Graded strength of comparative illusions is explained by Bayesian inference

Resumen Técnico: Explicación de la Fuerza Graduada de las Ilusiones Comparativas mediante la Inferencia Bayesiana

Problema
Las ilusiones comparativas (IC) son fenómenos lingüísticos en los que los comprendedores perciben erróneamente, de manera sistemática, oraciones semánticamente anómalas como aceptables (por ejemplo, Más estudiantes han estado en Rusia que yo). Aunque la oración carece de sentido porque la cláusula con than no proporciona un grado comparable, los comprendedores suelen juzgarla como natural. Investigaciones previas han propuesto que las IC resultan de una inferencia de "canal ruidoso" (noisy-channel), donde los comprendedores utilizan el razonamiento bayesiano para inferir el significado pretendido por el hablante ($s_i$) a partir de una señal corrupta ($s_p$). La probabilidad a posteriori $p(s_i|s_p)$ es proporcional a la probabilidad a priori del significado pretendido $p(s_i)$ y a la verosimilitud de la corrupción $p(s_p|s_i)$.

Sin embargo, el apoyo empírico previo a esta teoría (por ejemplo, Zhang et al., 2025) presentaba limitaciones significativas:

1. No modelaba cuantitativamente la distribución a posteriori completa, fallando al no contabilizar las probabilidades a priori ($p(s_i)$).
2. Se centraba principalmente en los tipos de IC más ilusorios (sujetos pronominales) y no podía explicar la fuerza graduada de las ilusiones encontradas en otros tipos de IC (por ejemplo, aquellos con sujetos de sintagma nominal completo).
3. Carecía de un marco cuantitativo unificado para predecir cómo las variaciones en la morfosintaxis (por ejemplo, pronombre frente a sintagma nominal, singular frente a plural) afectan la fuerza de la ilusión.

Metodología
Los autores llevaron a cabo dos experimentos y una fase de modelado estadístico para probar la hipótesis del canal ruidoso de forma cuantitativa.

• Experimento 1 (Juicio de Aceptabilidad):

  • Participantes: 494 hablantes nativos de inglés (un aumento de diez veces respecto a estudios previos).
  • Diseño: Una manipulación intra-sujeto de 2x2 del sujeto de la cláusula than: Forma (Pronombre frente a Sintagma Nominal) y Número (Singular frente a Plural).
  • Tarea: Los participantes calificaron la naturalidad de 30 oraciones críticas de IC y de oraciones de control en una escala Likert de 7 puntos.
  • Objetivo: Establecer una línea base conductual de la fuerza graduada de la ilusión a través de diferentes tipos de IC.

• Experimento 2 (Corrección de Oraciones):

  • Participantes: 199 hablantes nativos de inglés.
  • Tarea: Los participantes actuaron como editores, realizando el menor número posible de ediciones para transformar las oraciones anómalas de IC del Experimento 1 en oraciones plausibles y significativas.
  • Análisis:
    • Cualitativo: Las oraciones corregidas se categorizaron en tipos de interpretación (por ejemplo, "comparación de eventos", "comparación de individuos", "negación de eventos").
    • Cuantitativo: Se calculó la distancia de Damerau-Levenshtein (DLD) entre la oración anómala original y la oración corregida para servir como un proxy de la verosimilitud del ruido $p(s_p|s_i)$.

• Modelado Estadístico:

  • Aproximación de la Posterior: Los autores construyeron una aproximación cuantitativa de la posterior del canal ruidoso $p(s_i|s_p)$ utilizando la regla de Bayes:
    $$\hat{p}(s_i|s_p) = \frac{\hat{p}(s_i)\hat{p}(s_p|s_i)}{\hat{p}(s_p)}$$
    • Priors ($\hat{p}(s_i)$) y Evidencia ($\hat{p}(s_p)$): Estimados mediante las probabilidades de las oraciones de dos modelos de lenguaje estadísticos (GPT-2 Small y OPT).
    • Verosimilitud ($\hat{p}(s_p|s_i)$): Estimada como proporcional a $e^{-\text{DLD}}$, basada en las distancias de edición del Experimento 2.
  • Funciones de Vinculación: Se probaron dos hipótesis sobre cómo la posterior influye en la aceptabilidad:
    • Vínculo Máximo ($f_{max}$): La aceptabilidad está impulsada por la interpretación más probable única.
    • Vínculo Medio ($f_{mean}$): La aceptabilidad está impulsada por la probabilidad promedio de múltiples interpretaciones plausibles.
  • Regresión: Se utilizaron modelos de regresión ordinal acumulativa multinivel bayesianos para predecir las calificaciones de aceptabilidad del Experimento 1. Los modelos incluyeron las estimaciones de la posterior del canal ruidoso como predictores, controlando por la Razón de Logaritmos Sintácticos (SLOR), el orden de los ensayos y la aceptabilidad de las oraciones de control de base.

Contribuciones Clave

1. Replicación y Expansión: El estudio replica el hallazgo central de que las IC son calificadas con una aceptabilidad tan alta como los controles felicitos, pero expande significativamente el alcance al demostrar una fuerza de ilusión graduada. Específicamente, los sujetos de pronombre singular producen la ilusión más fuerte, mientras que los sintagmas nominales plurales producen ilusiones más débiles.
2. Modelado Cuantitativo de la Posterior: Los autores proporcionan la primera aproximación cuantitativa de la distribución completa de la posterior del canal ruidoso para las IC, integrando las probabilidades de modelos de lenguaje estadísticos con datos conductuales de edición humana.
3. Predicción de Efectos Graduados: El modelo cuantitativo predice con éxito la variabilidad en la fuerza de la ilusión a través de diferentes condiciones morfosintácticas, un fenómeno no explicado por teorías previas.
4. Mecanismo de Integración: El estudio identifica que la función de vinculación media (que agrega múltiples interpretaciones plausibles) supera a la función de vinculación máxima (que depende de la interpretación única más probable) en la predicción de los juicios de aceptabilidad humana.

Resultう

• Hallazgos Conductuales: El Experimento 1 confirmó que las IC de pronombre singular son indistinguibles de los controles en cuanto a aceptabilidad, mientras que las condiciones de pronombre plural y sintagma nominal muestran una disminución medible y graduada en la aceptabilidad.
• Patrones de Corrección: El Experimento 2 reveló que aproximadamente el 80% de las correcciones fueron "plausibles", siendo la "comparación de eventos" y la "comparación de individuos" las interpretaciones dominantes.
• Desempeño del Modelo:
  • Las estimaciones de la posterior del canal ruidoso predijeron significativamente las calificaciones de aceptabilidad de las IC por encima de los controles fuertes (SLOR, orden, base).
  • La función de vinculación media ($f_{mean}$) proporcionó el mejor ajuste, indicando que la aceptabilidad está influenciada por la probabilidad agregada de múltiples interpretaciones plausibles, no solo por la más probable.
  • Este resultado se mantuvo a través de dos modelos de lenguaje diferentes (GPT-2 Small y OPT) y dos conjuntos de datos (el estudio actual y un conjunto de datos público de Zhang et al., 2025).
  • La función de vinculación máxima ($f_{max}$) mostró un poder predictivo más débil y, cuando se incluyó con la función media, a menudo arrojó un coeficiente negativo, lo que sugiere que la "mejor" interpretación única es insuficiente para explicar los datos.

Significación y Reivindicaciones
El artículo sostiene que estos hallazgos proporcionan un sólido apoyo empírico a la inferencia de canal ruidoso como una teoría de nivel computacional unificado de la comprensión del lenguaje. Específicamente:

• Racionalidad de las Ilusiones: El estudio argumenta que las IC no son meros fallos de procesamiento (por ejemplo, procesamiento de "suficientemente bueno" o heurísticas superficiales), sino que reflejan una interpretación de la oración Bayes-óptima. El cerebro del comprendedor está funcionando correctamente al integrar la entrada sensorial ruidosa con los priors descendentes (top-down).
• Teoría Unificada: Los resultados convergen con la evidencia de otras ilusiones lingüísticas y contextos no ilusorios, sugiriendo que la inferencia de canal ruidoso es un mecanismo general para diversos fenómenos de procesamiento del lenguaje.
• Avance Metodológico: El trabajo demuestra que las calificaciones de aceptabilidad capturan un espacio rico de procesamiento probabilístico de la oración, extendiéndose más allá de los juicios de gramaticalidad binarios. Valida el uso de modelos de lenguaje estadísticos combinados con datos conductuales para aproximar los procesos inferenciales humanos.
• Distinción del Procesamiento "Suficientemente Bueno": Aunque reconoce que el procesamiento "suficientemente bueno" (nivel algorítmico) y la inferencia de canal ruidoso (nivel computacional) pueden ser compatibles, los autores enfatizan que la naturaleza graduada de los efectos de las IC se explica mejor mediante la estructura matemática de la inferencia bayesiana (la distribución de probabilidad a posteriori) en lugar de por restricciones en el esfuerzo cognitivo por sí solas.

Los autores mantienen la modestia respecto al modelo de ruido específico utilizado (basado en DLD) y la dinámica temporal exacta de la interpretación, señalando que se requiere trabajo futuro para refinar el término de verosimilitud del ruido y las funciones de vinculación entre las probabilidades a posteriori y las medidas conductuales. Sin embargo, afirman que el hallazgo central —que la fuerza de la ilusión graduada sigue la probabilidad a posteriori cuantitativa de las alternativas plausibles— es una confirmación robusta de la teoría del canal ruidoso.