Para máquinas y humanos
Un diccionario del siglo XXI tiene dos lectores a la vez: la persona que consulta una palabra y el programa que la procesa. Suena a que hay que hacer dos cosas distintas —una bonita para la gente, una técnica para las máquinas—. Este ensayo defiende lo contrario: que lo que sirve de verdad a un programa es exactamente lo que sirve de verdad a una persona, y que perseguir las dos a la vez no es un doble trabajo, es la mejor manera de no engañarse en ninguna.
Durante quinientos años el diccionario tuvo un solo lector: un ser humano con una duda y un dedo para pasar páginas. Todo en él estaba pensado para ese dedo —el orden alfabético, las abreviaturas, la letra apretada para ahorrar papel—. Hoy tiene un segundo lector que no tiene dedos: el programa. Un buscador que desambigua, un traductor que elige acepción, un modelo que necesita saber si banco es de sentarse o de guardar dinero. Y la pregunta natural es: ¿hay que hacerle a la máquina su propio diccionario, con etiquetas, códigos y tripas que a la gente no le importan?
La respuesta, y es la tesis de todo el proyecto, es no. Porque lo que una máquina necesita para funcionar bien resulta ser lo mismo que una persona necesita para entender bien. No dos diseños: uno solo, bien hecho.
Véase acepción por acepción. Un programa que desambigua sufre exactamente con lo que hace sufrir a un lector: con las cincuenta y cuatro acepciones de dar amontonadas sin jerarquía. Si a la máquina le das cincuenta y cuatro sentidos casi iguales, no sabe cuál asignar —igual que la persona no sabe cuál leer—. Si le das dieciséis bien separados, cada uno con su frontera clara, elige mejor —igual que la persona—. La ambigüedad que confunde a un humano es la misma que rompe a un algoritmo. Depurar el diccionario para que un lector no se pierda es, sin proponértelo, depurarlo para que una máquina acierte.
Véase el ruido. Las tres mil palabras muertas que ningún hablante usa tampoco le sirven a la máquina: le meten candidatos falsos, opciones que jamás va a necesitar, peso muerto en cada decisión. Jubilarlas al desván —fuera de la vista, guardadas por si acaso— limpia el aire para los dos lectores. Y véase el andamio: los reflexivos, los verbos de apoyo, las colocaciones que no significan sino que solo funcionan. A la persona la confunden haciéndole creer que hay un sentido donde solo hay gramática; a la máquina la confunden igual, ofreciéndole una acepción que no es tal. Quitarlos aclara las dos lecturas.
El patrón se repite sin excepción, y por una razón de fondo que conviene decir entera: una máquina no es un lector distinto, es un lector implacable. Perdona menos que un humano. La persona, ante un diccionario farragoso, suple con intuición, con contexto, con paciencia; rellena los huecos que el diccionario deja y casi no se da cuenta. La máquina no rellena: se traga lo que hay. Si el diccionario miente por omisión —si mezcla lo vivo con lo muerto, el significado con el papel—, la persona lo disimula y la máquina lo delata. Por eso el segundo lector, el que no tiene dedos, es el mejor control de calidad que ha tenido nunca la lexicografía: es el que no te deja hacer trampa. Un diccionario que funciona para una máquina es un diccionario que no se ha mentido a sí mismo.
De ahí la divisa: sabe menos y elige mejor. Menos entradas, menos acepciones, menos ruido —y por eso mismo más útil para el dedo y para el algoritmo—. No es que hayamos hecho un diccionario pequeño; hemos hecho uno que elige, y elegir es la única operación que sirve por igual a quien lee y a quien procesa. El resto de las diferencias —que la persona quiere una frase clara y la máquina un dato limpio— son de presentación, no de fondo: la misma acepción bien cortada se le da a una como prosa y a la otra como campo, y es la misma acepción.
Así que no hay dos diccionarios. Hay uno, honrado, y honrado quiere decir que dice la verdad sobre qué significa cada palabra, cuáles distingue un hablante y cuáles ya no usa nadie. Esa honradez la disfruta la persona sin saber por qué —«qué claro, qué a mano»— y la máquina la aprovecha sin sentir nada. Un buen diccionario no elige entre sus dos lectores: los sirve a la vez porque los dos quieren, en el fondo, lo mismo —que no les mientan—.
— Karb and Sil