Los sistemas de inteligencia artificial se pueden entrenar para escribir reseñas de productos similares a las humanas que ayuden a los consumidores, vendedores y revisores profesionales, según un estudio de Dartmouth College, la Escuela de Negocios Tuck de Dartmouth y la Universidad de Indiana.

La investigación, publicada en el International Journal of Research in Marketing , también identifica los desafíos éticos planteados por el uso del contenido generado por computadora.

"La redacción de reseñas es un desafío para los humanos y las computadoras, en parte, debido a la abrumadora cantidad de productos distintos", dijo Keith Carlson, investigador de doctorado en la Escuela de Negocios Tuck. "Queríamos ver cómo se puede usar la inteligencia artificial para ayudar a las personas que producen y usan estas reseñas".

Para la investigación, el equipo de Dartmouth planteó dos desafíos. El primero fue determinar si se puede enseñar a una máquina a escribir reseñas originales de calidad humana utilizando solo una pequeña cantidad de características del producto después de haber sido entrenada en un conjunto de contenido existente. En segundo lugar, el equipo se dispuso a ver si los algoritmos de aprendizaje automático se pueden usar para escribir síntesis de reseñas de productos para los que ya existen muchas reseñas.

"El uso de inteligencia artificial para escribir y sintetizar reseñas puede crear eficiencias en ambos lados del mercado", dijo Prasad Vana, profesor asistente de administración de empresas en Tuck School of Business. "La esperanza es que la IA pueda beneficiar a los revisores que enfrentan mayores cargas de trabajo de escritura y a los consumidores que tienen que revisar tanto contenido sobre productos".

Los investigadores se centraron en las reseñas de vinos y cervezas debido a la amplia disponibilidad de material para entrenar los algoritmos informáticos. Las reseñas de estos productos también presentan vocabularios relativamente enfocados, una ventaja cuando se trabaja con sistemas de IA.

Para determinar si una máquina podría escribir reseñas útiles desde cero, los investigadores entrenaron un algoritmo en unas 180.000 reseñas de vinos existentes. También se utilizaron etiquetas de metadatos para factores como el origen del producto, la variedad de uva, la clasificación y el precio para entrenar el sistema de aprendizaje automático.

Al comparar las reseñas generadas por máquinas con las reseñas humanas para los mismos vinos, el equipo de investigación encontró una concordancia entre las dos versiones. Los resultados se mantuvieron consistentes incluso cuando el equipo desafió los algoritmos al cambiar la cantidad de datos de entrada que estaban disponibles como referencia.

Luego, participantes del estudio que no eran expertos evaluaron el material escrito a máquina para comprobar si podían determinar si las reseñas habían sido escritas por humanos o por una máquina. Según el trabajo de investigación, los participantes no pudieron distinguir entre las revisiones humanas y las generadas por IA con ninguna significación estadística. Además, su intención de comprar un vino fue similar en las revisiones del vino generadas por humanos y por máquinas.

Habiendo descubierto que la inteligencia artificial puede escribir reseñas de vinos creíbles, el equipo de investigación recurrió a las reseñas de cerveza para determinar la efectividad del uso de la IA para escribir "síntesis de reseñas". En lugar de estar capacitado para escribir nuevas reseñas, el algoritmo se encargó de agregar elementos de reseñas existentes del mismo producto. Esto puso a prueba la capacidad de la IA para identificar y proporcionar información limitada pero relevante sobre productos basada en un gran volumen de opiniones diferentes.

"Escribir una revisión original pone a prueba la capacidad expresiva de la computadora en función de un conjunto de datos relativamente limitado. Escribir una revisión de síntesis es una tarea relacionada pero distinta en la que se espera que el sistema produzca una revisión que capture algunas de las ideas clave presentes en un conjunto existente. de reseñas de un producto", dijo Carlson, quien realizó la investigación cuando era estudiante de Ph.D. candidato en informática en Dartmouth.

Para probar la capacidad del algoritmo para escribir síntesis de reseñas, los investigadores lo entrenaron en 143 000 reseñas existentes de más de 14 000 cervezas. Al igual que con el conjunto de datos de vinos, el texto de cada reseña se combinó con metadatos que incluyen el nombre del producto, el contenido de alcohol, el estilo y las puntuaciones otorgadas por los revisores originales.

Al igual que con las reseñas de vinos, la investigación utilizó participantes de estudios independientes para juzgar si los resúmenes escritos a máquina capturaban y resumían las opiniones de numerosas reseñas de una manera útil y similar a la humana.

Según el documento, el modelo logró tomar las revisiones de un producto como entrada y generar una revisión de síntesis para ese producto como salida.

"Nuestro marco de modelado podría ser útil en cualquier situación en la que estén disponibles los atributos detallados de un producto y se requiera un resumen escrito del producto", dijo Vana. "Es interesante imaginar cómo esto podría beneficiar a los restaurantes que no pueden pagar sumilleres o vendedores independientes en plataformas en línea que pueden vender cientos de productos".

Ambos desafíos utilizaron una red neuronal de aprendizaje profundo basada en una arquitectura de transformadores para ingerir, procesar y generar lenguaje de revisión.

Según el equipo de investigación, los sistemas informáticos no pretenden reemplazar a los escritores y vendedores profesionales, sino ayudarlos en su trabajo. Una revisión escrita a máquina, por ejemplo, podría servir como un primer borrador de una revisión que ahorra tiempo y que luego un revisor humano podría revisar.

La investigación también puede ayudar a los consumidores. Las reseñas de Syntheses, como las de la cerveza en el estudio, se pueden expandir a la constelación de productos y servicios en los mercados en línea para ayudar a las personas que tienen tiempo limitado para leer muchas reseñas de productos.

Además de los beneficios de las reseñas escritas a máquina, el equipo de investigación destaca algunos de los desafíos éticos que presenta el uso de algoritmos informáticos para influir en el comportamiento del consumidor humano.

Al señalar que los especialistas en marketing podrían obtener una mejor aceptación de las reseñas generadas por máquinas atribuyéndolas falsamente a humanos, el equipo aboga por la transparencia cuando se ofrecen reseñas generadas por computadora.

"Al igual que con otras tecnologías, debemos ser cautelosos acerca de cómo se utiliza este avance", dijo Carlson. "Si se usan de manera responsable, las revisiones generadas por IA pueden ser una herramienta de productividad y pueden respaldar la disponibilidad de información útil para el consumidor".