Las palabras clasifican los campos semánticos a los que hacen referencia de manera que maximizan la precisión de la comunicación y minimizan la complejidad. Estudios recientes han demostrado que los lenguajes humanos presentan un equilibrio óptimo entre precisión y complejidad. Por ejemplo, muchos idiomas tienen una palabra que denota el color rojo, pero ningún idioma tiene palabras separadas (individuales) para distinguir diez matices diferentes de este color. Estas palabras adicionales complicarían el vocabulario y rara vez serían útiles para lograr una comunicación precisa.

Un trabajo publicado el 23 de marzo en la revista Proceedings of the National Academy of Sciences of the United States of America ha analizado como las redes neuronales artificiales desarrollan sistemas espontáneos para denominar colores. Un estudio de Marco Baroni, profesor de investigación ICREA del Departamento de Traducción y Ciencias del Lenguaje (DTCL) de la UPF, llevado a cabo con miembros de Facebook AI Research (Francia).

Una compensación óptima de complejidad / precisión puede ser una propiedad universal que surge en sistemas de comunicación discretos, no ligada a características específicas de la biología humana

Para este trabajo, los investigadores formaron dos redes neuronales artificiales entrenadas con métodos genéricos de aprendizaje profundo. Según explica Baroni, "hicimos que las redes jugaran a un juego de discriminación de color en el que debían comunicarse sobre chips de colores a partir de un espacio de color continuo. No limitamos el "lenguaje" que podían utilizar, pero, cuando aprendieron a jugar al juego con éxito, observamos los términos de denominación de colores que habían desarrollado espontáneamente estas redes neuronales artificiales".

Los resultados muestran que los sistemas modernos de inteligencia artificial adoptan de manera natural comportamientos similares a los humanos

Los autores encontraron que el vocabulario de color emergente tiene exactamente la misma propiedad de optimizar la compensación de complejidad / precisión que se ha encontrado en los idiomas humanos. Además, este resultado sólo se mantiene mientras los sistemas se comunican a través de un canal discreto: cuando se les permite emplear señales continuas (como silbidos o gestos de manos no lingüísticos), su lenguaje pierde eficiencia.

Desde el punto de vista de la ciencia cognitiva, los resultados obtenidos sugieren que una compensación óptima de complejidad / precisión puede ser una propiedad universal que surge en sistemas de comunicación discretos, no ligada a características específicas de la biología humana. Baroni añade "los resultados muestran que los sistemas modernos de inteligencia artificial adoptan de manera natural comportamientos similares a los humanos, lo que no deja de ser sorprendente".

Esto sugiere que una categorización eficiente de los colores (y posiblemente de otros dominios semánticos) en los lenguajes naturales no depende de restricciones biológicas específicas de los humanos, sino que es una propiedad general de los sistemas de comunicación discretos.

Trabajo de referencia:

 Rahma Chaabouni, Eugene Kharitonov,  Emmanuel Dupoux, Marco Baroni (2021), "Communicating artificial neural networks develop efficient color-naming systems", 23 de marzo, PNAS.  https://doi.org/10.1073/pnas.2016569118