Clasificando símbolos AAC para facilidad de uso

Las preguntas alrededor de la clasificación de símbolos se vuelve aún más importante al considerar una gama de idiomas que tienen poco en común. En particular si no son parte del grupo europeo de idiomas.

Problemas alrededor de ortografía y los cambios que los diacríticos pueden hacer a la salida de texto a voz. O colocación de izquierda a derecha y derecha a izquierda si uno está pensando en moverse a través de una oración o frases con un número mínimo de selecciones y distancia a cubrir.

En el pasado los símbolos AAC a menudo han sido clasificados por su uso:

• Asistido vs. No Asistido: Si el símbolo requiere un dispositivo o instrumento externo (asistido, como una imagen en un tablero) o es producido por el cuerpo (no asistido, como un gesto).
• Estático vs. Dinámico: Si el símbolo está inmóvil (estático, como una palabra impresa o imagen) o cambia con el tiempo (dinámico, como un gesto o animación).
• Icónico vs. Opaco: Cuánto el símbolo se parece visualmente a su referente (los símbolos icónicos son fácilmente adivinables, los opacos no lo son).
• Conjunto vs. Sistema: Si la colección de símbolos tiene reglas generativas internas para crear nuevos símbolos (sistema) o es una lista fija (conjunto). 

Pampoulou y Fuller propusieron El Continuo Cuaternario Multidimensional de Símbolos (MQSC)

• Símbolos No Lingüísticos: Estos tienen poca o ninguna lógica interna inherente y capacidades de expansión virtualmente inexistentes. Cualquier símbolo nuevo debe ser proporcionado por el desarrollador (por ejemplo, un conjunto simple y fijo de pictogramas).
• Símbolos Pre-Lingüísticos: Estos tienen una lógica interna rudimentaria, permitiendo alguna expansión o modificación limitada (por ejemplo, algunos conjuntos de símbolos donde se aplican reglas simples).
• Símbolos Lingüísticos: Estos poseen una lógica interna sofisticada (reglas generativas), permitiendo al usuario crear virtualmente símbolos nuevos ilimitados y expresar una amplia gama de ideas y pensamientos (por ejemplo, Blissymbols, que tienen una lógica inherente permitiendo generación de significado complejo). 

Pero ¿qué pasa si necesitáramos clasificar símbolos por tema, parte del habla y otras características tales como cultura, idioma y uso principal o periférico. Quizás con el apoyo de modelos de IA esto podría hacerse más fácilmente ya que todas las clasificaciones anteriores principalmente han sido usadas para investigación y tuvieron que llevarse a cabo manualmente - agregadas a una base de datos para filtrado. Los Modelos de Lenguaje Grande y reconocimiento visual podrían entrar en juego aunque claramente conceptos de símbolos abstractos y una falta de datos de entrenamiento bien etiquetados podrían ser un problema.