Por qué el ordenador sabe que perro y gato se parecen
Las palabras se convierten en listas de números, y las listas parecidas acaban cerca. Ese truco sostiene medio internet, de tu buscador a los asistentes que responden preguntas. Sin jerga, con mapa interactivo dentro.
Si te pido que pongas "perro", "gato" y "lavadora" en un mapa donde lo parecido va junto, lo haces sin pensar: perro y gato pegados, la lavadora lejos. Lo sorprendente es que un ordenador puede hacer lo mismo sin que nadie le haya explicado qué es un animal. Este artículo cuenta el truco, y trae el mapa dentro para que lo pongas a prueba con tus propias palabras.
El truco: convertir palabras en listas de números. A cada palabra se le asigna una lista larga de números — en el mapa de abajo, 384 exactamente. No los elige una persona: salen de que un modelo haya leído cantidades enormes de texto fijándose en una sola cosa: qué palabras aparecen en compañías parecidas. "Perro" y "gato" comparten frases, dueños, veterinarios y sofás, así que sus listas de números acaban pareciéndose. "Lavadora" vive en otras frases, y su lista queda lejos.
Parecido ya no es una opinión: es una distancia. Con las palabras convertidas en listas, comparar significados se vuelve geometría: dos palabras se parecen si sus listas apuntan en direcciones parecidas. De pronto puedes ordenar, agrupar y buscar por significado con la misma maquinaria con la que se calcula cualquier distancia. Es un cambio de categoría: el significado se volvió medible.
El mapa de arriba calcula esas listas en tu navegador y las aplasta a dos dimensiones para que las veas. Escribe "lobo" y mira dónde cae. Prueba "Madrid" y "lunes". Prueba tu nombre. A veces el resultado te parecerá rarísimo — y esa también es la lección: el modelo no sabe lo que significan las palabras, solo dónde suelen aparecer. Su mundo entero es texto.
Esto sostiene más cosas de las que parece. Cuando un buscador te entiende aunque escribas mal, cuando una tienda te sugiere algo que encaja, cuando un asistente encuentra el párrafo exacto que responde tu pregunta en un documento de 200 páginas: debajo hay listas de números y distancias. En mi asistente de documentos uso exactamente esto para buscar los fragmentos correctos antes de responder. El mapa que acabas de tocar es la pieza central de esa maquinaria.
