{"id":5267,"date":"2023-04-10T16:20:58","date_gmt":"2023-04-10T19:20:58","guid":{"rendered":"https:\/\/blog.scielo.org\/es\/?p=5267"},"modified":"2023-08-29T13:14:59","modified_gmt":"2023-08-29T16:14:59","slug":"se-necesita-un-cuerpo-para-entender-el-mundo-por-que-chatgpt-y-las-ia-de-otros-idiomas-no-saben-lo-que-dicen","status":"publish","type":"post","link":"https:\/\/blog.scielo.org\/es\/2023\/04\/10\/se-necesita-un-cuerpo-para-entender-el-mundo-por-que-chatgpt-y-las-ia-de-otros-idiomas-no-saben-lo-que-dicen\/","title":{"rendered":"Se necesita un cuerpo para entender el mundo: por qu\u00e9 ChatGPT y las IA de otros idiomas no saben lo que dicen [Publicado originalmente en The Conversation en abril\/2023]"},"content":{"rendered":"<p><strong>Por Arthur Glenberg<sup>1<\/sup> y Cameron Robert Jones<sup>2<\/sup><\/strong><\/p>\n<div id=\"attachment_5269\" style=\"width: 310px\" class=\"wp-caption alignright\"><a href=\"http:\/\/blog.scielo.org\/es\/wp-content\/uploads\/sites\/3\/2023\/04\/lukas-hND1OG3q67k-unsplash.jpg\" target=\"_blank\" rel=\"noopener\"><img loading=\"lazy\" decoding=\"async\" aria-describedby=\"caption-attachment-5269\" class=\"wp-image-5269 size-medium\" title=\"Fotograf\u00eda de un robot blanco y plateado sosteniendo una tableta frente a una consigna de equipaje. Al fondo, en el pasillo, dos personas caminan de espaldas a la c\u00e1mara.\" src=\"http:\/\/blog.scielo.org\/es\/wp-content\/uploads\/sites\/3\/2023\/04\/lukas-hND1OG3q67k-unsplash-300x180.jpg\" alt=\"Fotograf\u00eda de un robot blanco y plateado sosteniendo una tableta frente a una consigna de equipaje. Al fondo, en el pasillo, dos personas caminan de espaldas a la c\u00e1mara.\" width=\"300\" height=\"180\" srcset=\"https:\/\/blog.scielo.org\/es\/wp-content\/uploads\/sites\/3\/2023\/04\/lukas-hND1OG3q67k-unsplash-300x180.jpg 300w, https:\/\/blog.scielo.org\/es\/wp-content\/uploads\/sites\/3\/2023\/04\/lukas-hND1OG3q67k-unsplash-768x461.jpg 768w, https:\/\/blog.scielo.org\/es\/wp-content\/uploads\/sites\/3\/2023\/04\/lukas-hND1OG3q67k-unsplash.jpg 1000w\" sizes=\"auto, (max-width: 300px) 100vw, 300px\" \/><\/a><p id=\"caption-attachment-5269\" class=\"wp-caption-text\"><em>Imagen: <a href=\"https:\/\/unsplash.com\/pt-br\/fotografias\/hND1OG3q67k\">Lukas<\/a>.<\/em><\/p><\/div>\n<p>Cuando le preguntamos a <a href=\"https:\/\/openai.com\/blog\/gpt-3-apps\/\" target=\"_blank\" rel=\"noopener\">GPT-3<\/a>, un sistema de lenguaje de inteligencia artificial extremadamente poderoso y popular, si ser\u00eda m\u00e1s probable que usara un mapa de papel o una piedra para avivar las brasas para una barbacoa, prefiri\u00f3 la piedra.<\/p>\n<p>Para alisar tu falda arrugada, \u00bftomar\u00edas un termo tibio o una horquilla para el cabello? GPT-3 sugiri\u00f3 la horquilla.<\/p>\n<p>Y si necesitas cubrirte el cabello para trabajar en un restaurante de comida r\u00e1pida, \u00bfqu\u00e9 funcionar\u00eda mejor, un envoltorio de papel para s\u00e1ndwich o un pan de hamburguesa? GPT-3 fue por el panecillo.<\/p>\n<p>\u00bfPor qu\u00e9 GPT-3 toma esas decisiones cuando la mayor\u00eda de la gente elige la alternativa? Porque GPT-3 no entiende el lenguaje tal como lo hacen los humanos.<\/p>\n<h3>Palabras sin cuerpo<\/h3>\n<p>Uno de nosotros es un investigador en psicolog\u00eda que hace m\u00e1s de 20 a\u00f1os present\u00f3 una serie de escenarios como los anteriores para probar la comprensi\u00f3n de un modelo inform\u00e1tico del lenguaje de esa \u00e9poca. El modelo no eligi\u00f3 con precisi\u00f3n entre usar rocas y mapas para avivar las brasas, mientras que los humanos lo hicieron con tanta facilidad.<\/p>\n<p>El otro de nosotros es un estudiante de doctorado en ciencias cognitivas que form\u00f3 parte de un equipo de investigadores que m\u00e1s <a href=\"https:\/\/escholarship.org\/uc\/item\/44z7r3j3\" target=\"_blank\" rel=\"noopener\">recientemente utiliz\u00f3 los mismos escenarios para probar GPT-3<\/a>.<sup>3<\/sup> Aunque GPT-3 funcion\u00f3 mejor que el modelo anterior, fue significativamente peor que los humanos. Obtuvo los tres escenarios mencionados anteriormente completamente equivocados.<\/p>\n<p>GPT-3, el motor que impuls\u00f3 el lanzamiento inicial de ChatGPT, aprende sobre el lenguaje observando, de un bill\u00f3n de instancias, qu\u00e9 palabras tienden a seguir a otras palabras. Las fuertes regularidades estad\u00edsticas en las secuencias del lenguaje permiten que GPT-3 aprenda mucho sobre el lenguaje. Y ese conocimiento secuencial a menudo permite que ChatGPT produzca oraciones, ensayos, poemas y c\u00f3digos de computadora razonables.<\/p>\n<p>Aunque GPT-3 es extremadamente bueno para aprender las reglas de lo que sigue en el lenguaje humano, no tiene la menor idea de lo que significan esas palabras para un ser humano. \u00bfY c\u00f3mo podr\u00eda?<\/p>\n<p>Los humanos son entidades biol\u00f3gicas que evolucionaron con cuerpos que necesitan operar en los mundos f\u00edsico y social para hacer las cosas. El lenguaje es una herramienta que ayuda a las personas a hacer eso. GPT-3 es un sistema de software artificial que predice la siguiente palabra. No necesita hacer nada con esas predicciones en el mundo real.<\/p>\n<h3>Yo soy, por lo tanto entiendo<\/h3>\n<p>El significado de una palabra u oraci\u00f3n est\u00e1 \u00edntimamente relacionado con el cuerpo humano: la capacidad de las personas para actuar, percibir y tener emociones. La cognici\u00f3n humana se fortalece al estar encarnada. La comprensi\u00f3n de la gente de un t\u00e9rmino como \u201cenvoltorio de papel para s\u00e1ndwich\u201d, por ejemplo, incluye la apariencia del envoltorio, su tacto, su peso y, en consecuencia, c\u00f3mo podemos usarlo: para envolver un s\u00e1ndwich. La comprensi\u00f3n de las personas tambi\u00e9n incluye c\u00f3mo alguien puede usarlo para una mir\u00edada de otras oportunidades que ofrece, como convertirlo en una pelota para un juego de aros o cubrirse el cabello.<\/p>\n<p>Todos estos usos surgen debido a la naturaleza de los cuerpos humanos y las necesidades: las personas tienen manos que pueden doblar papel, una cabellera que es aproximadamente del mismo tama\u00f1o que el envoltorio de un s\u00e1ndwich y la necesidad de ser empleado y, por lo tanto, seguir reglas como cubrir cabello. Es decir, las personas entienden c\u00f3mo hacer uso de las cosas de maneras que no se capturan en las estad\u00edsticas de uso del idioma.<\/p>\n<p>&nbsp;<\/p>\n<p><iframe loading=\"lazy\" title=\"The Embodied an Embedded Theory of the Mind\" width=\"640\" height=\"360\" src=\"https:\/\/www.youtube.com\/embed\/-wFV_0_w-vw?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/p>\n<p><strong>\u00a0<\/strong><\/p>\n<p>GPT-3, su sucesor, <a href=\"https:\/\/cdn.openai.com\/papers\/gpt-4.pdf\" target=\"_blank\" rel=\"noopener\">GPT-4<\/a>, y sus primos <em><a href=\"https:\/\/bard.google.com\/\" target=\"_blank\" rel=\"noopener\">Bard<\/a><\/em>, <em><a href=\"https:\/\/www.deepmind.com\/publications\/an-empirical-analysis-of-compute-optimal-large-language-model-training\" target=\"_blank\" rel=\"noopener\">Chinchilla<\/a><\/em> y <em><a href=\"https:\/\/ai.facebook.com\/blog\/large-language-model-llama-meta-ai\/\" target=\"_blank\" rel=\"noopener\">LLaMA<\/a><\/em> no tienen cuerpo, por lo que no pueden determinar, por s\u00ed mismos, qu\u00e9 objetos son plegables, ni las muchas otras propiedades que el psic\u00f3logo J.J. Gibson llam\u00f3 prestaciones. Dadas las manos y los brazos de las personas, los mapas de papel permiten avivar una llama y un termo permite desplegar las arrugas.<\/p>\n<p>Sin brazos ni manos, y mucho menos la necesidad de usar ropa sin arrugas para un trabajo, GPT-3 no puede determinar estas posibilidades. Solo puede falsificarlos si se ha topado con algo similar en el flujo de palabras en Internet.<\/p>\n<p>\u00bfAlguna vez una IA de modelo de lenguaje grande entender\u00e1 el lenguaje como lo hacen los humanos? A nuestro juicio, no sin tener un cuerpo humano, sentidos, prop\u00f3sitos y formas de vida.<\/p>\n<h3>Hacia un sentido del mundo<\/h3>\n<p>GPT-4 se entren\u00f3 tanto en im\u00e1genes como en texto, lo que le permiti\u00f3 aprender relaciones estad\u00edsticas entre palabras y p\u00edxeles. Si bien no podemos realizar nuestro an\u00e1lisis original en GPT-4 porque actualmente no muestra la probabilidad que asigna a las palabras, cuando le hicimos las tres preguntas a GPT-4, las respondi\u00f3 correctamente. Esto podr\u00eda deberse al aprendizaje del modelo a partir de entradas anteriores, o a su mayor tama\u00f1o y entrada visual.<\/p>\n<p>Sin embargo, se puede continuar construyendo nuevos ejemplos para hacerlo tropezar al pensar en objetos que tienen prestaciones sorprendentes que el modelo probablemente no haya encontrado. Por ejemplo, GPT-4 dice que una taza con el fondo cortado ser\u00eda mejor para contener agua que una bombilla con el fondo cortado.<\/p>\n<p>Un modelo con acceso a las im\u00e1genes podr\u00eda ser algo as\u00ed como un ni\u00f1o que aprende sobre el lenguaje y el mundo de la televisi\u00f3n: es m\u00e1s f\u00e1cil que aprender de la radio, pero la comprensi\u00f3n humana requerir\u00e1 la oportunidad crucial de interactuar con el mundo.<\/p>\n<p>Investigaciones recientes han tomado este enfoque, entrenando modelos de lenguaje para generar simulaciones f\u00edsicas, interactuar con entornos f\u00edsicos e incluso generar planes de acci\u00f3n rob\u00f3ticos. La comprensi\u00f3n del lenguaje incorporado a\u00fan puede estar muy lejos, pero este tipo de proyectos interactivos multisensoriales son pasos cruciales en el camino hacia all\u00ed.<\/p>\n<p>ChatGPT es una herramienta fascinante que, sin duda, se utilizar\u00e1 para prop\u00f3sitos buenos y no tan buenos. Pero no se deje enga\u00f1ar pensando que entiende las palabras que escupe, y mucho menos que es sensible.<\/p>\n<h3>Notas<\/h3>\n<p>1. Profesor Em\u00e9rito de Psicolog\u00eda en la Universidad Estatal de Arizona.<\/p>\n<p>2. Estudiante de doctorado en Ciencias Cognitivas en la Universidad de California, San Diego<\/p>\n<p>3. JONES, C.R., et al. Distrubutional Semantics Still Can&#8217;t Account for Affordances. <em>Proceedings of the Annual Meeting of the Cognitive Science Society<\/em>. 2022, vol. 44 [viewed 10 April 2023]. Available from: <a href=\"https:\/\/escholarship.org\/uc\/item\/44z7r3j3\" target=\"_blank\" rel=\"noopener\">https:\/\/escholarship.org\/uc\/item\/44z7r3j3<\/a><\/p>\n<h3>Referencias<\/h3>\n<p>BISK, Y., et al. Experience Grounds Language. In: Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), Online, 2020 [viewed 10 April 2023]. <a href=\"http:\/\/doi.org\/10.18653\/v1\/2020.emnlp-main.703\" target=\"_blank\" rel=\"noopener\">http:\/\/doi.org\/10.18653\/v1\/2020.emnlp-main.703<\/a>. Available from: <a href=\"https:\/\/aclanthology.org\/2020.emnlp-main.703\/\" target=\"_blank\" rel=\"noopener\">https:\/\/aclanthology.org\/2020.emnlp-main.703\/<\/a><\/p>\n<p>DOWD, M. A.I. Actually Insipid Until It\u2019s Actively Insidious [online]. The New Your Times. 2023 [viewed 10 April 2023]. Available from: <a href=\"https:\/\/www.nytimes.com\/2023\/01\/28\/opinion\/chatgpt-ai-technology.html\" target=\"_blank\" rel=\"noopener\">https:\/\/www.nytimes.com\/2023\/01\/28\/opinion\/chatgpt-ai-technology.html<\/a><\/p>\n<p>DRIESS, D., et al. PaLM-E: An Embodied Multimodal Language Model. <em>arXiv<\/em> [online]. 2023 [viewed 10 April 2023]. <a href=\"https:\/\/doi.org\/10.48550\/arXiv.2303.03378\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.48550\/arXiv.2303.03378<\/a>. Available from: <a href=\"https:\/\/arxiv.org\/abs\/2303.03378\" target=\"_blank\" rel=\"noopener\">https:\/\/arxiv.org\/abs\/2303.03378<\/a><\/p>\n<p>GLENBER, A.M. and ROBERTSON, D.A. Symbol Grounding and Meaning: A Comparison of High-Dimensional and Embodied Theories of Meaning. <em>Journal of Memory and Language<\/em> [online]. 2000, vol. 43, no. 3, pp. 379-401 [viewed 10 April 2023]. <a href=\"https:\/\/doi.org\/10.1006\/jmla.2000.2714\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.1006\/jmla.2000.2714<\/a>. Available from: <a href=\"https:\/\/www.sciencedirect.com\/science\/article\/abs\/pii\/S0749596X00927141\" target=\"_blank\" rel=\"noopener\">https:\/\/www.sciencedirect.com\/science\/article\/abs\/pii\/S0749596X00927141<\/a><\/p>\n<p>HOFFMANN, J., et al. Training Compute-Optimal Large Language Models. arXiv [online]. 2022 [viewed 10 April 2023]. <a href=\"https:\/\/doi.org\/10.48550\/arXiv.2203.15556\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.48550\/arXiv.2203.15556<\/a>. Available from: <a href=\"https:\/\/arxiv.org\/abs\/2203.15556\" target=\"_blank\" rel=\"noopener\">https:\/\/arxiv.org\/abs\/2203.15556<\/a><\/p>\n<p>Introducing LLaMA: A foundational, 65-billion-parameter large language model [online]. Meta AI. 2023 [viewed 10 April 2023]. Available from: <a href=\"https:\/\/ai.facebook.com\/blog\/large-language-model-llama-meta-ai\/\" target=\"_blank\" rel=\"noopener\">https:\/\/ai.facebook.com\/blog\/large-language-model-llama-meta-ai\/<\/a><\/p>\n<p>JONES, C.R., et al. Distrubutional Semantics Still Can&#8217;t Account for Affordances. <em>Proceedings of the Annual Meeting of the Cognitive Science Society<\/em>. 2022, vol. 44 [viewed 10 April 2023]. Available from: <a href=\"https:\/\/escholarship.org\/uc\/item\/44z7r3j3\" target=\"_blank\" rel=\"noopener\">https:\/\/escholarship.org\/uc\/item\/44z7r3j3<\/a><\/p>\n<p>LIU, R., et al. Mind&#8217;s Eye: Grounded Language Model Reasoning through Simulation. <em>arXiv<\/em> [online]. 2022 [viewed 10 April 2023]. <a href=\"https:\/\/doi.org\/10.48550\/arXiv.2210.05359\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.48550\/arXiv.2210.05359<\/a>. Available from: <a href=\"https:\/\/arxiv.org\/abs\/2210.05359\" target=\"_blank\" rel=\"noopener\">https:\/\/arxiv.org\/abs\/2210.05359<\/a><\/p>\n<p>MAHOWALD, K., et al. Dissociating language and thought in large language models: a cognitive perspective. <em>arXiv<\/em> [online]. 2023 [viewed 10 April 2023]. <a href=\"https:\/\/doi.org\/10.48550\/arXiv.2301.06627\" target=\"_blank\" rel=\"noopener\">https:\/\/doi.org\/10.48550\/arXiv.2301.06627<\/a>. Available from: <a href=\"https:\/\/arxiv.org\/abs\/2301.06627\" target=\"_blank\" rel=\"noopener\">https:\/\/arxiv.org\/abs\/2301.06627<\/a><\/p>\n<p>OpenAI. GPT-4 Technical Report [online]. OpenAI. 2023 [viewed 10 April 2023]. Available from: <a href=\"https:\/\/cdn.openai.com\/papers\/gpt-4.pdf\" target=\"_blank\" rel=\"noopener\">https:\/\/cdn.openai.com\/papers\/gpt-4.pdf<\/a><\/p>\n<p>SANDEEP. Summary: Gibson\u2019s \u201cThe Theory of Affordances\u201d [online]. <em>New Media Genres blog<\/em>, 2013 [viewed 10 April 2023]. Available from: <a href=\"https:\/\/newmediagenres.org\/2013\/01\/21\/group-1-the-theory-of-affordances-by-james-j-gibson\/\" target=\"_blank\" rel=\"noopener\">https:\/\/newmediagenres.org\/2013\/01\/21\/group-1-the-theory-of-affordances-by-james-j-gibson\/<\/a><\/p>\n<p>ZELLERS, R., et al. PIGLeT: Language Grounding Through Neuro-Symbolic Interaction in a 3D World. In: Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing (Volume 1: Long Papers), Online, 2021 [viewed 10 April 2023]. <a href=\"http:\/\/doi.org\/10.18653\/v1\/2021.acl-long.159\" target=\"_blank\" rel=\"noopener\">http:\/\/doi.org\/10.18653\/v1\/2021.acl-long.159<\/a>. Available from: <a href=\"https:\/\/aclanthology.org\/2021.acl-long.159\/\" target=\"_blank\" rel=\"noopener\">https:\/\/aclanthology.org\/2021.acl-long.159\/<\/a><\/p>\n<h3>Enlaces externos<\/h3>\n<p>Arthur Glenberg &#8211; Google Scholar: <a href=\"https:\/\/scholar.google.com\/citations?user=qycCCZMAAAAJ&amp;hl=en\" target=\"_blank\" rel=\"noopener\">https:\/\/scholar.google.com\/citations?user=qycCCZMAAAAJ&amp;hl=en<\/a><\/p>\n<p>Cameron R Jones &#8211; Google Scholar: <a href=\"https:\/\/scholar.google.com\/citations?user=mhU_tUgAAAAJ&amp;hl=en\" target=\"_blank\" rel=\"noopener\">https:\/\/scholar.google.com\/citations?user=mhU_tUgAAAAJ&amp;hl=en<\/a><\/p>\n<p>Google Bard: <a href=\"https:\/\/bard.google.com\/\" target=\"_blank\" rel=\"noopener\">https:\/\/bard.google.com\/<\/a><\/p>\n<p>GPT-3: <a href=\"https:\/\/openai.com\/blog\/gpt-3-apps\/\" target=\"_blank\" rel=\"noopener\">https:\/\/openai.com\/blog\/gpt-3-apps\/<\/a><\/p>\n<p>&nbsp;<\/p>\n<h3>Art\u00edculo original en ingl\u00e9s<\/h3>\n<p><a href=\"https:\/\/theconversation.com\/it-takes-a-body-to-understand-the-world-why-chatgpt-and-other-language-ais-dont-know-what-theyre-saying-201280\" target=\"_blank\" rel=\"noopener\">It takes a body to understand the world \u2013 why ChatGPT and other language AIs don\u2019t know what they\u2019re saying<\/a><\/p>\n<p>&nbsp;<\/p>\n<p>Traducido del original en <a href=\"https:\/\/theconversation.com\/it-takes-a-body-to-understand-the-world-why-chatgpt-and-other-language-ais-dont-know-what-theyre-saying-201280\" target=\"_blank\" rel=\"noopener\">ingl\u00e9s<\/a> por Ernesto Spinak.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los grandes modelos de lenguaje no pueden entender el lenguaje de la forma en que lo hacen los humanos porque no pueden percibir ni dar sentido al mundo. <span class=\"ellipsis\">&hellip;<\/span> <span class=\"more-link-wrap\"><a href=\"https:\/\/blog.scielo.org\/es\/2023\/04\/10\/se-necesita-un-cuerpo-para-entender-el-mundo-por-que-chatgpt-y-las-ia-de-otros-idiomas-no-saben-lo-que-dicen\/\" class=\"more-link\"><span>Read More &rarr;<\/span><\/a><\/span><\/p>\n","protected":false},"author":88,"featured_media":5268,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[3],"tags":[47,71,78],"class_list":["post-5267","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis","tag-difusion-de-la-informacion","tag-divulgacion-cientifica","tag-inteligencia-artificial"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts\/5267","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/users\/88"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/comments?post=5267"}],"version-history":[{"count":4,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts\/5267\/revisions"}],"predecessor-version":[{"id":5273,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts\/5267\/revisions\/5273"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/media\/5268"}],"wp:attachment":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/media?parent=5267"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/categories?post=5267"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/tags?post=5267"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}