Una palabra es polisémica cuando tiene varios sentidos emparentados: diario es el objeto que se moja bajo la lluvia y la empresa que despide periodistas. Se distingue de la homonimia, donde los significados no guardan relación: vino (la bebida) y vino (de venir). La desambiguación del sentido de las palabras (word-sense disambiguation, WSD) es la tarea de elegir, en cada aparición, el sentido adecuado, casi siempre dentro de un inventario fijo de acepciones.
Ejemplo mínimo (Bar-Hillel, 1960): «The box was in the pen». Solo saber que una caja cabe en un corralito y no en una lapicera decide qué es pen. Bar-Hillel lo usó para sostener que la traducción automática de calidad era inalcanzable, porque requeriría conocimiento del mundo.
Los embeddings estáticos no captan ni la polisemia ni la homonimia: dan un único vector por palabra, y bank es el mismo junto al río y en el sistema financiero (Millière y Buckner, 2024a, sec. 2.1). Los embeddings contextuales se propusieron, entre otras cosas, para modelar la polisemia (Peters et al., 2018, p. 2227). ELMo resolvía WSD con un método elemental: promediar los vectores de cada sentido en un corpus anotado y asignarle a cada aparición nueva el sentido más cercano; logró así un F1 de 69,0, competitivo con sistemas diseñados para la tarea (2018, p. 2233). En BERT y sus parientes, la autoatención empuja el vector de la palabra ambigua hacia la región que el contexto indica, aunque la pista esté lejos (Buckner, 2024, p. 271).
Queda una pregunta de fondo. Kilgarriff (1997) tituló un artículo «No creo en los sentidos de las palabras»: las acepciones serían abstracciones del lexicógrafo sobre racimos de usos, no entidades discretas entre las que el hablante elige. Los vectores contextuales, que varían de manera continua, parecen darle la razón, con un eco de los parecidos de familia de Wittgenstein (Wittgenstein, 1953/2009, §§66–67). Si es así, la WSD clásica mide la capacidad de reproducir una segmentación del diccionario, no necesariamente la de entender.