Un equipo de investigadores de Aalto University, City University de Hong Kong y National University of Singapore cre\u00f3 un sistema de inteligencia artificial capaz de imitar el comportamiento ocular de una persona mientras lee, incluyendo la selecci\u00f3n de letras que observa, las palabras que pasa por alto y los momentos en que vuelve atr\u00e1s sobre el texto. <\/p>\n\n\n\n
Seg\u00fan 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 atr\u00e1s. La atenci\u00f3n, la memoria y el tiempo disponible son recursos limitados, por eso los ojos calculan constantemente d\u00f3nde fijar la vista para obtener la m\u00e1xima comprensi\u00f3n con el menor esfuerzo posible.<\/p>\n\n\n\n
El sistema funciona en tres niveles de decisi\u00f3n que determinan qu\u00e9 letras observar, cu\u00e1l ser\u00e1 la siguiente palabra y si conviene saltarla o regresar a frases anteriores.<\/p>\n\n\n\n
El primero define qu\u00e9 letras observar en cada palabra; el segundo calcula cu\u00e1l ser\u00e1 la siguiente palabra o si conviene saltarla; el tercero opera sobre frases completas y puede decidir si regresar a frases ya le\u00eddas.<\/p>\n\n\n\n
El equipo entren\u00f3 el modelo mediante aprendizaje por refuerzo en millones de textos, preservando las estrategias que equilibraban mejor la comprensi\u00f3n, el tiempo y el esfuerzo.<\/p>\n\n\n\n
Para verificar su precisi\u00f3n, los investigadores compararon el modelo con ocho conjuntos de registros oculares de lectores reales obtenidos mediante seguimiento ocular. La IA reprodujo los mismos patrones: m\u00e1s tiempo dedicado a palabras largas, omisi\u00f3n frecuente de t\u00e9rminos comunes y predecibles, y relectura m\u00e1s frecuente de palabras dif\u00edciles o ambiguas.<\/p>\n\n\n\n
Por cada letra adicional en una palabra, los lectores humanos sumaron cerca de 14 milisegundos de fijaci\u00f3n, mientras que el sistema a\u00f1adi\u00f3 aproximadamente 21 milisegundos.<\/p>\n\n\n\n
El equipo someti\u00f3 a 39 adultos a l\u00edmites de lectura de 30, 60 y 90 segundos. Con menos tiempo disponible, los participantes leyeron m\u00e1s r\u00e1pido, saltaron m\u00e1s palabras, retrocedieron menos y retuvieron menos informaci\u00f3n, y el sistema reaccion\u00f3 de la misma manera ante esas restricciones temporales.<\/p>\n\n\n\n
Al comparar 15 medidas agregadas correspondientes a los tres l\u00edmites, la correlaci\u00f3n entre el comportamiento simulado y el humano lleg\u00f3 a 0,9999, una coincidencia casi perfecta. Los investigadores subrayan que esa correspondencia se romp\u00eda cuando eliminaban ciertas restricciones del programa.<\/p>\n\n\n\n
Con memoria ilimitada, el modelo alcanz\u00f3 el 85,2% de acierto en preguntas de opci\u00f3n m\u00faltiple, por encima del 71,6% obtenido por los participantes humanos, y apenas volvi\u00f3 a leer frases anteriores, ya que no le hac\u00eda falta recuperar datos que hubiera olvidado.<\/p>\n\n\n\n
Los autores advierten que el modelo describe patrones generales de comportamiento y no permite conocer la decisi\u00f3n mental exacta de una persona en un momento dado. Sin embargo, abren la puerta a aplicaciones futuras: dise\u00f1ar textos y plataformas de lectura que se adapten al ritmo y la capacidad de retenci\u00f3n de cada usuario.<\/p>\n\n\n\n
El equipo planea emplear este tipo de modelos para dise\u00f1ar, en el futuro, materiales de lectura y herramientas que ajusten su funcionamiento seg\u00fan las caracter\u00edsticas de cada persona y el contexto en que lee.<\/p>\n","protected":false},"excerpt":{"rendered":"
Un sistema de inteligencia artificial logr\u00f3 reproducir los patrones de lectura humanos con una correlaci\u00f3n del 0,9999 al simular restricciones de tiempo.<\/p>\n","protected":false},"author":10,"featured_media":21225,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"jnews-multi-image_gallery":[],"jnews_single_post":[],"jnews_primary_category":[],"jnews_social_meta":[],"jnews_post_split":[],"footnotes":""},"categories":[55],"tags":[],"class_list":["post-21226","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-discover"],"_links":{"self":[{"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/posts\/21226","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/comments?post=21226"}],"version-history":[{"count":1,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/posts\/21226\/revisions"}],"predecessor-version":[{"id":21248,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/posts\/21226\/revisions\/21248"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/media\/21225"}],"wp:attachment":[{"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/media?parent=21226"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/categories?post=21226"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/vistazodiscover.audiencelabs.com.br\/wp-json\/wp\/v2\/tags?post=21226"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}