La IA aprende a leer como una persona: de manera perezosa, con saltos y retrocesos — y resulta ser el método idea

Durante la lectura, los ojos no se mueven por la página de manera uniforme. En algunas palabras la vista se detiene, otras se atraviesan casi sin pausa, y a veces vuelve atrás unas palabras o toda una línea. Detrás de la lectura habitual hay una decisión constante: qué parte del texto examinar con más atención, dónde se puede seguir adelante y cuándo sin volver a mirar no se recuperará el sentido.

Un nuevo modelo computacional reproduce precisamente ese proceso de selección. El algoritmo no se limita a copiar las trayectorias de la mirada humana registradas en experimentos, sino que aprende a distribuir la atención para comprender mejor el texto en un tiempo limitado. Los autores aplicaron aprendizaje por refuerzo, un método de aprendizaje automático en el que el sistema prueba distintas acciones y gradualmente elige la estrategia que da mejor resultado. Este enfoque se emplea con frecuencia en robótica y en otras tareas en las que el programa debe buscar por sí mismo la secuencia adecuada de acciones.

Los autores del estudio relacionaron los movimientos oculares con la cantidad de información que el lector consigue entender y conservar en la memoria. El modelo tiene en cuenta el conocimiento del idioma, el volumen de memoria disponible, las características de la visión y la velocidad de movimiento de los ojos. El conjunto de parámetros permite reproducir diferentes formas de lectura, no una trayectoria universal para todas las personas.

Modelos previos eran más simples. Los investigadores recogían grandes conjuntos de datos en los que fragmentos de texto se emparejaban con registros de movimientos oculares y luego entrenaban un algoritmo para imitar los patrones observados. El sistema podía predecir dónde la persona detendría la mirada o hacia dónde miraría después, pero una coincidencia así no explicaba la razón de la elección.

El problema se acentuaba especialmente fuera de los datos conocidos. Un modelo entrenado con textos y condiciones experimentales concretas podía trasladar peor los patrones aprendidos a otro idioma o a un nuevo contexto. El enfoque propuesto parte no de una trayectoria de mirada ya hecha, sino de la tarea del lector: comprender el contenido con recursos limitados de tiempo, atención y memoria.

El modelo parte de la idea de que el cerebro gasta los recursos cognitivos con economía. No es necesario analizar cada palabra en detalle si ya se ha captado el sentido general. Pero avanzar demasiado rápido tampoco es rentable: una detalle importante omitido puede obligar a buscar de nuevo el sitio y releer el fragmento. Por eso la mirada cambia constantemente entre seguir adelante, saltar, detenerse y volver atrás.

El algoritmo toma decisiones en tres niveles. A nivel de palabra hay que obtener suficiente información visual para reconocerla. A nivel de oración es necesario relacionar las palabras entre sí, decidir qué parte se puede omitir y cuándo hace falta volver atrás. A nivel del texto completo el modelo determina qué información hay que retener en la memoria y qué fragmentos conviene releer para lograr la comprensión global. Esa es la jerarquía que describen los autores del trabajo.

La estrategia cambia junto con las características del lector. Una persona con buena memoria y alta velocidad de lectura puede pasar más rápido de un párrafo al siguiente, porque lo ya leído permanece accesible durante más tiempo. Con menor capacidad de memoria aumenta la probabilidad de volver atrás: el detalle necesario puede desaparecer de la memoria antes de que haga falta para comprender la parte siguiente.

El dominio del idioma también influye en la distribución de la atención. Las palabras conocidas se reconocen antes, mientras que el léxico desconocido y las construcciones complejas requieren fijaciones adicionales. La velocidad de movimiento de los ojos y las particularidades de la visión añaden dos limitaciones más. Como resultado, dos personas pueden leer la misma página por rutas distintas y aun así llegar al mismo significado.

Los investigadores convirtieron las características del lector en parámetros ajustables y permitieron que el algoritmo buscara por sí mismo la estrategia adecuada. No se le dieron reglas prefabricadas. El sistema no recibió la instrucción de detenerse en determinadas categorías gramaticales, de leer obligatoriamente cada palabra ni de regresar tras un número fijo de líneas.

Se suministraron al algoritmo millones de textos. Repetidamente eligió adónde dirigir la mirada y optimizó los movimientos para extraer la mayor cantidad posible de sentido en el tiempo disponible. El aprendizaje por refuerzo permitió buscar la estrategia a partir de las consecuencias de cada decisión, en lugar de copiar un comportamiento humano grabado de antemano.

A medida que lee, el modelo crea una representación interna abreviada del contenido. En palabras sencillas, el algoritmo no guarda una copia fotográfica de todas las palabras vistas, sino la información necesaria para comprender el texto. Si falta algún detalle importante, el modelo puede dirigir la mirada a la palabra o a la parte de la oración necesaria y completar la información ausente.

El retroceso, por tanto, no surge por una regla predefinida. La causa es una laguna concreta en la comprensión. Si el sentido posterior se puede reconstruir sin releer, el algoritmo continúa hacia delante. Si la palabra u oración omitida impide conectar las partes del texto, el modelo vuelve al fragmento preciso.

La calidad de la comprensión se verifica por la información que el algoritmo ha retenido después de la lectura. Se puede hacer una pregunta al modelo sobre el texto y comprobar la respuesta teniendo en cuenta el tiempo y las limitaciones asignadas a un perfil de lector concreto. Así, el movimiento de los ojos se vincula con el resultado final: cuánto sentido se logró extraer del material visto.

Tras el entrenamiento, las decisiones del algoritmo se compararon con datos reales de seguimiento de movimientos oculares. El modelo distribuía la atención de forma similar, elegía lugares para la fijación, saltaba fragmentos y volvía a lo ya leído. Los autores describen el resultado como un modelo computacional del lector promedio, cuyos parámetros pueden ajustarse según las distintas características de la persona.

Con este desarrollo podemos avanzar mucho en la personalización de textos. Hoy en día, el mismo documento suele llegar a personas con distinta memoria, velocidad de lectura, visión y nivel de dominio del idioma. El modelo computacional permite evaluar hasta qué punto una estructura textual será cómoda para un lector concreto y dónde surgirán costes adicionales de atención.

Otra aplicación posible son unas gafas de realidad aumentada. El dispositivo podría elegir la velocidad de presentación del texto y la disposición de las líneas teniendo en cuenta la situación y las capacidades del usuario. La persona no tendría que recibir siempre la misma cantidad de información de la misma forma, independientemente de lo rápido que pueda leer y procesar el mensaje.

Otro escenario concierne a documentos complejos, incluidos los textos jurídicos. A partir de un mismo material de origen se pueden preparar versiones para lectores con diversas habilidades y niveles de dominio del idioma. Sustituir palabras difíciles por otras más sencillas no resuelve todo el problema. El modelo permite tener en cuenta la longitud y la estructura de las oraciones, la carga sobre la memoria, la probabilidad de retroceso y el tiempo necesario para extraer el sentido.

El siguiente paso será evaluar el sistema con personas con dislexia y con dominio insuficiente del idioma. Los investigadores quieren averiguar si el modelo ayudará a reorganizar el texto según las dificultades de cada usuario y así reducir la carga innecesaria durante la lectura.

También la tecnología será útil en situaciones en las que la persona no puede desviar la vista del entorno durante mucho tiempo. Por ejemplo, una interfaz de automóvil debe transmitir al conductor la información necesaria sin obligarlo a mirar largo tiempo la pantalla en lugar de la carretera. El modelo permitirá evaluar cuánta atención requerirá un mensaje y elegir la forma de presentación teniendo en cuenta el tiempo disponible para leer.