El Método Basado en Gramática Iguala o Supera a la IA en el Análisis de Autoría

Un nuevo estudio de la Universidad de Mánchester desafía la suposición de que la IA compleja siempre produce mejores resultados para tareas de análisis del lenguaje. Investigadores dirigidos por la Dra. Andrea Nini desarrollaron LambdaG, un método basado en gramática para la verificación de autoría que funciona de manera comparable o mejor que los sistemas de IA avanzados.

Cómo funciona LambdaG

LambdaG analiza patrones en la gramática en lugar de depender de modelos de aprendizaje automático a gran escala. Construye un perfil estadístico de los estilos de escritura individuales midiendo características que incluyen:

• Uso de palabras funcionales (palabras como "it", "of" y "the")
• Estructura de las oraciones
• Patrones de puntuación
• Otros hábitos gramaticales

Los investigadores describen estas características como la creación de una firma conductual distintiva para cada escritor, similar a cómo las personas desarrollan patrones únicos de escritura a mano o de caminar.

Resultados de rendimiento

El estudio probó LambdaG en 12 conjuntos de datos de escritura del mundo real diseñados para reflejar escenarios prácticos:

• Correos electrónicos
• Publicaciones en foros en línea
• Reseñas de consumidores

En la mayoría de los casos, LambdaG logró una mayor precisión que varios sistemas establecidos de verificación de autoría, incluidos enfoques basados en redes neuronales. El método igualó o superó a los principales sistemas de IA en la mayoría de los conjuntos de datos de prueba.

Ventajas clave sobre los sistemas de IA

Mientras que muchos sistemas actuales de verificación de autoría dependen de modelos de IA complejos entrenados en vastos conjuntos de datos, LambdaG ofrece varios beneficios prácticos:

• Mayor transparencia: Muestra qué patrones gramaticales informaron las decisiones, a diferencia de muchos modelos de IA que operan como cajas negras
• Menor costo computacional: No requiere los extensos recursos informáticos de los grandes modelos de IA
• Explicabilidad: Proporciona explicaciones claras para las conclusiones, haciéndolo adecuado para entornos de alto riesgo como investigaciones legales

Aplicaciones potenciales

Los investigadores identifican varios casos de uso práctico para el método:

• Lingüística forense
• Investigaciones criminales
• Detección de abuso en línea
• Monitoreo de integridad académica

La Dra. Nini señala: "Existe una suposición creciente de que necesitas IA compleja para resolver problemas como el análisis de autoría, pero nuestros hallazgos muestran que ese no es necesariamente el caso. Al basar nuestro enfoque en la ciencia de cómo funciona realmente el lenguaje, podemos lograr resultados que son igual de buenos —y a menudo mejores— mientras somos más transparentes."

El estudio fue publicado en Humanities and Social Sciences Communications con DOI: https://doi.org/10.1057/s41599-025-06340-3.