ConlangCrafter, un sistema presentato all’ACL 2026, ha generato 64 lingue artificiali e, nei test con Gemini-2.5-Pro, ha più che raddoppiato la diversità tipologica rispetto a un prompt diretto: 0,58 contro 0,26, con coerenza interna salita da 0,32 a 0,54.
Come nascono le lingue artificiali di ConlangCrafter
Il lavoro, firmato da Morris Alper, Moran Yanuka, Raja Giryes e Gašper Beguš, parte da una premessa semplice: chiedere a un modello linguistico di grandi dimensioni di “inventare una lingua” produce spesso output superficiali, poco vari e pieni di contraddizioni. ConlangCrafter divide invece il compito in passaggi separati, una pipeline multi-hop: prima la fonologia, cioè il sistema dei suoni; poi la morfosintassi, cioè il modo in cui parole e frasi cambiano forma; poi il lessico, cioè il vocabolario; infine la traduzione di frasi di test.
“We introduce ConlangCrafter, a multi-hop pipeline that decomposes language design into modular stages.”
Il sistema usa anche un generatore casuale per scegliere caratteristiche linguistiche, per esempio l’ordine di soggetto, verbo e oggetto, e un ciclo di self-refinement, in cui il modello critica e corregge le proprie incoerenze. La logica è pratica: la creatività da sola produce varietà, ma le lingue funzionano solo se le regole restano stabili quando cambiano le frasi.
Nei test, i ricercatori hanno usato DeepSeek-R1 e due varianti di Gemini 2.5. Per valutare le uscite, hanno misurato 16 caratteristiche tipologiche derivate dal World Atlas of Language Structures e hanno chiesto a un giudice automatico, OpenAI o3, di controllare se le traduzioni rispettavano grammatica, fonologia e sintassi della lingua generata.
La domanda scomoda è questa: quando un modello inventa una lingua coerente, sta ragionando sulle regole o sta solo imitando il formato di una grammatica?
Il risultato che conta non è creativo, è misurabile
Il dato più forte arriva dal confronto con il prompt diretto. Su Gemini-2.5-Pro, ConlangCrafter porta la diversità da 0,26 a 0,58 e la coerenza da 0,32 a 0,54. Detto senza grafici: le lingue generate risultano molto più diverse tra loro e rispettano meglio le proprie regole.
C’è un secondo numero che cambia il contesto. Il paper confronta la diversità delle lingue generate con 1.874 lingue naturali presenti nel database WALS. Il valore medio delle lingue naturali è 0,43. ConlangCrafter, nelle tre configurazioni testate, arriva fra 0,56 e 0,60. Questo non significa che l’AI “superi” le lingue umane. Significa che, su 16 tratti linguistici osservabili, il sistema esplora combinazioni più distanti tra loro rispetto a un normale prompt e anche rispetto al campione WALS.
La validazione resta delicata. Due dottorandi in linguistica hanno controllato manualmente parte dei risultati, con circa 35 ore di lavoro. Escludendo i casi sottospecificati, l’estrazione automatica delle caratteristiche WALS ha raggiunto il 91% di accuratezza. Per la coerenza delle traduzioni, l’accordo tra valutazione automatica e valutazione umana è stato significativo, con Spearman ρ = 0,68. Sono numeri utili, non una certificazione definitiva.
Non basta inventare parole
Il progetto non crea lingue complete come farebbe una comunità umana. Gli autori dichiarano che le descrizioni prodotte coprono componenti fondamentali, ma lasciano fuori semantica, pragmatica, strategie discorsive e ortografia. In pratica, il sistema sa costruire uno scheletro linguistico verificabile, ma non una cultura, una storia d’uso o un insieme pieno di significati sociali.
C’è anche un limite più vicino al panorama AI attuale: i modelli possono restare sbilanciati verso l’inglese e le lingue ad alta risorsa. Questo conta perché molti sistemi multilingue sembrano robusti nei benchmark globali, poi degradano quando entrano in dialetti, registri misti, lingue minoritarie o testi tecnici locali.
Il paper segnala infine rischi concreti: uso di lingue artificiali per aggirare moderazione dei contenuti, rappresentazioni culturali fuorvianti quando la generazione si ispira a comunità reali, costi computazionali elevati per i cicli ripetuti di chiamate ai modelli.
Riuscirebbe a mantenere una costanza?
ConlangCrafter interessa meno come strumento creativo e più come stress test. Se un assistente AI deve operare in sanità, pubblica amministrazione, customer care o documentazione tecnica, riuscirebbe a mantenere regole coerenti quando incontra strutture linguistiche non viste, glossari interni, abbreviazioni, dialetti, forme miste e gerghi professionali.
Un test con lingue artificiali può diventare un modo per verificare quanto un modello dipenda dalla memoria e quanto sappia seguire regole esplicite. Non sostituisce i dataset reali in italiano, né il lavoro su lingue vive e comunità linguistiche. Può però affiancare i benchmark tradizionali, soprattutto quando si vuole capire se un sistema generalizza davvero.
La conseguenza pratica è chiara: chi compra, integra o valuta AI multilingue dovrebbe chiedere prove su linguaggi controllati e non solo punteggi su benchmark pubblici. Se un modello perde coerenza davanti a una grammatica inventata, probabilmente perderà affidabilità anche davanti al tipo di italiano che le aziende usano ogni giorno: documenti pieni di codici, eccezioni, sigle e regole non scritte.
Fonti citate
- ConlangCrafter: Constructing Languages with a Multi-Hop LLM Pipeline , arXiv, 8 agosto 2025; ultima revisione 17 aprile 2026.
- ConlangCrafter , pagina progetto degli autori, ACL 2026.
- ConlangCrafter Turns AI to Imagining Languages , IEEE Spectrum, 27 giugno 2026.