La IA conversacional se refiere a las tecnologías que permiten a las máquinas comprender, procesar y generar lenguaje humano lo suficientemente bien como para mantener un diálogo natural y de múltiples turnos con las personas, ya sea por texto o por voz. Es un campo amplio que abarca chatbots, asistentes de voz, sistemas de respuesta de voz interactiva y las capacidades de diálogo de los grandes modelos de lenguaje de propósito general. La IA conversacional se sitúa en la intersección del procesamiento del lenguaje natural, el reconocimiento de voz y, para los sistemas hablados, la síntesis de texto a voz.
Componentes
Un sistema de IA conversacional típicamente combina varios subsistemas: comprensión de entrada, que convierte el habla en texto o analiza el texto escrito; gestión del diálogo, que rastrea el estado de la conversación, la intención y el contexto a lo largo de los turnos; generación de respuestas, que produce la réplica, históricamente mediante plantillas o recuperación y cada vez más mediante un modelo de lenguaje generativo; y, para las interfaces de voz, síntesis de habla para convertir la respuesta de nuevo en audio. Los sistemas que mantienen el contexto a lo largo de un intercambio de múltiples turnos dependen de la ventana de contexto de un modelo para recordar turnos anteriores, y muchos sistemas de producción utilizan un prompt de sistema para fijar la personalidad, el tono y las restricciones de comportamiento.
Evolución
Los primeros sistemas conversacionales eran limitados y basados en reglas, haciendo coincidir las intenciones del usuario con un menú restringido de respuestas programadas, ejemplificados por los árboles telefónicos interactivos y los primeros chatbots como ELIZA. En la década de 2010 surgieron los asistentes virtuales basados en clasificación de intenciones, como Siri y Alexa, que manejaban un conjunto fijo de tareas como poner temporizadores o consultar el clima, generalmente sin una comprensión genuina de dominio abierto. El cambio hacia el aprendizaje profundo y, más tarde, los modelos de lenguaje basados en transformers permitió la capacidad conversacional de dominio abierto: los modelos podían mantener un diálogo coherente sobre casi cualquier tema sin estar programados explícitamente para ello, un cambio demostrado de manera más visible por ChatGPT y refinado mediante aprendizaje por refuerzo con retroalimentación humana para mantener las respuestas alineadas con lo que los usuarios realmente desean. Los sistemas posteriores añadieron generación aumentada por recuperación para fundamentar las respuestas en información actual o propietaria y uso de herramientas para permitir que el sistema realice acciones, como buscar en la web o consultar una base de datos, en medio de la conversación.
Aplicaciones y críticas
La IA conversacional se despliega ampliamente en atención al cliente, triaje sanitario, educación, herramientas de accesibilidad y asistentes personales, y es una base para los agentes de IA que extienden el diálogo hacia la finalización autónoma de tareas. Las críticas se hacen eco de las de los chatbots en general: alucinación de información incorrecta presentada con un tono seguro y conversacional; el riesgo de que los usuarios confíen en exceso o dependan emocionalmente de sistemas que no los comprenden; y, para las interfaces de voz, preocupaciones de privacidad sobre micrófonos que siempre están escuchando. Los investigadores continúan debatiendo cuánto de la fluidez conversacional refleja comprensión genuina frente a una finalización fluida de patrones, una cuestión estrechamente vinculada a críticas como el argumento del loro estocástico.