Antes de hablar, había que organizar el significado.

ESTABA EL MODELO

Es posible acumular millones de registros y descubrir, al intentar utilizarlos, que tenemos un problema anterior al volumen de información. Dos bases pueden contener datos correctos y resultar incompatibles porque fueron diseñadas desde maneras distintas de describir las cosas.

Una administración utiliza “domicilio” y otra “residencia habitual”; una biblioteca separa autores, obras y ediciones con criterios que no coinciden con los de otro catálogo. En medicina, síntomas, diagnósticos y episodios clínicos pertenecen a categorías cuyo significado no conviene mezclar. También ocurre algo más engañoso: dos columnas con el mismo nombre pueden representar realidades diferentes. Quien haya intentado integrar sistemas conoce la escena. Los archivos se importan; después empiezan las discusiones.

Los sistemas basados en conocimiento de los años noventa ya se enfrentaban a esa dificultad. Necesitaban expresar lo que sabían de una manera suficientemente rigurosa como para que ese conocimiento pudiera reutilizarse. Las ontologías ofrecieron una respuesta al representar conceptos, propiedades, relaciones, restricciones y axiomas, en lugar de limitarse a almacenar valores. Así, un sistema puede reconocer que un cardiólogo pertenece a la categoría de médico o que cierta relación geográfica permite extraer nuevas conclusiones a partir de información ya registrada.

Construir ese modelo abre, además, otra clase de problemas. Hay que decidir qué se incluye, de qué manera se obtiene el conocimiento de los especialistas, cómo se documentan los desacuerdos y qué pruebas permiten distinguir una formalización sólida de otra que sólo parece ordenada. La posibilidad de inferir algo no garantiza que la premisa utilizada para hacerlo sea adecuada.

Gómez-Pérez se interesó temprano por esa zona menos espectacular del trabajo. En un informe de 1994 sobre evaluación y tecnologías para compartir conocimiento distinguía ya entre evaluación, verificación, validación y assessment. Esa preocupación por la calidad reaparecería a lo largo de su trayectoria. Tenía sentido: una clasificación improvisada puede resultar suficiente para un programa aislado, pero cuando otras organizaciones empiezan a utilizarla se convierte en parte de una infraestructura común. Sus errores también se comparten.

Uno puede reemplazar una interfaz, reescribir una función o trasladar una aplicación a otro servidor sin demasiado drama. Corregir una categoría mal concebida, cuando ya se instaló en formularios, tablas, APIs y procedimientos administrativos, es otra historia. A veces lo que más me cuesta mantener es una decisión de significado tomada muchos años antes, cuando nadie imaginaba cuánto iba a durar.

EN INGENIERÍA

En 1997, Mariano Fernández-López, Asunción Gómez-Pérez y Natalia Juristo presentaron METHONTOLOGY. El subtítulo, From Ontological Art Towards Ontological Engineering, expresaba bastante bien lo que pretendían: sacar la construcción de ontologías del terreno de las prácticas personales y convertirla en una actividad que pudiera enseñarse, documentarse, discutirse y mantenerse.

Hasta entonces, buena parte del oficio dependía de la experiencia de quienes modelaban conocimiento. Esa experiencia seguía siendo indispensable, aunque difícil de transmitir si cada proyecto debía inventar sus propias reglas. METHONTOLOGY proponía organizar el trabajo en actividades de especificación, adquisición de conocimiento, conceptualización, integración, implementación, evaluación y documentación, dentro de un ciclo de vida apoyado en prototipos evolutivos.

El interés de la propuesta está en la palabra ingeniería. El modelo deja de verse como una pieza singular que funciona mientras su creador pueda explicarla y comienza a tratarse como algo que otros tendrán que comprender, revisar y modificar. Una buena metodología no elimina la intuición; permite que sus resultados sobrevivan al entusiasmo inicial y también a la ausencia de quien tuvo la primera idea.

La aparición de este método coincidió con un cambio de escala. La Web de aquellos años estaba hecha, sobre todo, para personas capaces de leer páginas, seguir enlaces e interpretar el contexto. La Web semántica aspiró a que parte de esas relaciones pudiera representarse de un modo accesible a los programas. RDF y OWL ofrecieron lenguajes para esa tarea, y el trabajo previo de ingeniería ontológica encontró allí un campo de aplicación mucho más amplio.

En 2004, Gómez-Pérez, Fernández-López y Oscar Corcho publicaron Ontological Engineering, un libro de más de cuatrocientas páginas que reunía principios, métodos, herramientas, lenguajes y aplicaciones en gestión del conocimiento, comercio electrónico y Web semántica. La especialidad ya disponía de un cuerpo metodológico reconocible. Podía discutir sus propios procedimientos, además de exhibir los sistemas que había conseguido construir.

Esta historia ayuda a corregir una imagen demasiado reciente de la inteligencia artificial: la de una disciplina que empieza y termina en el entrenamiento de modelos cada vez más grandes. También hubo —y sigue habiendo— investigadores empeñados en explicitar estructuras, registrar acuerdos y hacer que el conocimiento se pueda reutilizar sin depender de una interpretación tácita.

Conozco la escena que suele quedar fuera de los relatos tecnológicos: varias personas sentadas a discutir qué significa una palabra que todas creían entender. Parece una pérdida de tiempo hasta que una mala definición rompe algo. En esos momentos, más que un algoritmo brillante, hace falta alguien dispuesto a volver sobre lo que se había dado por obvio. Esa forma de trabajo me atrae, aunque no siempre tenga la paciencia que exige.

TAMBIÉN PUEDE ESTAR MAL

Hay cierta ilusión de exactitud en las estructuras formales. Si los conceptos fueron definidos, las relaciones están escritas y las reglas pueden ejecutarse, el conjunto adquiere un aspecto convincente. Eso no impide que una taxonomía contenga circularidades, que dos categorías dupliquen la misma idea, que falten relaciones necesarias o que una restricción contradiga otra parte del modelo. La precisión también puede ponerse al servicio del error.

Gómez-Pérez convirtió la evaluación de ontologías en una de sus preocupaciones más constantes. En un trabajo de 2001 sistematizó criterios como consistencia, completitud, concisión, capacidad de expansión y sensibilidad a los cambios, además de examinar errores posibles en taxonomías y otras representaciones del conocimiento. La evaluación examinaba, con criterios concretos, la calidad de la estructura con la que una interpretación del mundo había sido formalizada; la verdad de esa interpretación quedaba en otro plano.

Años después, la preocupación tomó la forma de una herramienta con un nombre deliberadamente poco solemne: OOPS! — OntOlogy Pitfall Scanner!, desarrollada en el Ontology Engineering Group por María Poveda-Villalón, Asunción Gómez-Pérez y Mari Carmen Suárez-Figueroa. OOPS! detecta posibles pitfalls, patrones y malas prácticas que pueden provocar problemas de modelado. Su catálogo surgió del análisis de cientos de ontologías y permitió convertir errores observados en diagnósticos reutilizables.

Para quien programa, la lógica resulta familiar. Los compiladores, analizadores estáticos, pruebas automatizadas, linters y sistemas de tipos no sustituyen el juicio de quien desarrolla software, pero ayudan a descubrir problemas que una lectura confiada puede pasar por alto. En una ontología ocurre algo semejante, con una dificultad adicional: es posible que el fallo no se vuelva evidente hasta que otro sistema intente interpretar o reutilizar el modelo.

Evaluar estas estructuras supone revisar si representan con coherencia aquello que dicen representar, si dejan huecos, si repiten conceptos, si incorporan incompatibilidades y si podrán modificarse cuando cambie el dominio. Un modelo útil tiene que admitir mantenimiento; de lo contrario, su prolijidad inicial puede convertirse con los años en una forma de rigidez.

Confieso cierta simpatía por OOPS!, empezando por el nombre. Después de tanta terminología que parece venir de un tratado filosófico, aparece una herramienta cuya primera virtud consiste en decirnos que algo podría estar mal. Me recuerda una lección bastante terrenal de la informática: cuanto más seguro parece alguien de haber entendido un sistema, más saludable resulta disponer de mecanismos capaces de llevarle la contra.

RELACIONES ENTRE DATOS

La Web había logrado una hazaña enorme al conectar documentos. Uno podía pasar de una página a otra mediante enlaces, aunque el significado de esas conexiones seguía dependiendo en buena medida del lector. Tim Berners-Lee impulsó, a mediados de los años 2000, una ampliación de aquella idea: que también los datos pudieran identificarse y enlazarse directamente.

La diferencia se comprende bien con un ejemplo bibliográfico. Una biblioteca describe una obra; otra institución conserva información sobre su autor; un tercer repositorio registra el lugar donde nació. Si esos registros utilizan identificadores y estándares compatibles, un programa puede recorrer sus vínculos y reunir conocimiento que ninguna de las instituciones había almacenado por separado. Lo que antes era una serie de documentos consultables empieza a funcionar como una red de entidades relacionadas.

Las ontologías ofrecen vocabularios y estructuras para describir esas relaciones. Sin alguna forma de acuerdo sobre los conceptos, conectar conjuntos de datos podría equivaler a multiplicar los malentendidos a escala de la red.

Gómez-Pérez participó de esa transición desde los primeros desarrollos de la Web semántica. El grupo que fundó en la UPM trabajó con datos enlazados en áreas como geografía, meteorología, energía, transporte, gobierno abierto y patrimonio, además de intervenir en iniciativas relacionadas con la Biblioteca Nacional de España y el Open Data Institute.

En ese recorrido, reutilizar se vuelve tan importante como construir. La tentación de diseñar un vocabulario propio para cada aplicación suele ser grande: parece más rápido, ofrece control y evita negociar con estructuras ajenas. El costo aparece después, cuando esas aplicaciones deben entenderse entre sí. Reutilizar una ontología existente puede reducir incompatibilidades, aunque exige localizarla, comprender sus supuestos, evaluar su calidad y adaptarla sin destruir las relaciones que la hacían útil. De allí el desarrollo de metodologías de reutilización, reingeniería, alineamiento e integración.

Buena parte de los problemas actuales de los grafos de conocimiento, los espacios de datos y las infraestructuras científicas ya estaban insinuados en esa tarea. Almacenar información dejó de ser el obstáculo principal en muchos contextos; lograr que instituciones con historias, intereses y vocabularios distintos puedan compartirla requiere un trabajo sostenido que ninguna velocidad de procesamiento resuelve por sí sola.

Pocas cosas se notan menos que la interoperabilidad cuando funciona. En mi experiencia, cuando dos sistemas intercambian datos sin tropiezos nadie se detiene a pensar en todos los acuerdos que lo permiten. Basta que una migración cambie el sentido de un campo para que ese trabajo invisible se vuelva urgente. Me parece una buena razón para desconfiar de la idea de que la interoperabilidad es apenas un asunto de formatos.

ATRAVIESA VARIAS LENGUAS

En Europa, el intercambio de conocimiento entre instituciones convirtió el multilingüismo en un problema técnico cotidiano. Una misma infraestructura puede necesitar información expresada en español, inglés, francés, alemán o euskera, y traducir las etiquetas de un vocabulario exige además acordar qué significan sus conceptos.

Las lenguas no reparten la experiencia en casilleros idénticos. Hay palabras con varias acepciones, términos que cambian según el campo en que se utilizan, categorías jurídicas que no conservan exactamente el mismo alcance entre países y denominaciones científicas que conviven con formas populares o regionales. Hasta una traducción impecable puede esconder una diferencia que importa.

Gómez-Pérez extendió su investigación hacia las ontologías multilingües y los datos lingüísticos enlazados, en un espacio donde la representación del conocimiento se encuentra con la lingüística. Un desarrollo importante de ese campo fue OntoLex-Lemon, modelo impulsado dentro del W3C para relacionar información léxica con los conceptos de una ontología. Permite trabajar con la diferencia entre una entidad conceptual y las palabras, formas o sentidos mediante los cuales distintas lenguas la expresan.

La distinción parece sencilla mientras se formula en abstracto. Se vuelve más difícil cuando hay que construir sistemas capaces de buscar, traducir o cruzar información sin convertir las particularidades de cada lengua en errores a corregir. Compartir conocimiento requiere encontrar equivalencias, pero algunas diferencias merecen ser conservadas precisamente porque dicen algo sobre el contexto del que provienen.

En su discurso de ingreso a la Real Academia Española, Gómez-Pérez dedicó una parte importante a esta transformación de los recursos lingüísticos. Diccionarios, glosarios, tesauros y corpus pueden publicarse en formatos interoperables y vincularse dentro de una red de datos lingüísticos. De ese modo, obras concebidas para la consulta humana también pasan a alimentar herramientas de búsqueda, traducción, respuesta y generación de texto.

La consecuencia cultural es considerable. Las lenguas que disponen de recursos digitales abundantes y bien estructurados ofrecen mejores condiciones para desarrollar tecnologías lingüísticas. Las que cuentan con menos documentación computable encuentran obstáculos adicionales para participar de esos mismos sistemas. La posibilidad de estar presente en el mundo digital empieza a depender, también, de cómo se representan los recursos de una comunidad lingüística.

Esta parte me inquieta más de lo que esperaba al empezar a leer sobre ontologías. Una lengua no vive solamente en los diccionarios; vive en sus usos, en las variaciones que incomodan a las normas y en palabras que ciertas instituciones tardan en reconocer. Me importa que esas formas puedan entrar en las tecnologías, pero también me pregunto qué se pierde cuando la necesidad de volverlas computables favorece unas variantes sobre otras. La interoperabilidad puede ayudar a preservar una diferencia o terminar disimulándola.

ENTRA EN LA MÁQUINA

El 21 de mayo de 2023, Asunción Gómez-Pérez ingresó como académica de número en la Real Academia Española para ocupar la silla q. Su discurso, Inteligencia artificial y lengua española, reunía dos tradiciones que durante mucho tiempo habían trabajado con herramientas distintas: las instituciones dedicadas al estudio y la conservación de la lengua, y los laboratorios que intentan hacerla procesable por máquinas.

La propuesta de Gómez-Pérez tenía dos direcciones. La inteligencia artificial podía contribuir a las tareas lingüísticas; a su vez, los materiales de calidad producidos alrededor del español podían ponerse a disposición de la inteligencia artificial mediante estructuras adecuadas. Esta segunda dirección tiene consecuencias que van bastante más allá de convertir un libro en un archivo digital.

Un diccionario fotografiado o convertido en páginas consultables sigue exigiendo un lector que reconstruya sus relaciones. Para que una máquina trabaje con él de otra manera, es necesario identificar entradas, acepciones, variantes, marcas geográficas, información gramatical y vínculos semánticos. Esas piezas deben adquirir estructuras e identificadores, y luego publicarse y mantenerse con un cuidado comparable al trabajo editorial que permitió construir el recurso original.

No alcanza, por ejemplo, con que una palabra aparezca en pantalla. Importa que un sistema pueda distinguir sus acepciones y relacionarlas con otras expresiones sin confundirlas. En ese punto, la tarea filológica entra en contacto directo con los problemas clásicos de la ingeniería ontológica. La información acumulada durante siglos tiene que volverse accesible a nuevas formas de consulta sin perder toda la riqueza que justificaba conservarla.

Gómez-Pérez defendió en aquel discurso recursos interoperables, preparados para las tecnologías de IA, y una economía abierta de la lengua que pudiera favorecer la innovación. El planteo reconoce un hecho de nuestro tiempo: los archivos lingüísticos ya no tienen sólo lectores humanos. También participan en sistemas automáticos cuyas respuestas pueden circular muy lejos del lugar donde esos materiales fueron elaborados.

La escena tiene algo casi artesanal: una especialista en ontologías entra a una institución fundada en el siglo XVIII con preguntas sobre modelos de conocimiento, datos enlazados y formatos. Antes había que cuidar una definición en la página; ahora también hay que cuidar las relaciones que la llevan a una API o a otro repositorio. Aunque me queda una incomodidad que prefiero no disolver: cuando una institución convierte su conocimiento en infraestructura, conviene preguntar quién podrá utilizarlo, bajo qué condiciones y cuánto margen habrá para discutir sus categorías.

LLEGARON A UN MUNDO YA CLASIFICADO

La aparición de grandes modelos de lenguaje alteró de golpe la conversación pública sobre inteligencia artificial. Pareció que una cantidad enorme de texto, combinada con capacidad de cómputo, podía producir comportamientos lingüísticos para los que antes hubiéramos imaginado reglas y estructuras explícitas. El éxito de esos sistemas cambió prioridades y abrió herramientas que merecen ser tomadas en serio.

También hizo más visible una diferencia que no conviene borrar. Un sistema puede producir una respuesta convincente sin conservar, en esa misma respuesta, una representación explícita de las fuentes, categorías y relaciones que una institución necesita verificar. Para una administración importa saber de dónde salió un dato; en un sistema clínico, una clasificación equivocada puede alterar lo que ocurre después; un archivo necesita guardar procedencia, mientras que una infraestructura científica debe poder combinar resultados de organizaciones diferentes sin perder su significado.

Las ontologías y los grafos de conocimiento siguen siendo útiles precisamente porque permiten representar determinadas relaciones de manera explícita y auditable. Los modelos generativos aportan otras capacidades: extraer información, clasificar, traducir, redactar, interactuar en lenguaje natural y asistir en tareas que antes demandaban mucha intervención manual. La discusión más fértil empieza cuando ambos enfoques dejan de presentarse como sustitutos universales.

Ya se exploran formas de utilizar modelos generativos para construir o revisar ontologías, detectar problemas semánticos y facilitar tareas de documentación. A su vez, los grafos de conocimiento y otros recursos estructurados pueden proporcionar contexto y ayudar a la recuperación y trazabilidad de información utilizada por sistemas generativos. La combinación ofrece posibilidades, aunque también obliga a revisar cómo se comprueban los resultados y quién responde por sus errores.

La trayectoria de Gómez-Pérez adquiere actualidad por un motivo que quizá no sea el más evidente. Durante décadas insistió en calidad, metodología, reutilización y mantenimiento, aspectos que pueden parecer lentos frente a la rapidez de una respuesta generada en segundos. Sin embargo, la velocidad con que un sistema produce lenguaje no reemplaza la necesidad de integrar esa respuesta con registros, catálogos, vocabularios científicos y procedimientos institucionales que exigen alguna forma de control.

Tengo que cuidarme de una fascinación que comparto con muchos de los que trabajamos con estas herramientas. Cuando una máquina responde con soltura, es fácil sentir que todo el trabajo anterior quedó superado. Después aparece una base mal integrada, una procedencia imposible de reconstruir o una categoría equivocada, y el entusiasmo encuentra su límite. No quisiera reducir la novedad generativa a una extensión de la vieja ingeniería ontológica; tampoco me convence la idea de que su fluidez haya vuelto innecesario ese conocimiento acumulado.

Una ontología parece describir un dominio, pero para describirlo debe seleccionar. Alguien decide qué conceptos merecen una categoría propia, qué diferencias pueden reunirse bajo un mismo nombre, cuáles son las relaciones relevantes y cuáles quedan fuera del modelo. Esa selección es inevitable en cualquier trabajo de representación; el problema comienza cuando su resultado circula como si fuera una descripción neutral y completa de la realidad.

Una clasificación médica puede arrastrar supuestos culturales. Un formulario administrativo obliga a veces a elegir entre opciones que no contemplan la situación de quien lo completa. Un estándar internacional puede reflejar con mayor precisión las necesidades de las instituciones que tuvieron recursos para participar en su elaboración. Nada de eso significa que debamos abandonar los vocabularios compartidos. Significa que el acuerdo técnico tiene una historia y que esa historia influye sobre lo que otros podrán hacer con él.

La obra de Gómez-Pérez proporciona instrumentos importantes para enfrentar parte de estos riesgos. La evaluación, la documentación, la reutilización cuidadosa y el trabajo multidisciplinario permiten detectar errores, justificar decisiones y revisar modelos. La calidad formal permite detectar errores y justificar decisiones; quién tuvo voz cuando se definieron las categorías es otra cuestión. Una estructura puede ser consistente y, aun así, dejar afuera una experiencia social relevante. Conviene no confundir una cosa con la otra.

Hay además un problema de tiempo. Una ontología necesita estabilidad para que diferentes sistemas puedan compartirla; mientras tanto, el mundo al que se refiere cambia. Aparecen términos, se abandonan clasificaciones, ciertas comunidades rechazan nombres que antes parecían naturales y surgen distinciones que el modelo original no había previsto. Modificar la estructura puede afectar a todas las aplicaciones que dependen de ella. Conservarla intacta puede significar que esas aplicaciones sigan repitiendo categorías envejecidas.

En el multilingüismo la tensión se hace especialmente visible. Vincular términos de lenguas diferentes permite que circulen datos y conocimientos; imponer una equivalencia demasiado cómoda puede borrar matices. La interoperabilidad necesita acuerdos, aunque algunos de esos acuerdos deberían conservar la posibilidad de reconocer que dos expresiones se parecen sin ser idénticas.

También conviene situar institucionalmente esta historia. La Universidad Politécnica de Madrid, los organismos de estandarización como el W3C y la Real Academia Española ofrecen continuidad, recursos y espacios de legitimación a trabajos que difícilmente podrían sostenerse sólo con entusiasmo individual. Esa fortaleza tiene su contracara: las instituciones participan en la definición de lo que será reconocido como conocimiento compartible. Su autoridad puede hacer posibles ciertos consensos y volver menos audibles otras interpretaciones. Se trata de una consecuencia del propio alcance de la tarea que ayudó a convertir en ingeniería.

Es aquí donde más necesito tomar distancia de la promesa de orden. Me gustan los sistemas claros; probablemente a cualquiera que programe le ocurra algo parecido. Aun así, he visto cómo una opción de formulario, una etiqueta en una base o una regla administrativa puede permanecer mucho después de que las personas afectadas hayan dejado de reconocerse en ella. Quiero modelos que funcionen y que, cuando llegue el momento, permitan discutir quién los hizo y cómo cambiarlos. La corrección técnica debería abrir esa discusión y dejar espacio para ella.

Cuando Gómez-Pérez comenzó a investigar ontologías, la Web todavía era joven y la inteligencia artificial tenía preocupaciones y expectativas muy diferentes de las actuales. Después llegaron la Web semántica, los datos enlazados, los grafos de conocimiento, los servicios en la nube y, finalmente, sistemas generativos capaces de responder preguntas, traducir y producir textos con una facilidad que hace pocos años habría parecido extraordinaria.

A lo largo de esos cambios persistió una dificultad más antigua que cualquiera de las herramientas: cómo hacer que el conocimiento pueda circular sin perder las relaciones que le dan sentido. Compartir una categoría exige saber qué incluye; reutilizar una base obliga a entender de dónde vienen sus datos; traducir un concepto requiere averiguar qué parte de su significado logra atravesar la frontera lingüística. Y cada vez que se modifica una clasificación aparece el problema de todo lo que fue construido a partir de ella.

El aporte de Gómez-Pérez fue tratar estas dificultades como asuntos sobre los que se puede trabajar con método y responsabilidad. METHONTOLOGY ayudó a organizar la construcción de ontologías; los criterios de evaluación y herramientas como OOPS! hicieron visible la necesidad de comprobar su calidad. Los datos enlazados abrieron la posibilidad de reutilizar modelos en redes más amplias, mientras que el trabajo sobre multilingüismo acercó los problemas conceptuales a las formas concretas de las lenguas. Su ingreso en la RAE reunió esa trayectoria con una institución dedicada desde hace siglos al idioma español.

Hay algo precursor en haber sostenido durante tanto tiempo una preocupación que hoy parece quedar debajo de la superficie. Las máquinas conversan, generan imágenes, programan y resumen documentos; las instituciones siguen necesitando registros consistentes, archivos con procedencia y vocabularios que puedan discutirse. La ingeniería ontológica no explica por sí sola lo que hacen los modelos generativos; sí ayuda a entender por qué hablar con fluidez y compartir conocimiento confiable siguen siendo problemas distintos.

El título de este ensayo dice que antes de hablar había que organizar el significado. La ironía del presente es que algunas máquinas ya pueden hablar sin que hayamos explicitado de antemano todas las categorías que emplean. Eso vuelve más urgente, y tal vez más difícil, la pregunta que atraviesa el trabajo de Gómez-Pérez: cuando esa palabra generada empieza a utilizarse para clasificar personas, conectar instituciones o respaldar decisiones, ¿quién podrá examinar el significado que se le atribuye y corregirlo si hace falta?