330 tablas de colores WCS (World Color Survey) contienen los nombres de 330 colores. Las filas representan valores de brillo espaciados uniformemente y columnas para tonos Munsell espaciados uniformemente. Cada estímulo tiene la máxima saturación disponible para esa combinación de tono / luminosidad. Fuente: Universitat Pompeu Fabra – Barcelona
Las palabras categorizan los campos semánticos a los que se refieren de una manera que maximiza la precisión de la comunicación y minimiza la complejidad. Investigaciones recientes han demostrado que los lenguajes humanos están óptimamente equilibrados entre precisión y complejidad. Por ejemplo, muchos idiomas tienen la palabra rojo, pero ningún idioma tiene palabras individuales que distingan diez tonos diferentes de rojo. Estas palabras adicionales complicarían el vocabulario y rara vez serían útiles para lograr una comunicación precisa.
El estudio fue publicado en la revista el 23 de marzo. Materiales de la Academia Nacional de Ciencias analizado como redes neuronales artificiales Desarrollar sistemas de nomenclatura de colores espontáneos. Estudio de Marco Baroni, profesor ICREA del Departamento de Traducción y Ciencias del Lenguaje (DTCL) de la UPF, realizado con miembros de Facebook AI Research (Francia).
Para este estudio, los científicos crearon dos redes neuronales artificiales entrenadas utilizando dos métodos generales de aprendizaje profundo. Como explica Baroni, “forzamos a las redes a jugar un juego de nombres de colores en el que tenían que comunicarse sobre etiquetas de color desde un espacio de color continuo. Sin embargo, no limitamos el “lenguaje” que podían usar cuando aprendían a jugar con éxito, observamos cómo evolucionaron espontáneamente los términos de denominación de colores que desarrollaron estas redes neuronales artificiales “.
Los autores encontraron que el vocabulario de color emergente tiene exactamente la misma propiedad de optimización de complejidad /precisión un compromiso encontrado en lenguajes humanos. Además, esta puntuación solo se mantiene cuando los sistemas se comunican a través de un canal discreto: cuando se les permite utilizar señales continuas (como silbidos o gestos con las manos no lingüísticas), su idioma pierde rendimiento.
Desde un punto de vista cognitivo, los resultados sugieren que las compensaciones óptimas entre complejidad y precisión pueden ser una propiedad universal que aparece en sistemas de comunicación discretos no relacionados con características específicas de la biología humana. Baroni agrega: “Los resultados muestran que los sistemas de IA modernos adoptan naturalmente un comportamiento similar al de los humanos, lo cual es sorprendente”.
Esto sugiere que la categorización efectiva de colores (y posiblemente otros dominios semánticos) en los lenguajes naturales no depende de restricciones biológicas humanas específicas, sino que es una propiedad general de los Comunicación sistemas.
Rahma Chaabouni y col. La comunicación de redes neuronales artificiales crea sistemas de nomenclatura de colores eficientes. PNAS. (2021) doi.org/10.1073/pnas.2016569118
A cargo de la Universitat Pompeu Fabra – Barcelona