3.1 Algoritmos y análisis de textos: una relación fructífera

El reconocimiento de patrones lingüísticos por medios informáticos revolucionó los estudios históricos y filológicos mucho antes de la generalización de los LLM. Un caso célebre del uso de herramientas digitales es el de la búsqueda de la identidad de la escritora italiana Elena Ferrante: en el año 2017, un grupo de expertos de la universidad de Padua analizó ciento cincuenta novelas de autores italianos contemporáneos para tratar de identificar quién se escondía detrás del seudónimo con el que se había publicado la famosa saga de novelas napolitanas que incluye La amiga estupenda y que se convirtió en una exitosa serie televisiva de la plataforma HBO. El misterio sigue sin resolverse, así que aún no podemos saber si el análisis fue acertado.

Pero el uso de ordenadores en la disciplina que se conoce como estilometría ya se había utilizado desde la década de 1960, cuando se aplicó por primera vez al Nuevo Testamento: el escocés Andrew Q Morton utilizó un ordenador de la universidad de Edimburgo para llegar a la conclusión de que san Pablo solo había escrito cuatro de las catorce epístolas que se le atribuían. La búsqueda de la presencia o ausencia de estilemas (rasgos estilísticos específicos de un escritor o escritora) se venía utilizando desde el siglo XIX para confirmar o rechazar la atribución de una obra a Shakespeare o a Lope de Vega, pero las posibilidades se multiplicaron con el uso de bases de datos y herramientas informáticas creadas con ese propósito. Además de atribuir autorías, la herramienta se utiliza también para establecer, por ejemplo, la cronología de las obras de un autor. En otras disciplinas humanísticas, los estudios del léxico y la sintaxis también se han utilizado, por ejemplo, para determinar si dos culturas históricas determinadas tuvieron contacto en algún momento (gracias al estudio de los préstamos lingüísticos), o el orden de redacción de las obras de Platón y de Aristóteles (un análisis que permite escrutar la evolución de su pensamiento).

El estudio estadístico del lenguaje, sin embargo, no solo se había utilizado para desentrañar oscuros asuntos académicos, y sus aplicaciones ya se habían generalizado, muchos años antes de que apareciera la IA, en campos tan variados como el espionaje, la investigación de crímenes en serie, las previsiones de resultados electorales y los estudios de mercado. 

Una primera aplicación de este tipo de herramientas estadísticas aplicadas a textos de distinto tipo, tal vez la más evidente, es la extracción de información buscando coincidencias en uno o varios documentos, o en internet. Este proceso básico, similar a lo que hacemos cuando buscamos una palabra concreta en un texto (o en un motor de búsqueda), se ha desarrollado en una tarea conocida como NER (por las siglas de su nombre en inglés, Named Entity Recognition) y se puede utilizar, por ejemplo, para extraer nombres de empresas y personas de artículos de prensa, para analizar contratos e identificar a las partes firmantes, o para detectar menciones a empresas en distintos medios de comunicación.

Otros usos previos a la generalización de la IA, permitían la clasificación automática de textos (por ejemplo detectar y separar el spam, como hacen los servicios de correo electrónico, o clasificar incidencias de clientes por tipo de problema).

Este tipo de herramientas se utilizaba también en universidades y editoriales para detectar plagios o parecidos no razonables, aunque no siempre con éxito.

Una vez más, la aparición de la inteligencia artificial generativa, y en concreto de los LLM, ha permitido que los análisis, reservados hasta ahora a los expertos con conocimientos especializados, estén al alcance de cualquier curioso que sea capaz de crear un prompt adecuado en lenguaje natural. Ya hemos visto que el desarrollo de los modelos de lenguaje se ha utilizado para realizar análisis de sentimientos (detectar si un texto expresa una opinión positiva, negativa o neutral). De hecho, muchas plataformas ya incorporan sus propios sistemas de IA que condensan las opiniones de sus clientes, tal y como hace Amazon y muchas otras empresas.

Con la IA, además, se han abierto otros campos que la tecnología anterior no era capaz de realizar. Algunas de las más habituales son las siguientes:

• Resumen automático de textos (por ejemplo informes empresariales, novelas completas, artículos científicos o incluso reuniones y entrevistas): algunas herramientas habituales son ChatGPT, de uso general, Notion AI (para empresas) y, en el caso del ámbito académico, NoteBookLM.
• Detección de temas (por ejemplo analizar miles de noticias para ver qué temas , examinar foros para detectar problemas recurrentes y analizar publicaciones científicas para ver tendencias de investigación. (tendencias de Google)
• Análisis lingüístico avanzado que permite reconocer la complejidad del lenguaje de un libro, analizar el estilo de una autora o autor o detectar discursos de odio o y mensajes tóxicos en redes sociales.

Si pedimos a un chatbot un ejemplo de uso real, encontramos la siguientes propuesta:

💡 Ejemplo completo de aplicación real:

Un periódico analiza 100.000 tweets sobre una elección en Spain:

1. La IA clasifica los tweets por tema.

2. Analiza sentimiento.

3. Extrae nombres de políticos.

4. Genera resúmenes de tendencias.

Resultado: un informe sobre la conversación pública en redes.

Como se puede apreciar, el ejemplo es útil, pero también poco específico, y contiene errores e imprecisiones, además de algunas expresiones poco afortunadas desde un punto de vista estilístico. La aplicación real en unas elecciones en "Spain", en principio, solo puede llevarse a cabo si hay alguien detrás (un humano o grupo de humanos) que afine el prompt y sepa interpretar los resultados.

Las herramientas de IA de las que disponemos todavía no son capaces de realizar un análisis pertinente y con sentido de ningún texto, salvo que se les ofrezcan unas coordenadas con las que trabajar. Se trata de una conclusión evidente, porque de momento somos los humanos los que utilizamos la nueva tecnología para explorar resultados concretos para una tarea determinada que debemos definir.