SCAD: aprendizaje contrastivo auto-supervisado para la detección de alusiones en poemas chinos

Mensajes ocultos en versos antiguos

Los poemas clásicos chinos están llenos de referencias ocultas a relatos famosos, leyendas y personajes históricos. Estas "alusiones" añaden profundidad emocional y riqueza cultural, pero también dificultan la comprensión para los lectores contemporáneos —y para las máquinas. Este artículo presenta un nuevo sistema de inteligencia artificial, SCAD, capaz de descubrir automáticamente estas referencias enterradas a gran escala, abriendo la puerta a herramientas digitales más inteligentes para leer, enseñar e investigar la literatura china.

Por qué importan las alusiones en la poesía

Durante siglos, los poetas chinos han recurrido a las alusiones como una especie de taquigrafía literaria. Al insinuar un relato conocido —como un pueblo escondido idílico o una diosa del río afligida— podían expresar sentimientos complejos en apenas unos pocos caracteres. El problema es que estas pistas suelen ser sutiles. Un poema puede no mencionar nunca el nombre de la historia en la que se inspira; en su lugar, evoca un lugar, un objeto o una imagen vinculada a esa tradición. Dado que la misma palabra puede apuntar a historias diferentes según el contexto, incluso los sistemas informáticos avanzados tienen dificultades para reconocer de forma fiable qué alusión está usando un poema, especialmente cuando hay miles de candidatas posibles y pocos datos etiquetados disponibles para entrenar.

Enseñar a las máquinas a aprender por comparación

Los autores abordan este desafío con una estrategia llamada aprendizaje contrastivo auto-supervisado, adaptada específicamente al chino clásico. En vez de pedir a personas que etiqueten cada poema con la alusión correcta, construyen una amplia colección de pares poema–alusión a partir de un sitio web curado que documenta cómo más de 14 000 poemas citan 1 025 alusiones específicas. Para cada par real —un poema que realmente utiliza cierta historia— generan automáticamente pares "negativos" emparejando el mismo poema con muchas alusiones no relacionadas. SCAD aprende a distinguir el par genuino de los falsos acercando los textos de poema y alusión relacionados en su espacio de representación interno y alejando los no relacionados.

Un modelo afinado para textos del chino antiguo

En el interior, SCAD se basa en SikuBert, un modelo de lenguaje entrenado con grandes colecciones de escritos premodernos en chino. El sistema introduce tanto el poema como la alusión (incluyendo su pasaje fuente original) en un codificador conjunto, lo que permite al modelo centrarse en cómo frases concretas del poema interactúan con detalles de la historia. Se añaden módulos "adaptadores" ligeros a este codificador para que solo sea necesario entrenar un pequeño número de parámetros nuevos, haciendo que el ajuste fino sea eficiente. Una función de pérdida mejorada da peso extra a los negativos más difíciles —las alusiones engañosas que tienden a confundir al modelo— de modo que SCAD aprende de sus errores más comunes en lugar de hacerlo solo con casos fáciles.

Superando enfoques existentes

Al comparar con una serie de alternativas —incluidos sistemas de aprendizaje profundo anteriores, métodos basados en reglas e incluso grandes modelos de lenguaje de uso general— SCAD resulta notablemente más preciso al nombrar la alusión correcta en un poema. No solo sitúa la respuesta adecuada en una posición más alta de media, sino que también la identifica como primera opción en aproximadamente cuatro de cada cinco casos de prueba, una mejora clara respecto a técnicas previas. Estudios de ablación muestran que cada decisión de diseño contribuye: emplear preentrenamiento en lenguaje clásico en lugar de moderno, incluir el texto fuente completo de la alusión, añadir adaptadores y reponderar los negativos difíciles mejoran el rendimiento, especialmente en alusiones raras o sutiles.

Descubrir nuevos vínculos y construir mapas de conocimiento

Más allá de la precisión bruta, los autores exploran cómo SCAD puede generalizar y explicar sus decisiones. En pruebas "zero-shot" eliminan deliberadamente ciertas alusiones famosas y todos los poemas relacionados del entrenamiento, y luego piden a SCAD que las reconozca de todos modos. El sistema sigue rindiendo con fuerza, lo que sugiere que ha aprendido patrones generales sobre cómo los poetas insinúan historias en lugar de memorizar una lista fija. Para mirar dentro de estas decisiones, el equipo aplica un método de interpretabilidad llamado LIME, que resalta las palabras específicas en un poema que más influyen en la predicción de SCAD. Usando estas señales, extraen casi 10 000 "palabras de alusión" y las ensamblan en un grafo de conocimiento que vincula poemas, frases evocadoras y las historias que evocan —un recurso que puede alimentar búsquedas, herramientas de estudio y cuestionarios interactivos.

Llevar las pistas antiguas a la era digital

En esencia, este trabajo muestra que con las señales de entrenamiento y la arquitectura adecuadas, las máquinas pueden empezar a captar los guiños y alusiones literarias incrustadas en la poesía clásica china. SCAD no solo detecta qué historia está invocando silenciosamente un poema, sino que también puede generalizar a nuevas alusiones y ayudar a cartografiar la intrincada red de referencias que conectan poemas entre sí y con la tradición cultural más amplia. Para lectores, estudiantes y académicos, los sistemas basados en este enfoque podrían convertirse en guías que iluminen las capas ocultas de significado en una de las literaturas más ricas en alusiones del mundo.

Cita: Shi, B., Bu, W., Li, X. et al. SCAD: self-supervised contrastive learning for allusion detection in Chinese poems. Humanit Soc Sci Commun 13, 293 (2026). https://doi.org/10.1057/s41599-026-06627-z

Palabras clave: poesía clásica china, alusiones literarias, aprendizaje contrastivo, humanidades digitales, procesamiento del lenguaje natural