1. Por qué «kōshō» tiene 48 entradas en el diccionario y cómo se evita la confusión
Si buscas «kōshō» en el diccionario *Super Daijirin 3.0*, encontrarás 48 entradas [1]. Incluye términos como negociación (*kōshō*), investigación crítica (*kōshō*), nobleza (*kōshō*) o escudo escolar (*kōshō*). Se considera una de las combinaciones con más homófonos, aunque el número exacto varía según la fuente [1].
Sin embargo, si lees «la negociación de mañana», sabes que se refiere a una discusión. Si ves «ponerse el escudo escolar», entiendes que es un símbolo de la escuela. Los estudios sobre lectura en japonés muestran que, cuando hay contexto claro, los homófonos se procesan con la misma fluidez que las palabras únicas, sin importar cuántas opciones existan [2].
Esto indica que no elegimos la palabra mirando solo el sonido aislado, sino usando lo que viene antes y después. Esta idea de «elegir por contexto» es la base que los ingenieros intentaron replicar en las máquinas.
2. El JW-10 de Toshiba: el primer procesador de textos en japonés y su reto técnico
En septiembre de 1978, Toshiba (entonces Tokyo Shibaura Electric) presentó el JW-10, el primer procesador de textos en japonés [3]. Su función era convertir texto escrito en silabario *kana* a escritura mixta con caracteres *kanji*. Según los archivos del Museo de Computación de la Sociedad de Procesamiento de Información de Japón (IPSJ), el problema más difícil fue decidir qué carácter usar cuando varios comparten el mismo sonido [4].
La solución final combinó el contexto de la frase con la frecuencia de uso de las palabras [4]. El sistema podía almacenar hasta 80.000 términos en su diccionario [5]. La frecuencia se gestionaba individualmente para cada usuario, adaptándose a sus hábitos de escritura [5].
Ofrecía dos métodos de selección: «selección en bloque» y «selección secuencial». Ingenieros como Kenichi Mori participaron en su desarrollo [5]. Aunque las fórmulas exactas no están documentadas públicamente, el objetivo era claro: dar a la máquina las mismas pistas que usan los lectores humanos.
3. Por qué el japonés tiene tantas palabras que suenan igual: los préstamos del chino
La alta cantidad de homófonos se debe principalmente a los préstamos del chino, conocidos como *kango* [1]. Hay dos razones principales explicadas por los expertos.
La primera es que el chino distingue muchas palabras mediante tonos (subidas y bajadas de la voz). Al entrar al japonés, esa distinción tonal se perdió, haciendo que palabras distintas sonaran igual [1]. La segunda razón es que los sonidos japoneses cambiaron con el tiempo, fusionando palabras que originalmente tenían pronunciaciones diferentes [1].
Por ejemplo, términos como «recolección», «general menor» y «funeral» pueden leerse todos como *shūshū*, *shōshō* o *sōsō* dependiendo de la evolución fonética [1]. En japonés, muchas palabras se distinguen al escribirlas con kanji. Pero en la entrada digital (*kana*) o en el habla, esa pista visual desaparece, obligando a la máquina a buscar otras señales.
4. Cómo los convertidores actuales eligen palabras con estadísticas de textos web
Los sistemas modernos, como Google Japanese Input (Mozc), utilizan diccionarios generados automáticamente a partir de textos web [6]. Esto les permite reconocer palabras nuevas, términos técnicos y nombres propios; se dice que son especialmente útiles para estos casos [6].
En una presentación académica de 2011, el equipo de Takashi Kudō explicó cómo funcionan: utilizan estadísticas masivas para decidir la división de las frases y el orden de las sugerencias [6]. En esencia, calculan qué combinaciones de palabras son más probables según su aparición en grandes volúmenes de texto.
Además, desde 2011, si hay varios homófonos posibles, el software muestra significados y ejemplos en una ventana emergente [7]. Así, la máquina hace una primera selección estadística, pero deja al usuario la opción final si tiene dudas. Esta tecnología evolucionó directamente desde los principios del JW-10 [4].
5. Cómo el reconocimiento de voz combina sonido y contexto para elegir palabras
En el reconocimiento de voz, la máquina combina dos puntuaciones. Una es el «modelo acústico», que mide qué tan bien coincide el sonido grabado con las palabras. La otra es el «modelo de lenguaje», que evalúa qué frase tiene más sentido gramatical y semánticamente [8].
Un ejemplo clásico en inglés muestra la diferencia entre «recognize speech» (reconocer voz) y «wreck a nice beach» (destrozar una playa agradable). Fonéticamente, son casi idénticos. Si solo miramos el sonido, la segunda opción podría tener una puntuación ligeramente mayor (0.88 frente a 0.85 en este ejemplo ilustrativo) [8].
Pero el modelo de lenguaje da una probabilidad mucho más alta a «recognize speech». Al multiplicar ambas puntuaciones, la frase correcta gana [8]. Estos números son teóricos para explicar el concepto, no mediciones reales. En japonés, ocurre lo mismo: cuando el sonido es ambiguo, se usa la probabilidad de que la frase tenga sentido lógico para desempatar.
6. Un experimento con tu teclado: escribe «kōshō» y cuenta las opciones
Puedes verificar esto en casa. Escribe solo «kōshō» en un procesador de textos o buscador. Cuenta cuántas opciones aparecen; probablemente no serán 48, ya que los diccionarios digitales varían [5].
Luego, escribe frases completas como «negociación del precio» (*nedan no kōshō*) o «estudio crítico de documentos» (*shiryō no kōshō*). Observa si la primera opción sugerida cambia. Si cambia, el software está usando la palabra anterior como pista [6].
Si algunas combinaciones no cambian, prueba otras palabras antes de *kōshō*. Estás buscando las «pistas» del algoritmo. Si tienes un diccionario de papel en casa, cuenta y compara las palabras de la entrada *kōshō*.