Un equipo de investigadores de Aalto University, City University de Hong Kong y National University of Singapore creó un sistema de inteligencia artificial capaz de imitar el comportamiento ocular de una persona mientras lee, incluyendo la selección de letras que observa, las palabras que pasa por alto y los momentos en que vuelve atrás sobre el texto.
Según el estudio, leer no consiste en un desplazamiento constante de la vista de un lado a otro, sino en un recorrido desigual, marcado por saltos, detenciones y vueltas atrás. La atención, la memoria y el tiempo disponible son recursos limitados, por eso los ojos calculan constantemente dónde fijar la vista para obtener la máxima comprensión con el menor esfuerzo posible.
Cómo la IA aprendió a mirar como un lector
El sistema funciona en tres niveles de decisión que determinan qué letras observar, cuál será la siguiente palabra y si conviene saltarla o regresar a frases anteriores.
El primero define qué letras observar en cada palabra; el segundo calcula cuál será la siguiente palabra o si conviene saltarla; el tercero opera sobre frases completas y puede decidir si regresar a frases ya leídas.
El equipo entrenó el modelo mediante aprendizaje por refuerzo en millones de textos, preservando las estrategias que equilibraban mejor la comprensión, el tiempo y el esfuerzo.
Para verificar su precisión, los investigadores compararon el modelo con ocho conjuntos de registros oculares de lectores reales obtenidos mediante seguimiento ocular. La IA reprodujo los mismos patrones: más tiempo dedicado a palabras largas, omisión frecuente de términos comunes y predecibles, y relectura más frecuente de palabras difíciles o ambiguas.
Por cada letra adicional en una palabra, los lectores humanos sumaron cerca de 14 milisegundos de fijación, mientras que el sistema añadió aproximadamente 21 milisegundos.
La memoria bajo presión revela la coincidencia perfecta
El equipo sometió a 39 adultos a límites de lectura de 30, 60 y 90 segundos. Con menos tiempo disponible, los participantes leyeron más rápido, saltaron más palabras, retrocedieron menos y retuvieron menos información, y el sistema reaccionó de la misma manera ante esas restricciones temporales.
Al comparar 15 medidas agregadas correspondientes a los tres límites, la correlación entre el comportamiento simulado y el humano llegó a 0,9999, una coincidencia casi perfecta. Los investigadores subrayan que esa correspondencia se rompía cuando eliminaban ciertas restricciones del programa.
Con memoria ilimitada, el modelo alcanzó el 85,2% de acierto en preguntas de opción múltiple, por encima del 71,6% obtenido por los participantes humanos, y apenas volvió a leer frases anteriores, ya que no le hacía falta recuperar datos que hubiera olvidado.
Hacia sistemas de lectura personalizados
Los autores advierten que el modelo describe patrones generales de comportamiento y no permite conocer la decisión mental exacta de una persona en un momento dado. Sin embargo, abren la puerta a aplicaciones futuras: diseñar textos y plataformas de lectura que se adapten al ritmo y la capacidad de retención de cada usuario.
El equipo planea emplear este tipo de modelos para diseñar, en el futuro, materiales de lectura y herramientas que ajusten su funcionamiento según las características de cada persona y el contexto en que lee.
