Entendre exactament com els humans llegim -on aturem la vista, quan rellegim una frase, quan saltem paraules senceres- és un problema clàssic de la psicologia cognitiva, i fins ara els models informàtics que ho intentaven simular es limitaven a imitar directament les dades de seguiment ocular recollides en laboratori, sense capturar-ne els mecanismes psicològics de fons ni generalitzar bé a altres llengües o contextos.
Un equip de la Universitat Aalto, amb la Universitat de Ciència i Tecnologia de Hong Kong, la Universitat de la Ciutat de Hong Kong i la Universitat Nacional de Singapur, ha publicat a Nature Human Behaviour un model entrenat amb aprenentatge per reforç sobre milions de textos que aprèn a repartir l'atenció del lector per maximitzar-ne la comprensió dins d'un temps limitat, a tres nivells alhora: paraula, frase i text sencer. El sistema incorpora com a paràmetres ajustables característiques pròpies de cada lector, com la capacitat de memòria o la velocitat dels moviments oculars, i les seves decisions d'atenció acaben coincidint amb les dades reals de seguiment ocular de persones llegint, generant un perfil de «lector mitjà» que es pot adaptar a públics diferents.
La possibilitat d'ajustar aquest perfil obre aplicacions concretes: ulleres intel·ligents que adaptin la mida o la disposició del text a com llegeix cada usuari, materials de lectura personalitzats segons el nivell de competència, i eines de suport per a persones amb dislèxia. Un dels investigadors ho resumeix així: «podríem agafar el mateix text original... i produir-ne versions més comprensibles per a lectors diferents», una idea que trenca amb l'aproximació de talla única dels correctors i simplificadors de text actuals.
El treball es limita, de moment, a un perfil mitjà de lector validat amb dades de seguiment ocular en condicions de laboratori, i encara no s'ha provat en aplicacions reals com les ulleres intel·ligents que els autors esmenten com a horitzó. Tampoc queda clar amb quina rapidesa el model pot adaptar-se a un lector concret a partir de poques dades, ni com respondria a llengües amb sistemes d'escriptura molt diferents del que s'ha fet servir per entrenar-lo.