En el campo del procesamiento de lenguajes naturales, surgido de las redes neuronales profundas, tanto humanos como máquinas han buscado un entendimiento más claro de cómo las estructuras lingüísticas afectan el aprendizaje. Recientes investigaciones han destacado que una característica fundamental del lenguaje, la estructura composicional, facilita su aprendizaje tanto en humanos como en redes neuronales.

Un estudio reciente, ejecutado por un equipo de científicos internacionales, comparó cómo las redes neuronales y los humanos aprenden lenguajes con diferentes grados de estructura composicional. Utilizando modelos de lenguaje a gran escala y redes neuronales recurrentes, se probó que la exposición a lenguajes más estructurados fomentó una mejor generalización, donde tanto humanos como redes coincidían más en sus interpretaciones y producían resultados sorprendentes.

A través de un diseño experimental riguroso, se presentaron diez lenguajes artificiales creados a partir de etiquetas para formas y direcciones en movimiento, variando en estructura composicional. Estos sets de datos de entrada evidenciaron que la máxima regularidad y transparencia conduce a aprendizajes más eficientes en adultos, mostrando que estos lenguajes altamente compuestos fueron aprendidos más rápida y consistentemente.

La capacidad de memorizar y generalizar a partir del lenguaje estructurado presentó una sorprendente similitud entre humanos y máquinas. Los modelos de lenguaje modernos, cuando son entrenados desde cero, replican tendencias humanas, incluso sin la ventaja de haber sido “preentrenados” en un lenguaje existente.

Este fenómeno sugiere que tanto en humanos como en redes neuronales profundas, las estructuras composicionales no solo facilitan el aprendizaje, sino que también permiten combinaciones infinitas de expresiones, reinventando y recombinando significados conocidos. Asimismo, estas estructuras son importantes para comprender la evolución del lenguaje, proporcionando una base para futuras simulaciones del surgimiento del lenguaje.

En conclusión, al elevar la composicionalidad de un lenguaje, no solo se propicia un aprendizaje más rápido y profundo para los sistemas de aprendizaje -como las redes neuronales- sino que también se logra una mayor proximidad a los patrones humanos de entendimiento. Así, el estudio impactará tanto en el desarrollo de modelos más inteligentes en la ciencia computacional como en nuestra comprensión de la manera en que el lenguaje humano podría haber evolucionado hasta nuestros días.