Los modelos del lenguaje fallan al aplicar algunas convenciones de cifras y fechas de los distintos países
¿Los modelos del lenguaje distinguen las convenciones de los distintos países, en relación con las fechas y cifras con las que trabajan? ¿De qué manera las intrepretan? Si fallan ¿A qué se deben estos fallos, y cómo se pueden evitar?. Son algunos de los interrogantes a los que responde el estudio titulado '¿La convención de quién?, publicado por el director de Sistemas e Innovación de RTVE,Manuel Gómez Zotano. Tras analizar 561 casos de uso en español, inglés británico e inglés estadounidense, el autor llega a la conclusión de que los modelos del lenguaje aciertan entre el 94% y el 99,5% al aplicar las cifras empleadas en distintos países, y adaptan con gran acierto -al menos un 99,8%- las escalas inglesas(billion, trillion), al español.
El autor analiza 561 casos de uso en distintos idiomas
El estudio propone algunas recomendaciones concretas para que los modelos del lenguaje no cometan errores al emplear distintos formatos en las fechas, en función del país desde el cual se establezca la información. Por ejemplo, en Estados Unidos las fechas se escriben primero poniendo el mes y luego el día, y en España y el Reino Unido se hace al revés. Así que Zotano propone que al publicar un texto el mes se escriba en letras en lugar de con números, para evitar la ambigüedad en origen.
Manuel Gómez Zotano, que es doctor en informática por la Universidad Complutense de Madrid, forma parte de tres cátedras de la Corporación: la cátedra RTVE-Universidad Carlos III de Madrid sobre 'Análisis automático de información en redes sociales para contenidos informativos', la cátedra RTVE-Universidad de Zaragoza sobre "el desarrollo de Big data para contenidos audiovisuales", y la cátedra RTVE-Granada sobre "síntesis profunda del habla e IA Conversacional y sus aplicaciones en la verificación de noticias".
