Los modelos de lenguaje generativos y los modelos clásicos de procesamiento de lenguaje natural basan su aprendizaje, funcionamiento y evaluación en estructuras y principios lingüísticos. Aprenden a generar sintaxis válida, a mapear significados en espacios vectoriales y a responder de forma pragmáticamente coherente. Y sin embargo, la lingüística rara vez se menciona como parte del stack.

En plena era de la IA generativa, esta relación se ha afianzado todavía más, llegando a no poder entenderse el uno sin el otro. En Python, usamos librerías como huggingface, openai, langchain, scikit-learn, etc., para entrenar y disponibilizar modelos que procesan, entienden y generan lenguaje, pero ese lenguaje no es solo texto: contiene una estructura, significado y contexto. Hablamos incluso de que modelos generativos se evalúan según su capacidad de razonamiento, pero ¿no es acaso el razonamiento un principio lingüístico-cognitivo?

Esta charla ofrece una lectura crítica y técnica desde dentro del modelo: ¿cómo emergen estructuras gramaticales? ¿Qué tipo de significado codifican realmente los embeddings? ¿Por qué un buen prompt funciona como acto de habla? ¿Por qué la forma de evaluar ha ido evolucionando hacia métricas cada vez menos cuantitativas? Con ejemplos en Python, exploraremos cómo categorías como la sintaxis, la semántica o la pragmática están en el núcleo de la IA generativa, aunque el discurso técnico lo oculte tras capas de tokens y atención. Esta charla despliega herramientas conceptuales (sintaxis, semántica, pragmática) para entender por qué los modelos hacen lo que hacen y ayudar a sacar todo el potencial que pueden ofrecernos.