesar de la expansión de su uso, la mayoría de los CUIs siguen estando diseñados desde la perspectiva de los desarrolladores, lo que genera sesgos hacia ciertas normas culturales y excluye a otros grupos que no se alinean con estos estándares. Los problemas son especialmente notorios cuando el sistema interactúa con hablantes de un segundo idioma (L2), quienes suelen tener una experiencia menos fluida y más frustrante con las IA, ya que estas no están diseñadas para reconocer variaciones en el uso del idioma.
Los autores destacan las limitaciones de los sistemas actuales de reconocimiento de voz y procesamiento del lenguaje natural (NLP) que están entrenados con conjuntos de datos que reflejan principalmente el habla de hablantes nativos de inglés u otras lenguas dominantes. Como resultado, los hablantes de dialectos menos comunes, o aquellos con acentos marcados, enfrentan problemas de precisión en el reconocimiento de voz, lo que puede aumentar las barreras de comunicación. Esto tiene implicaciones importantes, ya que muchas de estas tecnologías se utilizan en contextos críticos como la atención médica, donde la comprensión precisa del lenguaje puede influir en decisiones vitales.
El artículo sugiere que el entrenamiento de los modelos de IA debe incluir una mayor diversidad de datos, incorporando muestras de habla de diferentes grupos lingüísticos y culturales. Los autores proponen el desarrollo de sistemas que puedan detectar cuándo un usuario está hablando en un idioma no nativo y ajustar su respuesta en consecuencia, ya sea a través de un lenguaje más simple, mayor empatía o una mayor paciencia en la conversación. Esta capacidad de adaptación cultural e intercultural permitiría a las IA ofrecer una experiencia más inclusiva y equitativa.
Uno de los aportes más importantes del artículo es la propuesta de un marco conceptual para crear IA conversacional interculturalmente adaptativa. Este marco combina elementos de la teoría de la política lingüística (Spolsky, 2004), que aboga por la regulación y adaptación del lenguaje en contextos sociales, con principios de la análisis de la conversación (AC), que estudia cómo las personas estructuran sus interacciones verbales. Aplicar estos conceptos a la IA permitiría desarrollar sistemas que sean más sensibles a las expectativas y prácticas comunicativas de los usuarios de diferentes culturas.
Además, los autores exploran el uso de modelos de lenguaje de gran escala (LLMs), como ChatGPT, que han mostrado avances significativos en la generación de respuestas humanas. Sin embargo, argumentan que estos modelos aún tienen limitaciones cuando se trata de responder a interacciones que dependen en gran medida del contexto cultural. Los LLMs tienden a estar sesgados hacia las prácticas y convenciones lingüísticas predominantes en los textos con los que han sido entrenados, lo que puede excluir a grupos minoritarios o menos representados.
El artículo concluye con una llamada a la acción para que investigadores y diseñadores de IA colaboren estrechamente con expertos en comunicación intercultural. Se enfatiza la importancia de que estos sistemas evolucionen para reflejar la diversidad de las interacciones humanas y se ajusten a los patrones comunicativos de diferentes culturas. Solo a través de esta adaptación intercultural será posible maximizar el potencial de las IA conversacionales, haciéndolas más inclusivas y efectivas para todos los usuarios, independientemente de su origen cultural o lingüístico.
Este estudio propone, por tanto, un enfoque holístico y colaborativo que incorpore tanto las tecnologías más avanzadas como el conocimiento de las ciencias sociales para construir sistemas de IA verdaderamente inclusivos.
