Termómetros cognitivos: proponen usar redes neuronales para medir la complejidad del significado

El preprint arXiv:2610.10724 (sección cs.CL) plantea una cuestión en la intersección de la lingüística, la ciencia cognitiva y el machine learning: ¿por qué las lenguas naturales prefieren sistemáticamente unos significados a otros? Los autores proponen medir la complejidad del significado a través de la capacidad de aprendizaje de los modelos y llaman a estos modelos «termómetros cognitivos». El trabajo no presenta nuevos benchmarks ni cifras récord. Es un repaso de los datos acumulados y una postura metodológica, pero tiene consecuencias prácticas para los investigadores de IA.

Por qué la complejidad lógica resultó ser una herramienta incómoda

La tipología semántica estudia qué significados aparecen en las lenguas del mundo y cuáles casi nunca lo hacen. Los objetos de estudio habituales son los cuantificadores como «todos», «algunos» y «la mayoría», y las palabras de color, parentesco y modalidad. La explicación clásica dice que los significados frecuentes son más simples. La simplicidad suele definirse mediante la lógica: se mide la longitud de la fórmula que describe el significado o la complejidad de su definición.

Este enfoque tiene un punto débil, que los autores señalan sin rodeos. La estimación de la complejidad depende en gran medida de la elección del lenguaje lógico. Si se añade un solo operador al conjunto de primitivas, un significado pasa a ser «más corto» y otro «más largo». Los investigadores toman parte de estas decisiones sin una justificación independiente. El resultado es que la métrica puede ajustarse al resultado deseado, aunque sea sin querer.

Qué proponen en su lugar

Los autores consideran que el machine learning ofrece una forma más agnóstica de medir la misma magnitud. La idea consiste en entrenar un modelo para que reconozca un significado y ver cuántos datos o pasos necesita para ello. Cuanto más difícil es aprender un significado, más «complejo» es. Así no hace falta elegir un formalismo lógico, aunque quedan otros supuestos: la arquitectura, los datos y el procedimiento de entrenamiento.

Del repaso se desprenden tres conclusiones:

• La lógica y el machine learning suelen dar estimaciones similares de la complejidad relativa de los significados.
• Esas estimaciones predicen por igual qué significados aparecen con más frecuencia en las lenguas del mundo.
• Donde los métodos divergen, la capacidad de aprendizaje explica, según los autores, los datos tipológicos mejor que la complejidad lógica.

De ahí viene la metáfora del termómetro. No explica por qué hace calor, pero da un número reproducible que no depende de los gustos del observador. En este papel, el modelo funciona como instrumento de medida, no como modelo del pensamiento humano.

Un puente entre los símbolos y el conexionismo

El principal argumento teórico del artículo es que este enfoque une la lógica simbólica y la IA conexionista. Durante años, estos dos bandos han discutido sobre con qué representar el conocimiento: reglas o pesos distribuidos. Aquí se les encuentra una tarea común. La lógica plantea hipótesis sobre la estructura de los significados, y el aprendizaje comprueba hasta qué punto esas hipótesis concuerdan con lo que resulta realmente fácil de asimilar.

Las salvedades son evidentes. La capacidad de aprendizaje de una red neuronal depende de la arquitectura, de los sesgos inductivos y de la distribución de los datos, así que el «termómetro» puede tener su propio error sistemático. Que los resultados se parezcan a la tipología humana no demuestra que las personas aprendan de la misma manera. Se trata de una correlación entre dos procedimientos de medición, no de una prueba de un mecanismo común.

Dónde puede resultar útil

Para los profesionales y los investigadores, la conclusión es bastante terrenal. Si estudias qué aprenden los modelos de lenguaje y cómo lo hacen, la tipología semántica ofrece un conjunto listo de tareas de prueba con datos humanos conocidos. Si trabajas en interpretabilidad, puedes comparar la «complejidad para el modelo» con la «complejidad para el humano» y buscar discrepancias: mostrarán dónde el modelo usa estrategias ajenas y no humanas. Para quienes construyen sistemas neurosimbólicos, el trabajo es un argumento a favor de métricas híbridas, en las que la complejidad formal se contrasta con la capacidad de aprendizaje empírica.

Por ahora es más un programa de investigación que un estándar listo para usar. Su valor lo determinarán los experimentos reproducibles con distintas arquitecturas: si modelos diferentes arrojan un «grado de complejidad» coherente, el termómetro podrá considerarse operativo.