Klasificiranje AAC simbola za lakoću korištenja

Pitanja oko klasifikacije simbola postaju još važnija kada se razmatra raspon jezika koji imaju malo zajedničkog. Posebno ako nisu dio europske grupe jezika.

Problemi oko ortografije i promjene koje dijakritici mogu napraviti na tekst u govor izlaz. Ili s lijeva na desno i s desna na lijevo postavljanje ako netko razmišlja o kretanju kroz rečenicu ili fraze s minimalnim brojem odabira i udaljenosti za pokrivanje.

U prošlosti su AAC simboli često bili klasificirani njihovom upotrebom:

• Pomoćni vs. Nepomoćni: Zahtijeva li simbol vanjski uređaj ili instrument (pomoćni, kao slika na ploči) ili se proizvodi tijelom (nepomoćni, kao gesta).
• Statički vs. Dinamički: Je li simbol nepokretan (statički, kao ispisana riječ ili slika) ili se mijenja tijekom vremena (dinamički, kao gesta ili animacija).
• Ikonički vs. Neproziran: Koliko simbol vizualno podsjeća na svoj referent (ikonički simboli su lako pogodljivi, neprozirni nisu).
• Skup vs. Sustav: Ima li kolekcija simbola unutarnja generativna pravila za stvaranje novih simbola (sustav) ili je fiksni popis (skup). 

Pampoulou i Fuller predložili su Multidimenzionalni kvaternarni kontinuum simbola (MQSC) 

• Nejezični simboli: Oni imaju malo ili nimalo inherentne unutarnje logike i gotovo nepostojeće mogućnosti proširenja. Bilo koji novi simboli moraju biti pruženi od strane programera (npr., jednostavan, fiksni skup piktograma).
• Prejezični simboli: Oni imaju rudimentarnu unutarnju logiku, omogućavajući neko ograničeno proširenje ili modifikaciju (npr., neki skupovi simbola gdje se primjenjuju jednostavna pravila).
• Jezični simboli: Oni posjeduju sofisticiranu unutarnju logiku (generativna pravila), omogućavajući korisniku stvaranje gotovo neograničenih novih simbola i izražavanje širokog raspona ideja i misli (npr., Blissymbols, koji imaju inherentnu logiku koja omogućava složeno generiranje značenja). 

Ali što ako bismo trebali klasificirati simbole po temi, dijelu govora i drugim značajkama kao što su kultura, jezik i temeljna ili rubna upotreba.  Možda bi uz podršku AI modela to moglo biti učinjeno lakše jer su sve prethodne klasifikacije uglavnom korištene za istraživanje i morale su se izvoditi ručno - dodane u bazu podataka za filtriranje.     Veliki jezični modeli i vizualno prepoznavanje  mogli bi ući u igru, iako bi jasno apstraktni simbolni koncepti i nedostatak dobro označenih podataka za treniranje mogli biti problem.