به گزارش صراط به نقل ازفارس ، علم زبان و زبانشناسی میتواند به پیشرفت درک ما از ذهن و رفتار انسان کمک کند. مطالعه جدیدی که توسط محققان دانشگاه شیکاگو در مجلهی «مجموعه مقالات آکادمی ملی علوم ایالات متحده آمریکا» (PNAS) منتشر شده است، از هوش مصنوعی (AI) برای تعیین زمان یک نقطه عطف مهم در زبان کودکان استفاده میکند: زمانی که کودکان قادر به گفتن چیزی جدید هستند که قبلاً نشنیدهاند و از یک قانون زبانی استفاده میکنند.نویسندهی ارشد این مطالعه، پروفسور سوزی گلدین-مدو، روانشناس دانشگاه شیکاگو، به همراه همکارانش، راکل آلهاما، روث فوشی، الیسون اتینگر، آفرا علیشاهی و دن بیرن، نوشتند: «یکی از مشکلات دشوار در توصیف اکتساب زبان، دانستن این است که چه زمانی کودکان فراتر از ورودی خود میروند تا اداهای ساختاری جدیدی تولید کنند؛ یعنی به دست آوردن بهرهوری زبانی، که مشخصهی زبان انسان است.»کودکان چه زمانی فراتر از تقلید آنچه شنیدهاند میروند و شروع به تولید عبارات ساختاری اصلی خود میکنند؟ به عبارت دیگر، کودکان در چه لحظهای به بهرهوری زبانی دست مییابند؟ پاسخ به این سوال از نظر علمی چالشبرانگیز است، زیرا نیاز به دانستن هر ادایی است که یک کودک با آن مواجه شده است.
چه زمانی کودکان شروع به ساختن جملات میکنند؟ هوش مصنوعی گزارش میدهد!
آیا تا به حال فکر کردهاید که کودکان چگونه یاد میگیرند کلمات را ترکیب کرده و جمله بسازند؟ محققان با استفاده از هوش مصنوعی، به کشف شگفتانگیزی در مورد رشد زبان کودکان دست یافتهاند. آنها توانستهاند دقیقاً مشخص کنند که کودکان در چه سنی به مرحلهای میرسند که میتوانند جملههای جدید و خلاقانهای بسازند.
اکتساب زبان فرایندی است که انسانها از طریق آن توانایی درک و تولید زبان را به دست میآورند، و بهرهوری زبانی توانایی تولید و درک تعداد نامحدودی از عبارات از مجموعهای محدود از اجزا و قوانین است. زبانشناسی شامل زیرشاخههای واجشناسی (مطالعهی صداهای گفتاری)، واجشناسی (مطالعهی سیستمهای صوتی زبان)، ریختشناسی (مطالعهی ساختار کلمات)، نحو (مطالعهی ساخت واحدهای زبانی که فراتر از یک کلمه هستند) و معناشناسی (مطالعهی معنا) است.این رشته را میتوان بیشتر به روانزبانشناسی (مطالعهی چگونگی پردازش زبان توسط ذهن)، عصبزبانشناسی (مطالعهی چگونگی رمزگذاری زبان توسط مغز)، جامعهزبانشناسی (مطالعهی زبان و جامعه)، زبانشناسی تاریخی (مطالعهی چگونگی تکامل زبان در طول زمان) و زبانشناسی محاسباتی (مطالعهی گفتار و زبان با استفاده از علوم رایانهی کاربردی) تقسیم کرد.برای حل این مسئله، محققان از دادههای رفتاری گستردهی دنیای واقعی که در طول یک دوره طولانی جمعآوری شده بود و یک مدل هوش مصنوعی پیچیده برای تفسیر دادهها استفاده کردند.دادههای رفتاری استفادهشده شامل رونوشت بیش از یک میلیون ادای خودجوش از تعاملات ۹۰ دقیقهای بین ۶۴ کودک انگلیسیزبان و والدینشان در خانه بود که هر چهار ماه یکبار در سنین ۱۴ ماهگی تا ۵۸ ماهگی جمعآوری شده بود و از یک مطالعهی قبلی در مورد رشد زبان توسط گلدین-مدو و همکارانش در سال ۲۰۱۴ در مجلهی «روانشناس آمریکایی» انجمن روانشناسی آمریکا منتشر شده بود.
از این پایگاه دادهی عظیم، تیم تحقیقاتیای قصد داشت از مدلهای محاسباتی برای تعیین شروع و مسیرهای توسعهی زمانی که کودکان شروع به استفاده از ترکیبات تعیینکننده-اسم در انگلیسی کردند، مانند «یک کتاب» و «کتاب»، و موارد دیگر، استفاده کند.محققان اذعان داشتند: «دادههای رفتاری ما تصویر غنیای از زمانی که کودکان شروع به ترکیب تولیدی تعیینکنندههای «a» و «the» با همان اسم میکنند، به ما داد.»مدل محاسباتی که محققان استفاده کردند، اقتباسی از مدل ترانسفورمر هوش مصنوعی BERT (نمایندگیهای رمزگذار دو جهته از ترانسفورمرها) بود که توسط آلهاما و همکارانش در مقالهای قبلی که یک سال قبل در «مجموعه مقالات سیزدهمین کنفرانس بینالمللی مشترک پردازش زبان طبیعی و سومین کنفرانس انجمن آسیا-اقیانوسیه برای محاسبات زبانشناسی» معرفی شده بود، توسعه داده شد.
مدلهای ترانسفورمر مدلهای یادگیری عمیقی هستند که در پردازش زبان طبیعی (NLP) اساسی هستند و برای اولین بار در سال ۲۰۱۷ توسط محققان گوگل با مقالهی برجستهی خود، «توجه همه چیزی است که نیاز دارید»، یک ریتم بازیگوشانه بر روی متن کلاسیک بیتلز از آهنگ کلاسیک ۱۹۶۷ «همه چیزی که نیاز داری عشق است»، معرفی شدند.مدلهای ترانسفورمر جرقهی افزایش شهابوار هوش مصنوعی مولد را زدند. نمونههایی از مدلهای ترانسفورمر شامل ChatGPT، Siri، Alexa، Google Translate، AlphaFold و موارد دیگر هستند.آنچه مدلهای ترانسفورمر را نوآورانه میکند، توانایی در نظر گرفتن اطلاعات متوالی از طریق رمزگذاری موقعیتی و یک مکانیسم خود-توجه است که به هوش مصنوعی اجازه میدهد تا روابط بین کلمات را بیاموزد.محققان کشف کردند که به طور متوسط، کودکان در سن ۳۰ ماهگی شروع به ساخت ترکیبات تولیدی تعیینکننده-اسم میکنند، که تقریباً نه ماه پس از گفتن اولین تعیینکنندهی خود است.
محققان میگویند: «ترکیب مشاهدات رفتاری و مدلسازی محاسباتی رویکردی را فراهم میکند که میتواند برای ارزیابی بهرهوری در هر زبانی، گفتاری یا نوشتاری، استفاده شود.»آنها ثابت کردند که میتوانند شروع و مسیرهای بهرهوری زبانی را مدلسازی محاسباتی کنند. به عنوان گامهای بعدی، محققان میگویند که میتوانند از همان مدل برای درک عوامل احتمالی مؤثر بر زمانبندی و نرخ متفاوت بهرهوری در آینده استفاده کنند.زبان، زبانشناسی را با روانشناسی، علم ذهن و رفتار، پیوند میدهد. این یک جزء بنیادی هم در ارتباطات و هم در شناخت است. کاربرد هوش مصنوعی پیشرفته در حال تسریع درک توسعهی آنچه ما را به طور منحصر به فرد انسان میکند، است.