Semantic Space of Parts of Speech
Este artículo desafía la visión tradicional de las categorías gramaticales como categorías nítidas mediante el uso de incrustaciones word2vec y redes neuronales para mapear palabras en un espacio semántico tridimensional, revelando la imprecisión inherente y las relaciones de frontera entre las categorías gramaticales en cinco idiomas.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
El lenguaje suele enseñarse como un sistema de cajas ordenadas. Aprendemos que una palabra es o bien un sustantivo, un verbo o un adjetivo, y que pertenece a una sola de estas categorías a la vez. Esta categorización nítida nos ayuda a construir diccionarios y enseñar gramática, pero no siempre coincide con la realidad desordenada de cómo funcionan realmente las palabras. Algunas palabras parecen pertenecer a dos lugares a la vez, o se sitúan justo en el límite entre categorías, negándose a ser encasilladas. Los lingüistas han sospechado durante mucho tiempo que estos límites son difusos, pero demostrarlo ha sido difícil porque los métodos tradicionales dependen del juicio humano y de reglas rígidas. Ahora, un equipo de investigadores de la Universidad Carolina de Praga y de la Universidad de Potsdam en Alemania ha utilizado un enfoque diferente para mapear esta incertidumbre. No preguntaron a las personas dónde pertenecían las palabras; en su lugar, dejaron que las palabras hablaran por sí mismas analizando cómo se comportaban en millones de frases.
Los investigadores partieron de una idea sencilla: las palabras que aparecen en situaciones similares tienden a tener significados similares. Este concepto, conocido como semántica distributiva, sugiere que si observas la compañía que hace una palabra, puedes entender qué es. Por ejemplo, una palabra que aparece a menudo junto a "el" y "grande" es probablemente un sustantivo, mientras que una que sigue a "podrá" o "puede" es probablemente un verbo. Las computadoras pueden convertir estos patrones en mapas matemáticos, donde cada palabra es un punto en un vasto espacio. Cuanto más cerca estén dos puntos, más similares son las palabras en su forma de uso. El equipo fue un paso más allá al pedirle a una computadora que aprendiera las reglas de las categorías gramaticales por sí misma. Alimentaron a la computadora con una colección masiva de textos en cinco idiomas diferentes: francés, checo, finlandés, ruso e inglés. Se le entregaron a la computadora las palabras y sus etiquetas estándar, y se le pidió que encontrara los patrones ocultos que las conectan.
Para dar sentido a los complejos datos, los investigadores construyeron un tipo especial de programa informático, una red neuronal, diseñada para comprimir toda la información en solo tres dimensiones. Imagine una habitación llena de miles de puntos flotantes, cada uno representando una palabra. En la mente de la computadora, estos puntos existen en un espacio con cientos de direcciones, lo cual es imposible para un ser humano visualizar. Los investigadores obligaron a la computadora a aplanar este espacio en una forma que podamos visualizar: un mapa tridimensional. En este mapa, la computadora colocó las palabras basándose en qué tan similares son en significado y uso. El resultado no fue una lista de reglas, sino un paisaje. En este paisaje, los tipos de palabras más comunes formaron grupos distintos, o "tentáculos", que se extendían desde un punto central.
Cuando los investigadores observaron estos mapas, vieron que las categorías tradicionales de sustantivos, verbos y adjetivos eran, de hecho, los grupos más fuertes. En cada idioma que estudiaron, estos tres grupos formaron formas claras y separadas. Sin embargo, el espacio entre ellos no estaba vacío. Los investigadores descubrieron que muchas palabras no se situaban estrictamente dentro de un tentáculo, sino en el espacio donde las formas se tocaban o se superponían. Por ejemplo, en francés, las palabras que pueden ser tanto verbos como adjetivos, como "olvidado", se encontraron justo en el límite entre el grupo de los verbos y el de los adjetivos. En inglés, las palabras que pueden ser tanto sustantivos como verbos, como "reír" o "cuidar", se ubicaron donde los tentáculos de los sustantivos y los verbos se mezclan. Esto confirmó que la difuminación que los lingüistas sospechaban es real y medible. Las palabras que causan más confusión para la gramática tradicional son aquellas que naturalmente viven en estas zonas de transición.
El estudio también reveló detalles sorprendentes sobre idiomas específicos. En ruso, los investigadores notaron que las formas cortas de los adjetivos, que se utilizan para describir un estado como "el hombre es joven", se agrupaban más cerca de los verbos que de otros adjetivos. Esto tiene sentido porque, en la gramática rusa, estas formas cortas a menudo funcionan como la acción principal de una oración. En finlandés, un idioma con una estructura muy diferente a los otros, el mapa mostró que los adverbios no formaban su propio grupo distinto, sino que estaban dispersos entre las otras categorías. Esto sugiere que en finlandés, la línea entre un adverbio y otras partes de la oración es mucho menos clara que en inglés o francés. Incluso en idiomas donde las reglas parecen estrictas, los datos mostraron que las palabras a menudo derivan dependiendo de cómo se utilicen.
Uno de los hallazgos más llamativos fue que los numerales, o números, a menudo formaban su propio grupo separado, a pesar de que la gramática tradicional a veces los trata como un tipo de sustantivo o adjetivo. En los mapas de francés, checo y ruso, los números se mantenían aparte de los grupos principales, sugiriendo que tienen una identidad semántica única que los distingue de otras palabras. Esto sucedió incluso aunque la computadora no recibió instrucciones de buscar números; descubrió este patrón puramente mediante el análisis de cómo se usaban las palabras en textos reales. Los investigadores también descubrieron que la forma en que las palabras se agrupan puede cambiar dependiendo del conjunto de datos específico, mostrando que los límites no son fijos, sino fluidos.
Los investigadores no pretendían crear un nuevo libro de gramática ni demostrar que un idioma es mejor que otro. Su objetivo era ver qué sucede cuando dejamos que los datos decidan las categorías. Descubrieron que, si bien las categorías principales de sustantivos, verbos y adjetivos son fuertes y estables, los bordes son suaves. Las palabras a menudo pertenecen a múltiples categorías a la vez, o cambian según el contexto. El estudio sugiere que las cajas rígidas que usamos para enseñar gramática son herramientas útiles, pero no capturan la imagen completa de cómo funciona el lenguaje. La verdadera naturaleza de una palabra no es una etiqueta única, sino una posición en un espacio vasto y cambiante donde puede estar cerca de muchas ideas diferentes.
Al visualizar estas relaciones, los investigadores proporcionaron una nueva forma de ver la estructura del lenguaje. En lugar de discutir si una palabra es un sustantivo o un verbo, ahora podemos ver exactamente dónde se sitúa en relación con ambos. Este enfoque no reemplaza las reglas antiguas, sino que añade una capa de profundidad que muestra la complejidad de la comunicación humana. Los mapas muestran que el lenguaje no es una colección de islas aisladas, sino un paisaje continuo donde las palabras fluyen unas hacia otras. El estudio confirma que la difuminación del lenguaje no es un error o un fallo, sino una característica fundamental de cómo usamos las palabras para describir el mundo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.