Robótica
Un experimento permite que agentes artificiales creen palabras y acuerden su significado mediante intercambios entre ellos: no es un idioma secreto, sino una posible herramienta para coordinar máquinas
Dos robots intercambian palabras imaginarias en esta ilustración del experimento: los agentes artificiales construyen un vocabulario común sin recibir un diccionario previo. / IA/T21.
EDUARDO MARTÍNEZ DE LA FE/T21
Levanate-emv.com/Madrid20 OCT 2026
Para que dos máquinas de IA se entiendan, lo habitual es darles unas reglas comunes. Pero investigadores belgas han probado otro camino: proporcionarles mecanismos para inventar palabras y dejar que, a través de sus intercambios, acuerden cómo utilizarlas. El resultado es un diccionario compartido que nadie ha escrito de antemano. No hay un ordenador central ni persona alguna que decida qué significa cada término.
El trabajo, realizado por la Universidad Libre de Bruselas (VUB) y la Universidad de Namur, se publicó en Transactions of the Association for Computational Linguistics. Las instituciones presentaron los resultados el 14 de octubre. Su interés está en averiguar cómo podrían comunicarse sistemas que perciben el entorno de forma diferente, sin obligarlos a traducir primero sus observaciones a una lengua humana.
Palabras que se ponen a prueba
Los protagonistas son agentes inteligentes: programas capaces de observar datos, intercambiar señales y modificar sus asociaciones. Los investigadores les proporcionaron procedimientos para crear etiquetas, ajustar los conceptos vinculados a ellas e incorporar información sobre el éxito o el fracaso de cada intercambio. Las palabras y sus significados concretos surgieron durante el experimento.
Más que máquinas que han decidido hablar por su cuenta, son sistemas diseñados para estudiar cómo nace una convención. Cada interacción ocurre entre dos agentes; la acumulación de esos encuentros permite que una población artificial termine compartiendo vocabulario. El artículo científico describe el método como una asociación entre etiquetas simbólicas (las palabras) y representaciones de propiedades de los datos (sus significados).
Para entenderlo, podemos imaginar dos programas informáticos que deben distinguir objetos por su tamaño, forma y color. Una etiqueta inicialmente arbitraria acaba resultando útil si ambos la relacionan con características suficientemente parecidas. No necesitan llamar «rojo» al rojo: necesitan utilizar sus etiquetas de manera compatible.
Representación conceptual de dos sistemas distintos que acuerdan significados compartidos mediante sus interacciones, aunque no perciban los datos de la misma manera. / IA/T21
Del vino a los exoplanetas
El equipo evaluó el procedimiento con 37 conjuntos de datos públicos. Había análisis fisicoquímicos de vinos, información de exoplanetas de la NASA e imágenes de aves y rostros. En esos entornos, los agentes desarrollaron vocabularios ligados a las propiedades que recibían como entrada.
Eso no significa que hayan aprendido a conversar sobre astronomía o a describir un vino como un catador. La tarea consiste en construir referencias compartidas dentro de unos datos determinados. Tampoco equivale a reproducir una lengua humana completa, con sus conversaciones, dobles sentidos y usos sociales: el resultado estudiado es solo un sistema de palabras asociadas a conceptos.
Los experimentos también examinaron qué ocurría cuando cambiaba el entorno o los agentes no percibían exactamente lo mismo. Las convenciones mostraron capacidad de adaptación mediante nuevos intercambios, incluso en poblaciones con diferencias perceptivas.
Dos robots no tienen por qué ver el mismo rojo
Paul Van Eecke, profesor de inteligencia artificial de la VUB y coautor del trabajo, propone una comparación cotidiana. Si alguien dice que está junto al coche rojo, podemos entenderlo sin que nuestros ojos registren valores de color idénticos. La palabra permite entenderse pese a esas diferencias.
Los investigadores quieren trasladar ese principio a máquinas cuyos sensores tampoco coinciden exactamente. Un robot puede utilizar cámaras; otro, infrarrojos o mediciones químicas. El vocabulario les permitiría agrupar observaciones en categorías útiles para una tarea, sin exigir que todas las lecturas fueran iguales. Los autores apuntan a aplicaciones en robots, vehículos autónomos y sensores industriales, aunque el estudio no demuestra todavía que funcione en esos ámbitos.
Podemos comprobar qué se dicen
La expresión “lenguaje propio” de la IA invita a imaginar mensajes indescifrables para los humanos. En este caso sucede algo distinto: los investigadores pueden examinar las representaciones vinculadas a una palabra y relacionarlas con los valores de los datos originales. Esa trazabilidad permite investigar qué significa una etiqueta, en vez de limitarse a observar que funciona.
El hallazgo demuestra que las máquinas pueden construir acuerdos de comunicación sin recibir un diccionario terminado. Si el procedimiento llegara a utilizarse fuera del laboratorio, habría que averiguar si dos máquinas que emplean la misma palabra siguen refiriéndose a lo mismo cuando cambia lo que tienen delante.
___________
Referencia
Emergent Communication in Continuous Worlds: Self-Organisation of Conceptually Grounded Vocabularies at Scale. Jérôme Botoko Ekila et al. Transactions of the Association for Computational Linguistics, 14:2234–2257. DOI:10.1162/tacl.a.799
____________
Fuente:
