En un estudio, los investigadores probaron que los agentes de IA jugaran un juego de comunicación entre sí para imitar cómo los humanos desarrollan el lenguaje. Hicieron que un agente de IA comunicara un color a través de un símbolo, y el agente de IA receptor intentaría recuperar a qué color correspondía el símbolo. Ambos agentes recibieron una recompensa común si el color se recuperó con éxito. Los investigadores también permiten que los modelos de IA aprendan entre sí durante las generaciones. El resultado general fue un sistema para nombrar colores similares al lenguaje de color humano, a pesar de que los agentes de IA nunca habían entrado en contacto con tal. Crédito: Universidad de Tecnología de Chalmers | Emil Carlsson | Mia Halleröd Palmgren
Un sistema de IA que aprende el lenguaje desarrolla de forma autónoma un lenguaje estructurado de la misma manera que el lenguaje humano. Y así como los humanos aprendemos de generaciones anteriores, los modelos de IA mejoran cuando aprovechan el conocimiento de los parientes mayores.
Esto se muestra en un estudio de la Universidad Tecnológica de Chalmers y la Universidad de Gotemburgo, Suecia, que explora los mecanismos detrás del lenguaje humano y proporciona un conocimiento importante para el desarrollo de la IA del futuro.
El estudio se publica en el Journal of Language Evolution.
Los modelos de idiomas basados en IA como ChatGPT están mejorando cada vez más para imitar el lenguaje humano y se utilizan cada vez más como una herramienta para producir texto. Pero los mismos tipos de modelos también pueden enseñarnos a comprender mejor cómo han evolucionado los idiomas humanos.
En el estudio, los investigadores exploraron un sistema de inteligencia artificial para evolucionar los idiomas mediante el uso de dos métodos diferentes en una combinación previamente no probada. Por un lado, se usó el aprendizaje de refuerzo, donde las acciones correctas son recompensadas y, por lo tanto, se refuerzan, y por otro lado, los investigadores dejan que los modelos de IA aprendan entre sí durante generaciones.
“Descubrimos que los modelos de IA alcanzaron algo estructurado de la misma manera que el lenguaje humano, y que el aprendizaje de idiomas funcionó de manera similar al lenguaje humano. Por lo tanto, el estudio proporciona información importante sobre cómo funcionan los modelos de IA, pero también una mayor comprensión de cómo evolucionan las lenguas humanas”, dice Emil Carlsson, quien en el momento del estudio fue un estudiante doctoral en Chalmers y la Universidad de Gothenburg.
Todos los idiomas se esfuerzan por ser eficientes
Según una teoría influyente en la ciencia cognitiva, todo el lenguaje humano está conformado por la necesidad de poder comunicarse de manera efectiva. Al mismo tiempo, se necesita un equilibrio: como herramienta, el idioma debe ser informativo pero también lo suficientemente simple como para que podamos aprender. Y cuanta más información debe comunicarse, más matizado debe ser el lenguaje.
Un ejemplo clásico es que los idiomas en climas más fríos a menudo tienen más palabras para la nieve y el hielo que los idiomas en climas más cálidos.
Para probar la teoría e investigar cómo el lenguaje se vuelve eficiente, los investigadores crearon agentes de IA, modelos diferentes de IA, que jugaron un juego de comunicación entre sí.
A los agentes de IA se les mostró un color y una lista de símbolos que inicialmente no tenían sentido. A medida que los agentes interactúan, estos símbolos se asocian con ciertos colores y se utilizan para comunicar el color al otro agente.
“La razón por la que usamos los colores es que hay tantos datos sobre cómo el espectro de color se nombra en diferentes idiomas, incluidos los datos de los idiomas aislados que nunca se han expuesto a otros idiomas. La categorización de colores varía entre idiomas, tanto en términos de la cantidad de palabras como qué parte del espectro de color describen las palabras”, dice Carlsson.
Las recompensas y el intercambio generacional arrojaron resultados para el desarrollo del lenguaje
Los experimentos involucraron a un agente de IA que comunicaba un color a través de uno de los símbolos en la lista, y el agente de IA receptivo adivinaría a qué color correspondía el símbolo. Ambos agentes recibieron una recompensa común cuando progresaron en su comunicación. Cuanto más se acercaban a una designación común del tono de color exacto que el agente receptor obtuvo, más puntos se otorgaron.
En el siguiente paso, se crearon nuevas “generaciones” de agentes de IA, mientras que los antiguos agentes de IA fueron eliminados. Los nuevos agentes de IA pudieron ver el diálogo y el lenguaje que la generación anterior había logrado desarrollar. Después de eso, los nuevos agentes de IA pudieron jugar el mismo juego de comunicación entre sí.
“La idea era dejar que los agentes de IA primero aprendan un idioma de generaciones anteriores y luego lo desarrollaran aún más comunicándose entre ellos. Al igual que dos niños pequeños que aprenden escuchando a mamá y papá hablar y luego continúan ampliando y desarrollando sus propios idiomas”, dice Carlsson.
Proporciona conocimiento sobre cómo se desarrolla el lenguaje
El resultado fue un sistema para nombrar colores que eran similares a los idiomas de color humano, a pesar del hecho de que los agentes de IA nunca habían entrado en contacto con ellos.
“Lo interesante fue que era precisamente la combinación de la resolución de problemas en el juego, junto con el hecho de que los agentes de IA aprendieron de generaciones anteriores, lo que condujo a un lenguaje efectivo que se asemeja al lenguaje humano. Cuando los agentes de IA solo se comunicaron entre sí para resolver el juego, los idiomas se volvieron demasiado complejos”, dice.
“También tratamos de dejar que los agentes de IA solo aprendan de generaciones anteriores, sin tener que lidiar con el aspecto de resolución de problemas del juego, y luego los idiomas se volvieron demasiado simples”.
Según Carlsson, los resultados indican que nuestra capacidad para comunicarse y aprender unos de otros es crucial sobre cómo se desarrollan los idiomas con el tiempo.
“Cuando solo aprendemos algo de otra persona, sin quizás comprendiendo los beneficios de la misma, nuestra tendencia a desarrollar el conocimiento disminuye. Pero cuando realmente tenemos que usar lo que hemos aprendido para resolver problemas y avanzar, es cuando se pueden crear idiomas estructurados y efectivos”, dice.
Espera que los resultados contribuyan con nuevas ideas e ideas en la investigación del lenguaje, así como la investigación en IA e informática.
“Este es un conocimiento que puede ayudarnos a comprender mejor los mecanismos detrás de los idiomas humanos, pero también comprender cómo funcionan los grandes modelos de idiomas basados en IA. Esto puede allanar el camino para poder guiar el desarrollo de la IA en direcciones fructíferas”, dice Carlsson.
Más información: Emil Carlsson et al, evolución cultural a través del aprendizaje y la comunicación iterados explica sistemas eficientes de nombres de color, Journal of Language Evolution (2024). Doi: 10.1093/jole/lzae010
Proporcionado por la Universidad Tecnológica de Chalmers
Cita: AI aprende idiomas De manera similar a los humanos, muestra el estudio (2025, 29 de mayo) recuperado el 29 de mayo de 2025 de https://techxplore.com/news/2025-05-ai-languages-similarly-humans.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
