La interacción mediante el uso del lenguaje verbal entre máquinas y humanos está presente en nuestro día a día cada vez que hablamos con nuestro asistente de voz del smartphone, por ejemplo. Y se espera que cada vez más esa sea el principal medio de comunicación entre personas y robots de todo tipo, sean domésticos o industriales. El problema es lograr que las máquinas sean capaces de entender las palabras y saber qué es lo que queremos decir exactamente. El lenguaje humano es un código de señales que representan ideas abstractas, en constante evolución y sujeto a innumerables variables sociales. La propia robótica, con su capacidad de aprendizaje automático, resolverá la cuestión.
Investigadores de la Facultad de Humanidades de EPFL han utilizado el aprendizaje automático para revelar cómo los humanos cierran las brechas a menudo significativas entre la señal y el significado en la comunicación.
Robert Lieck y Martin Rohrmeier del Laboratorio de Musicología Cognitiva y Digital (DCML) utilizaron el aprendizaje automático y la Inteligencia Artificial para explorar las alineaciones y desalineaciones entre señales, como palabras y gestos, y el significado en la comunicación. Sus hallazgos se han publicado recientemente en Cognition, una reconocida revista de ciencia cognitiva.
Resolviendo el enigma del lenguaje
Lieck, investigador postdoctoral y autor principal del artículo, explica que la investigación de DCML aborda un enigma fundamental de la comunicación y la evolución del significado en el lenguaje.
«El problema es que las palabras son rígidas y solo pueden apuntar a una sola idea, mientras que los sentimientos, los colores, etc. son de naturaleza continua y gradual. Esencialmente, esto significa que entre dos palabras, hay significados infinitos que las palabras solas no puedo capturar «.
Los seres humanos, por supuesto, son capaces de expresar con precisión esos significados «difusos»; por ejemplo, mediante el tono de voz o los gestos. Entonces, ¿por qué empezamos a dividir significados continuos para exprimirlos en palabras discretas?
La comunicación como juego
Lieck y Rohrmeier buscaron responder a esta pregunta de manera empírica utilizando métodos computacionales para simular la evolución de la comunicación como un juego. En su simulación de aprendizaje automático, dos agentes virtuales intercambiaron e interpretaron señales y utilizaron los comentarios de su entorno para mejorar sus estrategias de comunicación.
Los investigadores descubrieron tres hallazgos clave.
- Primero, los agentes virtuales desarrollaron señales distintas o «palabras» para los componentes estructurales de su entorno. Sin embargo, también tenían formas continuas de comunicar gradaciones más finas dentro de cada uno de esos componentes, análogas a las diferentes pronunciaciones de la misma palabra.
- En segundo lugar, incluso en los casos en que era posible una comunicación completamente continua, los agentes no siempre podían encontrar una coincidencia óptima y, a veces, creaban mosaicos de diferentes fragmentos de señales para expresar todos los significados.
- Finalmente, los investigadores encontraron que en los casos en que las señales y los significados son continuos pero tienen diferentes formas lógicas (por ejemplo, si las señales siguen una forma circular y los significados una lineal), se pueden asignar significados muy diferentes a señales muy similares, lo que obliga a los agentes dejar espacios entre esas señales para evitar malentendidos.
Considere las ligeras diferencias de significado que puede transmitir una pronunciación diferente de las siguientes oraciones. En los medios de texto que se acercan al lenguaje hablado pero que no permiten diferentes propiedades de fuente, como mensajes cortos, la necesidad de emular las propiedades continuas del lenguaje hablado conduce a un abuso de las propiedades discretas, como la repetición de caracteres para estirar un sonido o mayúsculas para aumentar el volumen:
1. «Es muuuuy diferente».
2.»Es muy diferente.»
Imagen: © Lieck et al 2021
De los animales a Zoom
Estos hallazgos tienen implicaciones de amplio alcance no solo para la comprensión del lenguaje humano, sino también para otros sistemas de comunicación, incluida la comunicación animal y la música.
“Nuestra investigación ayuda a comprender mejor cómo evolucionan los mapas de significado en diversas formas de comunicación y cómo se pueden utilizar para expresar ideas sobre un mundo complejo”, dice Rohrmeier.
Lieck agrega que el trabajo ofrece un análisis unificado tanto de los aspectos estructurales discretos del lenguaje como de los aspectos continuos y graduales: «Demostramos que estos son realmente dos caras de la misma moneda, y que uno no puede entenderse sin el otro».
El estudio también destaca el papel estructural fundamental que juega la comunicación no verbal, que tiene particular relevancia en medio de una pandemia: mientras contemplamos el futuro de la videoconferencia en la educación y el trabajo, a menudo nos enfrentamos a condiciones menos que óptimas con respecto a la comunicación no verbal, pero también desarrollamos nuevas formas de expresarnos a medida que la comunicación continúa evolucionando.
Referencias
Lieck R, Rohrmeier M. Discretización y continuidad: la aparición de símbolos en la comunicación. Cognición. 2021 Oct; 215: 104787. Discretisation and continuity: The emergence of symbols in communication. doi: 10.1016 / j.cognition.2021.104787 . Epub 2021 21 de julio. PMID: 34303183; PMCID: PMC8381766.
Fuente: EPFL / Facultad de Humanidades | CDH
Autores: Celia Luterbacher , Madeleine Dungy Este contenido se distribuye bajo una licencia Creative Commons CC BY-SA 4.0. Puede reproducir libremente el texto, los videos y las imágenes que contiene, siempre que indique el nombre del autor y no imponga restricciones al uso posterior del contenido. Si desea reproducir una ilustración que no contiene el aviso CC BY-SA, debe obtener la aprobación del autor.
