Redacción
Tabla Periódica de Emojis
Redacción
¿Qué es una tabla periódica de emojis?
¡Esto es! La tabla organiza los emojis por categorías y luego según su grado de positividad o negatividad, para que puedas entender algo sobre los emojis y sus propiedades con solo echar un vistazo. Es el mismo principio que la tabla periódica, que ordena los elementos químicos según su estructura atómica y sus propiedades químicas.
Las filas numeradas de arriba (o columnas, si estás leyendo esto en una pantalla vertical) corresponden a las siguientes categorías:
1. Emoticonos y emociones
2. Personas y cuerpo
3. Actividades
4. Viajes y lugares
5. Comida y bebida
6. Animales y naturaleza
7. Objetos
8. Símbolos
9. Banderas
Las categorías se ordenan tomando el emoji más usado de cada una y ordenándolas según ese emoji. Por lo tanto, los emojis de las categorías superiores de la lista tienden a usarse con más frecuencia que los de las inferiores.
Si pasa el cursor sobre las categorías de arriba, verá información adicional sobre cada una.
Cada categoría de la tabla muestra sus veinte emojis más usados. Dentro de cada categoría, los emojis se clasifican de más positivos a más negativos. Los emojis positivos son verdes, los neutrales son amarillos y los negativos son rojos. Cuanto más positivo, neutral o negativo sea un emoji, más saturado será su color.
Si pasas el cursor sobre un emoji en la tabla, verás información adicional. Si haces clic o tocas el emoji, accederás a una nueva página con aún más información.
¿Cómo funciona la tabla periódica de los emojis?
La tabla se compone de tres factores: las categorías en las que se clasifican los emojis; la popularidad relativa de cada emoji, que se utiliza para ordenar las categorías; y el "sentimiento" de cada emoji, que se utiliza para ordenar los emojis dentro de cada categoría. Analicemos cada uno de estos factores por separado.
Primero, busqué una lista de los emojis más populares. La fuente más convincente que encontré * pertenecía al Consorcio Unicode, 2 los "señores ocultos de los emojis" 3 que seleccionan la cosecha anual de nuevos emojis y se encargan de los detalles técnicos que permiten que los emojis funcionen en tantos dispositivos diferentes.
Hasta ahora, todo prometedor. Excepto que la lista de Unicode se actualizó por última vez en 2021, lo que significa que los emojis que contiene y sus clasificaciones están desactualizados desde hace algunos años. Esto probablemente no sea un gran problema (como señala Jennifer Daniel, directora de emojis de Unicode, los nuevos emojis tardan un tiempo en encontrar su nivel), pero existe un problema potencialmente más grave: no está claro de dónde provienen los datos de Unicode en primer lugar. Daniel solo escribe que se utilizaron "múltiples fuentes". 4
Lo bueno es que Unicode conoce los emojis a la perfección y, en general, me alegra que sus "múltiples fuentes" ofrezcan una imagen representativa del uso de los emojis. Además, su conjunto de datos también categoriza cada emoji en "Emoticonos y emociones", "Comida y bebida", "Símbolos", etc., por lo que no tuve que buscar una fuente independiente de datos de categorización de emojis.
A continuación, quería descubrir cómo perciben cada emoji sus usuarios: ¿positivo, negativo o neutral?
A pesar de varias desventajas muy obvias † , los modelos de lenguaje grandes ( LLM ) son una herramienta útil para este tipo de tarea. Siempre que se les muestre un conjunto adecuado de datos de entrenamiento, son eficaces para etiquetar o clasificar cadenas de texto que les resulten familiares; y, en realidad, no importa demasiado si un modelo elige la etiqueta de sentimiento incorrecta para un emoji u otro. Mientras la idea general de la tabla sea correcta, estoy satisfecho.
Di con un modelo de libre acceso llamado (respira hondo) "twitter-roberta-large-topic-sentiment-latest", 7 desarrollado por investigadores de la Universidad de Cardiff aquí en el Reino Unido , que se había entrenado con alrededor de ciento cincuenta millones de tuits hasta finales de 2022. Dado que más del 20 % de todos los tuits de 2021 contenían al menos un emoji8 , era probable que un modelo entrenado con tuits hiciera un buen trabajo etiquetando los emojis, y el periodo de entrenamiento se superpuso perfectamente con la lista de emojis clasificados de Unicode de 2021.
Dentro del modelo hay 355 millones de valores numéricos independientes 9 que trabajan juntos para procesar y clasificar texto, pero el resultado final es simple: el modelo toma una cadena de texto y devuelve una etiqueta que identifica el sentimiento que detecta y una puntuación de confianza entre 0,0 y 1,0. Este modelo en particular etiqueta los textos como "fuertemente negativo", "negativo", "negativo o neutral", "positivo" y "fuertemente positivo", y, siendo sincero, no sé por qué la escala contiene más valores negativos que positivos. (Un artículo que acompaña al modelo no lo explica. 10 )
Para resumirlo todo, escribí un programa sencillo para cargar y categorizar los emojis de la lista Unicode de 2021, ordenarlos por popularidad, seleccionar los veinte mejores de cada categoría y, finalmente, pasarlos por el modelo. Las categorías, los sentimientos y las puntuaciones de confianza resultantes de este proceso determinaron el diseño y la apariencia de la tabla. Hay algo más que eso , pero no mucho.
¿Por qué hacer una tabla periódica de emojis?
La tabla periódica es muy imitada, y entiendo por qué. Es un triunfo del diseño de información. Sin embargo, muchas tablas periódicas falsas copian la forma de la original sin adoptar los principios subyacentes. Esta, por ejemplo, en tipografías , tiene la forma de una tabla periódica, pero no está organizada por columnas ni filas. Esta, en, bueno, períodos , tiene el mismo problema. Por lo tanto, quería ver si las ideas detrás de la tabla periódica, en lugar de su forma, podían usarse para decirnos algo sobre los emojis. ‡
Hay muchas formas de clasificar los emojis: su categoría, la dirección a la que apuntan, el año en que aparecieron por primera vez, de dónde provienen originalmente, su tono de piel, su tipo de cabello y más. § Pero a mí me interesaba más cómo se usan los emojis, o al menos cómo se perciben, y así fue como llegué a armar esta tabla en particular .
¿Qué aprendí? Bueno, mucho se debió a la mecánica del ejercicio.
La primera es que, al seleccionar la misma cantidad de emojis de cada categoría para crear una tabla rectangular, he asignado el mismo peso visual a las categorías de emojis populares e impopulares. Por ejemplo, el emoji menos popular de la categoría "Emoticonos y Emociones" ( ' 😳 ', en el puesto 29 ) sigue siendo más usado que cualquiera de los emojis de los últimos cuatro grupos.
Una segunda cosa se hizo evidente a medida que comprendí mejor lo que el LLM me decía sobre el sentimiento de cada emoji. La puntuación que el modelo otorga a sus etiquetas de sentimiento no es un grado de ese sentimiento, sino un nivel de confianza . Cuando ' 🙂 ' se etiqueta como "negativo o neutral (0,55)" , por ejemplo, deberíamos entender no que ' 🙂 ' es 55% "negativo o neutral", sea lo que sea que eso signifique, sino que el modelo solo tiene un 55% de confianza suficiente para etiquetarlo como tal. Dado que los emojis en cada fila se ordenan primero por sentimiento y luego por esta puntuación de confianza, podrían acusarme de tergiversar sutilmente la positividad, negatividad o neutralidad de cada uno.
En términos más generales, resulta evidente que la idea misma de "sentimiento" es subjetiva. Al menos algunos emojis se desvían de cómo los habría percibido: algunos emojis aparentemente positivos, como " 😂 " y " 🤣 ", son degradados por el modelo a "negativos o neutrales"; algunos emojis aparentemente negativos ( 🔫 , 😭 , 🚫 ) son promovidos a la misma categoría; y al menos un emoji, " ❌ ", es promovido aún más a la izquierda, a la categoría de "positivo".
¿A qué se debe esto? La respuesta más sencilla es que los emojis menos usados o más recientes podrían no aparecer con la suficiente frecuencia en el conjunto de datos de entrenamiento como para que el modelo pueda etiquetarlos correctamente. Esta podría ser la razón por la que las banderas, por ejemplo, que se usan con poca frecuencia, se etiquetan como "negativas o neutrales".
Sin embargo, otras etiquetas aparentemente incorrectas podrían estar diciéndonos algo. Un estudio de 2022 encargado por Adobe 12 reveló que la mayoría de los usuarios de emojis los usan de forma contraria a su significado aparente, y es muy posible que algunos emojis se usen de forma tan provocativa o irónica que ahora transmitan sentimientos muy distintos a los esperados. " 😂 " y " 🤣 " siempre me ponen los pelos de punta, por ejemplo, y no soy el único. 13
¿Quién creó la tabla periódica de emojis?
¡Soy Keith Houston ! Soy escritor de libros y desarrollador de software. Shady Characters es mi blog y puedes seguirlo en shadycharacters.co.uk . También puedes saludarme en Facebook , Bluesky , Mastodon o Goodreads .
1.
Centro Nacional de Información Biotecnológica, 'Tabla Periódica de los Elementos' , 2025. ↩︎
2.
Consorcio Unicode, «Frecuencia de emojis - Pública» , 15 de noviembre de 2021. ↩︎
3.
Liat Berdugo, 'Dos días con los oscuros señores de los emojis' , Rhizome, 2015. ↩︎
4.
Jennifer Daniel, 'Frecuencia de emojis' , Unicode, 8 de agosto de 2022. ↩︎
5.
Matthew Rothenberg, «Cómo creé Emojitracker» , Medium (blog), 1 de enero de 2016. ↩︎
6.
Keith Houston, 'Bombas, libros e IA generativa: una parábola contundente y obvia' , Shady Characters (blog), 9 de noviembre de 2024. ↩︎
7.
cardiffnlp, 'Twitter-Roberta-Large-Topic-Sentiment-Latest' , Cara abrazada, 5 de marzo de 2024. ↩︎
8.
Keith Broni, «El uso de emojis alcanza su máximo histórico» , Emojipedia, 13 de julio de 2021. ↩︎
9.
cardiffnlp, 'Twitter-Roberta-Gran-Tema-Sentimiento-Último' . ↩︎
10.
Dimosthenis Antypas et al., 'SuperTweetEval: un punto de referencia desafiante, unificado y heterogéneo para la investigación de PNL en redes sociales' (arXiv, 23 de octubre de 2023), https://doi.org/10.48550/arXiv.2310.14757. ↩︎
11.
Keith Houston, 'Logarítmico: la ley de Zipf y las matemáticas de la puntuación' , Shady Characters (blog), 4 de octubre de 2015. ↩︎
12.
Informe de tendencias de emojis de EE. UU. sobre el futuro de la creatividad de Adobe 2022 (Adobe, 2022). ↩︎
13.
Daisy Jones, «Cómo la cara de risa y llanto se convirtió en el emoji más divisivo de la historia» , VICE (blog), 2 de julio de 2021. ↩︎
Hubo un tiempo en que el increíble emojitracker.com de Matthew Rothenberg habría sido el lugar ideal, pero se suspendió desde que Twitter/X dificultó a los desarrolladores extraer información hace unos años. Rothenberg escribió un ensayo fascinante sobre la ingeniería detrás de emojitracker, 5 y vale la pena leerlo. ↩︎
Escribí extensamente sobre los problemas con los LLM y la IA generativa en Shady Characters 6 , pero en resumen: consumen mucha energía; muchos se basan en el robo de derechos de autor a escala industrial; suelen ser imprecisos; y a veces inventan respuestas completamente. Ah, y dependiendo de cómo se usen, degradan la experiencia humana. Creo que eso es todo.
Al crear este sitio web, estaba dispuesto a pasar por alto posibles inexactitudes y confiaba en que el grupo de PNL de la Universidad de Cardiff , que creó el modelo "twitter-roberta-large-topic-sentiment-latest" que utilicé, habría obtenido sus datos de entrenamiento de forma ética. Mi última gran preocupación era el consumo de energía, pero en el caso de que el modelo se ejecutara en mi portátil, solo me llevó un par de minutos.
No me malinterpreten: la IA generativa sigue siendo tremendamente problemática, especialmente en nuestra prisa por encajarla en todos y cada uno de los nichos en los que corre el riesgo de encajar, pero al menos me siento algo en paz al usarla de esta manera limitada. ↩︎
Más egoístamente, también me moría de ganas de hacer un experimento como este. Hace unos años, analicé la distribución estadística de los signos de puntuación, y los emojis me parecieron un tema ideal para continuar. De hecho, mientras escribo, me pregunto -casi asumiendo- si la ley de Zipf se aplica a las frecuencias de los emojis. ↩︎
Todo esto se comenta en Cara a cara con lágrimas de alegría . ↩︎
https://emoji.shadycharacters.co.uk/
Shady Personeros es miscelánea, libros y más de Keith Houston. Aquí encontrará las tecnologías de la información del tipo poco ortodoxo: del emoji a las marcas inusuales de puntuación; de los códices a las calculadoras; y todo lo que hay entre ellos.
Ahora disponible para pre-ordenar, Cara con lágrimas de la alegría: Una historia natural de los emojis. Aprender más
Misceláneas No 109: el terror de la parada completa
¿Qué es una tabla periódica de emojis?
¡Esto es! La tabla organiza los emojis por categorías y luego según su grado de positividad o negatividad, para que puedas entender algo sobre los emojis y sus propiedades con solo echar un vistazo. Es el mismo principio que la tabla periódica, que ordena los elementos químicos según su estructura atómica y sus propiedades químicas.
Las filas numeradas de arriba (o columnas, si estás leyendo esto en una pantalla vertical) corresponden a las siguientes categorías:
1. Emoticonos y emociones
2. Personas y cuerpo
3. Actividades
4. Viajes y lugares
5. Comida y bebida
6. Animales y naturaleza
7. Objetos
8. Símbolos
9. Banderas
Las categorías se ordenan tomando el emoji más usado de cada una y ordenándolas según ese emoji. Por lo tanto, los emojis de las categorías superiores de la lista tienden a usarse con más frecuencia que los de las inferiores.
Si pasa el cursor sobre las categorías de arriba, verá información adicional sobre cada una.
Cada categoría de la tabla muestra sus veinte emojis más usados. Dentro de cada categoría, los emojis se clasifican de más positivos a más negativos. Los emojis positivos son verdes, los neutrales son amarillos y los negativos son rojos. Cuanto más positivo, neutral o negativo sea un emoji, más saturado será su color.
Si pasas el cursor sobre un emoji en la tabla, verás información adicional. Si haces clic o tocas el emoji, accederás a una nueva página con aún más información.
¿Cómo funciona la tabla periódica de los emojis?
La tabla se compone de tres factores: las categorías en las que se clasifican los emojis; la popularidad relativa de cada emoji, que se utiliza para ordenar las categorías; y el "sentimiento" de cada emoji, que se utiliza para ordenar los emojis dentro de cada categoría. Analicemos cada uno de estos factores por separado.
Primero, busqué una lista de los emojis más populares. La fuente más convincente que encontré * pertenecía al Consorcio Unicode, 2 los "señores ocultos de los emojis" 3 que seleccionan la cosecha anual de nuevos emojis y se encargan de los detalles técnicos que permiten que los emojis funcionen en tantos dispositivos diferentes.
Hasta ahora, todo prometedor. Excepto que la lista de Unicode se actualizó por última vez en 2021, lo que significa que los emojis que contiene y sus clasificaciones están desactualizados desde hace algunos años. Esto probablemente no sea un gran problema (como señala Jennifer Daniel, directora de emojis de Unicode, los nuevos emojis tardan un tiempo en encontrar su nivel), pero existe un problema potencialmente más grave: no está claro de dónde provienen los datos de Unicode en primer lugar. Daniel solo escribe que se utilizaron "múltiples fuentes". 4
Lo bueno es que Unicode conoce los emojis a la perfección y, en general, me alegra que sus "múltiples fuentes" ofrezcan una imagen representativa del uso de los emojis. Además, su conjunto de datos también categoriza cada emoji en "Emoticonos y emociones", "Comida y bebida", "Símbolos", etc., por lo que no tuve que buscar una fuente independiente de datos de categorización de emojis.
A continuación, quería descubrir cómo perciben cada emoji sus usuarios: ¿positivo, negativo o neutral?
A pesar de varias desventajas muy obvias † , los modelos de lenguaje grandes ( LLM ) son una herramienta útil para este tipo de tarea. Siempre que se les muestre un conjunto adecuado de datos de entrenamiento, son eficaces para etiquetar o clasificar cadenas de texto que les resulten familiares; y, en realidad, no importa demasiado si un modelo elige la etiqueta de sentimiento incorrecta para un emoji u otro. Mientras la idea general de la tabla sea correcta, estoy satisfecho.
Di con un modelo de libre acceso llamado (respira hondo) "twitter-roberta-large-topic-sentiment-latest", 7 desarrollado por investigadores de la Universidad de Cardiff aquí en el Reino Unido , que se había entrenado con alrededor de ciento cincuenta millones de tuits hasta finales de 2022. Dado que más del 20 % de todos los tuits de 2021 contenían al menos un emoji8 , era probable que un modelo entrenado con tuits hiciera un buen trabajo etiquetando los emojis, y el periodo de entrenamiento se superpuso perfectamente con la lista de emojis clasificados de Unicode de 2021.
Dentro del modelo hay 355 millones de valores numéricos independientes 9 que trabajan juntos para procesar y clasificar texto, pero el resultado final es simple: el modelo toma una cadena de texto y devuelve una etiqueta que identifica el sentimiento que detecta y una puntuación de confianza entre 0,0 y 1,0. Este modelo en particular etiqueta los textos como "fuertemente negativo", "negativo", "negativo o neutral", "positivo" y "fuertemente positivo", y, siendo sincero, no sé por qué la escala contiene más valores negativos que positivos. (Un artículo que acompaña al modelo no lo explica. 10 )
Para resumirlo todo, escribí un programa sencillo para cargar y categorizar los emojis de la lista Unicode de 2021, ordenarlos por popularidad, seleccionar los veinte mejores de cada categoría y, finalmente, pasarlos por el modelo. Las categorías, los sentimientos y las puntuaciones de confianza resultantes de este proceso determinaron el diseño y la apariencia de la tabla. Hay algo más que eso , pero no mucho.
¿Por qué hacer una tabla periódica de emojis?
La tabla periódica es muy imitada, y entiendo por qué. Es un triunfo del diseño de información. Sin embargo, muchas tablas periódicas falsas copian la forma de la original sin adoptar los principios subyacentes. Esta, por ejemplo, en tipografías , tiene la forma de una tabla periódica, pero no está organizada por columnas ni filas. Esta, en, bueno, períodos , tiene el mismo problema. Por lo tanto, quería ver si las ideas detrás de la tabla periódica, en lugar de su forma, podían usarse para decirnos algo sobre los emojis. ‡
Hay muchas formas de clasificar los emojis: su categoría, la dirección a la que apuntan, el año en que aparecieron por primera vez, de dónde provienen originalmente, su tono de piel, su tipo de cabello y más. § Pero a mí me interesaba más cómo se usan los emojis, o al menos cómo se perciben, y así fue como llegué a armar esta tabla en particular .
¿Qué aprendí? Bueno, mucho se debió a la mecánica del ejercicio.
La primera es que, al seleccionar la misma cantidad de emojis de cada categoría para crear una tabla rectangular, he asignado el mismo peso visual a las categorías de emojis populares e impopulares. Por ejemplo, el emoji menos popular de la categoría "Emoticonos y Emociones" ( ' 😳 ', en el puesto 29 ) sigue siendo más usado que cualquiera de los emojis de los últimos cuatro grupos.
Una segunda cosa se hizo evidente a medida que comprendí mejor lo que el LLM me decía sobre el sentimiento de cada emoji. La puntuación que el modelo otorga a sus etiquetas de sentimiento no es un grado de ese sentimiento, sino un nivel de confianza . Cuando ' 🙂 ' se etiqueta como "negativo o neutral (0,55)" , por ejemplo, deberíamos entender no que ' 🙂 ' es 55% "negativo o neutral", sea lo que sea que eso signifique, sino que el modelo solo tiene un 55% de confianza suficiente para etiquetarlo como tal. Dado que los emojis en cada fila se ordenan primero por sentimiento y luego por esta puntuación de confianza, podrían acusarme de tergiversar sutilmente la positividad, negatividad o neutralidad de cada uno.
En términos más generales, resulta evidente que la idea misma de "sentimiento" es subjetiva. Al menos algunos emojis se desvían de cómo los habría percibido: algunos emojis aparentemente positivos, como " 😂 " y " 🤣 ", son degradados por el modelo a "negativos o neutrales"; algunos emojis aparentemente negativos ( 🔫 , 😭 , 🚫 ) son promovidos a la misma categoría; y al menos un emoji, " ❌ ", es promovido aún más a la izquierda, a la categoría de "positivo".
¿A qué se debe esto? La respuesta más sencilla es que los emojis menos usados o más recientes podrían no aparecer con la suficiente frecuencia en el conjunto de datos de entrenamiento como para que el modelo pueda etiquetarlos correctamente. Esta podría ser la razón por la que las banderas, por ejemplo, que se usan con poca frecuencia, se etiquetan como "negativas o neutrales".
Sin embargo, otras etiquetas aparentemente incorrectas podrían estar diciéndonos algo. Un estudio de 2022 encargado por Adobe 12 reveló que la mayoría de los usuarios de emojis los usan de forma contraria a su significado aparente, y es muy posible que algunos emojis se usen de forma tan provocativa o irónica que ahora transmitan sentimientos muy distintos a los esperados. " 😂 " y " 🤣 " siempre me ponen los pelos de punta, por ejemplo, y no soy el único. 13
¿Quién creó la tabla periódica de emojis?
¡Soy Keith Houston ! Soy escritor de libros y desarrollador de software. Shady Characters es mi blog y puedes seguirlo en shadycharacters.co.uk . También puedes saludarme en Facebook , Bluesky , Mastodon o Goodreads .
1.
Centro Nacional de Información Biotecnológica, 'Tabla Periódica de los Elementos' , 2025. ↩︎
2.
Consorcio Unicode, «Frecuencia de emojis - Pública» , 15 de noviembre de 2021. ↩︎
3.
Liat Berdugo, 'Dos días con los oscuros señores de los emojis' , Rhizome, 2015. ↩︎
4.
Jennifer Daniel, 'Frecuencia de emojis' , Unicode, 8 de agosto de 2022. ↩︎
5.
Matthew Rothenberg, «Cómo creé Emojitracker» , Medium (blog), 1 de enero de 2016. ↩︎
6.
Keith Houston, 'Bombas, libros e IA generativa: una parábola contundente y obvia' , Shady Characters (blog), 9 de noviembre de 2024. ↩︎
7.
cardiffnlp, 'Twitter-Roberta-Large-Topic-Sentiment-Latest' , Cara abrazada, 5 de marzo de 2024. ↩︎
8.
Keith Broni, «El uso de emojis alcanza su máximo histórico» , Emojipedia, 13 de julio de 2021. ↩︎
9.
cardiffnlp, 'Twitter-Roberta-Gran-Tema-Sentimiento-Último' . ↩︎
10.
Dimosthenis Antypas et al., 'SuperTweetEval: un punto de referencia desafiante, unificado y heterogéneo para la investigación de PNL en redes sociales' (arXiv, 23 de octubre de 2023), https://doi.org/10.48550/arXiv.2310.14757. ↩︎
11.
Keith Houston, 'Logarítmico: la ley de Zipf y las matemáticas de la puntuación' , Shady Characters (blog), 4 de octubre de 2015. ↩︎
12.
Informe de tendencias de emojis de EE. UU. sobre el futuro de la creatividad de Adobe 2022 (Adobe, 2022). ↩︎
13.
Daisy Jones, «Cómo la cara de risa y llanto se convirtió en el emoji más divisivo de la historia» , VICE (blog), 2 de julio de 2021. ↩︎
Hubo un tiempo en que el increíble emojitracker.com de Matthew Rothenberg habría sido el lugar ideal, pero se suspendió desde que Twitter/X dificultó a los desarrolladores extraer información hace unos años. Rothenberg escribió un ensayo fascinante sobre la ingeniería detrás de emojitracker, 5 y vale la pena leerlo. ↩︎
Escribí extensamente sobre los problemas con los LLM y la IA generativa en Shady Characters 6 , pero en resumen: consumen mucha energía; muchos se basan en el robo de derechos de autor a escala industrial; suelen ser imprecisos; y a veces inventan respuestas completamente. Ah, y dependiendo de cómo se usen, degradan la experiencia humana. Creo que eso es todo.
Al crear este sitio web, estaba dispuesto a pasar por alto posibles inexactitudes y confiaba en que el grupo de PNL de la Universidad de Cardiff , que creó el modelo "twitter-roberta-large-topic-sentiment-latest" que utilicé, habría obtenido sus datos de entrenamiento de forma ética. Mi última gran preocupación era el consumo de energía, pero en el caso de que el modelo se ejecutara en mi portátil, solo me llevó un par de minutos.
No me malinterpreten: la IA generativa sigue siendo tremendamente problemática, especialmente en nuestra prisa por encajarla en todos y cada uno de los nichos en los que corre el riesgo de encajar, pero al menos me siento algo en paz al usarla de esta manera limitada. ↩︎
Más egoístamente, también me moría de ganas de hacer un experimento como este. Hace unos años, analicé la distribución estadística de los signos de puntuación, y los emojis me parecieron un tema ideal para continuar. De hecho, mientras escribo, me pregunto -casi asumiendo- si la ley de Zipf se aplica a las frecuencias de los emojis. ↩︎
Todo esto se comenta en Cara a cara con lágrimas de alegría . ↩︎
https://emoji.shadycharacters.co.uk/
Shady Personeros es miscelánea, libros y más de Keith Houston. Aquí encontrará las tecnologías de la información del tipo poco ortodoxo: del emoji a las marcas inusuales de puntuación; de los códices a las calculadoras; y todo lo que hay entre ellos.
Ahora disponible para pre-ordenar, Cara con lágrimas de la alegría: Una historia natural de los emojis. Aprender más
Misceláneas No 109: el terror de la parada completa
💫Emojitracker is brought to you with ❤️ by Emojipedia. Read our privacy policy. Cookie Choices.