Un estudio presentado en la conferencia SIGBOVIK 2019 encontró que el 93% de las salpicaduras de pintura aleatorias se analizan como programas Perl válidos. Al utilizar software de reconocimiento óptico de caracteres (OCR) para analizar un conjunto de datos de 100 imágenes de salpicaduras de pintura, el investigador Colin McMillen abordó una broma de larga data en la comunidad de programación sobre la sintaxis permisiva del lenguaje.

Una captura de pantalla de una conversación en Twitter que presenta una broma sobre manchar pintura en una pared y crear código Perl válido.
El intercambio original en Twitter que inspiró el estudio sobre la sintaxis de las salpicaduras de pintura.www.mcmillen.dev

Esta imagen captura la interacción en redes sociales que motivó la investigación sobre la sintaxis permisiva de Perl.

Metodología empírica y hallazgos

La investigación empleó un enfoque empírico para determinar si es posible manchar pintura en una pared sin crear un programa Perl válido. El autor utilizó software OCR para convertir 100 imágenes diferentes de salpicaduras de pintura en cadenas de texto, las cuales fueron luego probadas frente a un intérprete de Perl.

El análisis reveló que el 93% de estas salpicaduras se analizaron con éxito como Perl válido. Para el 7% restante que no era válido, el autor proporcionó ejemplos visuales específicos para demostrar los límites de la sintaxis del lenguaje.

Una fotografía de primer plano de una salpicadura de pintura colorida en una superficie.
Un ejemplo de una salpicadura de pintura que fue analizada con éxito como un programa Perl válido.www.mcmillen.dev

Esta imagen representa el tipo de ruido caótico que el estudio encontró como código Perl válido.

“Respondemos a esta pregunta en afirmativo: es posible manchar pintura en la pared sin crear un programa Perl válido.”

— 93% of Paint Splatters are Valid Perl Programs | Colin McMillen

La naturaleza del Perl de salpicadura de pintura

Los programas generados a partir de estas salpicaduras a menudo evalúan a valores o cadenas simples. Por ejemplo, una salpicadura fue reconocida como la cadena `lerzfijglpFiji-j`, que evalúa al número 0 en Perl.

Una fotografía de una salpicadura de pintura multicolor.
Otro ejemplo de una salpicadura de pintura analizada durante la metodología empírica del estudio.www.mcmillen.dev

El estudio utilizó un conjunto de datos de tales imágenes para probar los límites del intérprete de Perl.

Otros patrones visuales complejos fueron interpretados como cadenas como `;i;c;;#\\?z{;?;;fn':.;`, que evalúa al carácter `c`. El estudio destaca cómo la capacidad de Perl para manejar diversos símbolos y estructuras le permite encontrar 'significado' en casi cualquier ruido visual.

Limitaciones y contexto

Los resultados del estudio dependen de la configuración específica del software OCR utilizado. Si se emplearan diferentes configuraciones de OCR, el software podría reconocer programas válidos diferentes a partir de la misma salpicadura física.

Si bien el estudio se centra en Perl, contrasta con otros sistemas donde la invalidez es mucho más fácil de lograr. Por ejemplo, un archivo de propiedades de Java solo es inválido si contiene secuencias de escape Unicode incorrectas específicas, lo que hace que sea mucho menos probable que sea 'accidentalmente' válido en comparación con Perl.