Al principio es sólo ruido: una corriente de sonidos incoherentes, susurros a distancia. Pero, después de unos minutos, una palabra totalmente formada emerge repentinamente: rojo. Luego, otra: caja. De este modo, un robot balbuceando ha aprendido a hablar sus primeras palabras reales, sólo por el chat con un ser humano.
Ver este salto evolutivo en una máquina puede llevar a los robots a que hablen de una manera más natural, similar a la forma humana, y ayudar a descubrir cómo los niños primero empiezan a tener sentido del lenguaje. Entre las edades de 6 y 14 meses los niños pasan de balbuceo de cadenas de sílabas a pronunciar palabras reales. Se trata de un paso necesario en el camino a la adquisición del lenguaje por completo. Una vez que unas pocas palabras “ancla” se han establecido, proporcionan pistas en cuanto a que palabras pueden empezar y terminar así y de esta forma es más fácil que un niño aprenda a hablar.
Inspirado por este proceso, un equipo dirigido por el científico informático Lyon Caroline en la Universidad de Hertfordshire (Reino Unido), ha programado un robot humanoide llamado iCub – DeeChee con casi todas las sílabas que existen en Inglés, alrededor de 40000 en total. Esto le permitió balbucear algo así como un bebé, en forma arbitraria encadena sílabas.
Los investigadores también reclutaron a 34 personas para actuar como maestros, a quienes se les pidió un trato a DeeChee como si fuera un niño. DeeChee participó en un diálogo de ocho minutos con cada maestro, pero, entre cada sesión, su memoria se salvó, y a continuación se reinició, de modo que con cada maestro el experimento comenzó de nuevo. Al inicio del diálogo, cada una de las sílabas en el léxico de DeeChee tuvo una puntuación idéntica.
Puntuación del léxico
Todo eso empezó a cambiar una vez que comenzó la lección. Programado para turnarse para escuchar y luego hablar, DeeChee convirtió el discurso del profesor en sílabas. A continuación, empleó esta información para actualizar los resultados en su propio léxico, dando puntos extra a las sílabas que el maestro había utilizado.
La próxima vez que hablaba, sería más probable que repitiera las sílabas que el maestro había pronunciado debido a que estos ya tenían las puntuaciones más altas.
Lyon dice que esto es una reminiscencia de los bebés humanos. “Cuando oyen los sonidos frecuentes, se vuelven sensibles a ellos”, dice Lyon. “Prefieren lo que es familiar”.
Este aprendizaje por imitación se reforzó, entonces los profesores hicieron comentarios alentadores cuando DeeChee habló una palabra reconocible. DeeChee fue programado para la detección de estos comentarios y dar puntos extra a las sílabas que precedieron a la aprobación del profesor. Inevitablemente, algunas sílabas sin sentido pueden obtener puntos extra también. Pero a medida que este proceso se repitió, sólo las sílabas que componen las palabras que siguen apareciendo en las cadenas obtuvieron su aprobación.
Aunque el robot todavía estaba pronunciando sílabas sin sentido de los corrientes, hacia el final de los ocho minutos, las palabras reales seguían apareciendo con más frecuencia que si DeeChee selecciona las sílabas al azar.
Que las palabras puedan surgir de un balbuceo mediante un proceso de aprendizaje estadístico no es específico a la lengua demuestra que esta etapa de la adquisición del lenguaje no requiere facultades de “cableados” de gramática, dice Lyon.
Pablo Vogt, un científico cognitivo de la Universidad de Tilburg en los Países Bajos está impresionado: “Es un primer paso muy interesante para tener robots que pueden ayudar a estudiar la adquisición del lenguaje.”
En este momento, el discurso de DeeChee está muy lejos de toda regla idiomática, pero a partir del balbuceo puede ser la mejor manera de crear robots que hablen de forma natural. “Si usted quiere el robot para trabajar con el lenguaje natural, entonces puede que tenga que enseñarlo desde el principio”, dice Lyon.
Fuente: PLoS One, DOI: 10.1371/journal.pone.0038236