اكتشف علماء معهد ماساتشوستس للتكنولوجيا أن أجهزة الكمبيوتر يمكنها فهم الكلمات والمفاهيم المعقدة
تستخدم نماذج معالجة اللغة الطبيعية الإحصائيات لجمع ثروة من المعلومات حول معاني الكلمات.
في كتابه “عبر النظرة الزجاجية”، يقول هامبتي دمبتي بازدراء، “عندما أستخدم كلمة، فهذا يعني تمامًا ما أختارها لأعنيها – لا أكثر ولا أقل.” تجيب أليس، “السؤال هو ما إذا كان يمكنك جعل الكلمات تعني أشياء كثيرة مختلفة.”
لطالما كانت معاني الكلمات موضوع البحث. لفهم معناها، يجب على العقل البشري الفرز من خلال شبكة معقدة من المعلومات المرنة والمفصلة.
الآن، ظهرت مشكلة أحدث تتعلق بمعنى الكلمة. يدرس الباحثون ما إذا كانت الآلات ذات الذكاء الاصطناعي ستكون قادرة على محاكاة عمليات التفكير البشري وفهم الكلمات بشكل مشابه.
نشر باحثون من جامعة كاليفورنيا بلوس أنجلوس ومعهد ماساتشوستس للتكنولوجيا والمعاهد الوطنية للصحة دراسة تجيب على هذا السؤال.
تُظهر الدراسة، التي نُشرت في مجلة Nature Human Behavior ، أن أنظمة الذكاء الاصطناعي قد تلتقط بالفعل معاني الكلمات شديدة التعقيد.
وجد الباحثون أيضًا طريقة بسيطة للوصول إلى هذه المعلومات المعقدة. اكتشفوا أن نظام الذكاء الاصطناعي الذي نظروا إليه يمثل معاني الكلمات بطريقة تشبه إلى حد كبير الحكم البشري.
تم استخدام نظام الذكاء الاصطناعي الذي اكتشفه المؤلفون على نطاق واسع لتحليل معنى الكلمة طوال العقد الماضي.
يلتقط معاني الكلمات من خلال “قراءة” كميات هائلة من المواد على الإنترنت، والتي تحتوي على عشرات المليارات من الكلمات.
تصوير الإسقاط الدلالي، والذي يمكنه تحديد التشابه بين كلمتين في سياق معين. توضح هذه الشبكة مدى تشابه بعض الحيوانات بناءً على حجمها. الائتمان: إيدان بلانك / جامعة كاليفورنيا
عندما تتكرر الكلمات معًا – على سبيل المثال “طاولة” و “كرسي” – يتعلم النظام أن معانيها مرتبطة ببعضها البعض.
وفي حالة حدوث أزواج من الكلمات معًا نادرًا جدًا – مثل “جدول” و “كوكب” – فإنه يتعلم أن لهما معاني مختلفة تمامًا.
يبدو هذا النهج كنقطة انطلاق منطقية، لكن ضع في اعتبارك مدى فهم البشر للعالم جيدًا إذا كانت الطريقة الوحيدة لفهم المعنى هي حساب عدد المرات التي تحدث فيها الكلمات بالقرب من بعضها البعض، دون أي قدرة على التفاعل مع الآخرين ومع بيئتنا.
قال إيدان بلانك، الأستاذ المساعد في علم النفس واللغويات بجامعة كاليفورنيا في لوس أنجلوس والمؤلف المشارك في الدراسة، إن الباحثين شرعوا في معرفة ما يعرفه النظام عن الكلمات التي يتعلمها، ونوع “الفطرة السليمة” التي يمتلكها.
قال بلانك قبل بدء البحث، بدا أن النظام يحتوي على قيد رئيسي واحد: “فيما يتعلق بالنظام، كل كلمتين لها قيمة عددية واحدة فقط تمثل مدى تشابههما”.
في المقابل، فإن المعرفة البشرية أكثر تفصيلاً وتعقيدًا.
قال بلانك: “ضع في اعتبارك معرفتنا بالدلافين والتماسيح”. “عندما نقارن الاثنين على مقياس الحجم، من” صغير “إلى” كبير “، فإنهما متشابهان نسبيًا.
من حيث ذكائهم، هم مختلفون إلى حد ما. من حيث الخطر الذي يشكلونه علينا، على مقياس من “آمن” إلى “خطير”، فإنهم يختلفون بشكل كبير. لذا فإن معنى الكلمة يعتمد على السياق.
“أردنا أن نسأل ما إذا كان هذا النظام يعرف بالفعل هذه الاختلافات الدقيقة – ما إذا كانت فكرته عن التشابه مرنة بنفس الطريقة بالنسبة للبشر.”
لمعرفة ذلك، طور المؤلفون تقنية أطلقوا عليها اسم “الإسقاط الدلالي”. يمكن للمرء أن يرسم خطًا بين تمثيلات النموذج لكلمات “كبير” و “صغير”، على سبيل المثال، ويرى أين تقع تمثيلات الحيوانات المختلفة على هذا الخط.
باستخدام هذه الطريقة، درس العلماء المجموعات المكونة من 52 كلمة لمعرفة ما إذا كان بإمكان النظام تعلم تصنيف المعاني – مثل الحكم على الحيوانات من خلال حجمها أو مدى خطورتها على البشر، أو تصنيف الولايات الأمريكية حسب الطقس أو الثروة الإجمالية.
من بين مجموعات الكلمات الأخرى كانت المصطلحات المتعلقة بالملابس والمهن والرياضة والمخلوقات الأسطورية والأسماء الأولى.
تم تخصيص سياقات أو أبعاد متعددة لكل فئة – الحجم والخطر والذكاء والعمر والسرعة، على سبيل المثال.
وجد الباحثون أنه عبر تلك الأشياء والسياقات العديدة، أثبتت طريقتهم أنها مشابهة جدًا للحدس البشري.
(لإجراء هذه المقارنة، طلب الباحثون أيضًا من مجموعات مكونة من 25 شخصًا إجراء تقييمات مماثلة حول كل مجموعة من المجموعات المكونة من 52 كلمة).
ومن اللافت للنظر أن النظام تعلم إدراك أن الاسمين “بيتي” و “جورج” متشابهان من حيث كونهما “قديمين” نسبيًا، لكنهما يمثلان جنسين مختلفين.
وأن “رفع الأثقال” و “المبارزة” متشابهان من حيث أن كلاهما يحدث عادة في الداخل، لكنهما يختلفان من حيث مقدار الذكاء المطلوب.
قال بلانك: “إنها طريقة بسيطة وجميلة وبديهية تمامًا”. “الخط الفاصل بين” كبير “و” صغير “يشبه المقياس العقلي، ونضع الحيوانات على هذا المقياس.”
قال بلانك إنه في الواقع لم يتوقع أن تنجح هذه التقنية، لكنه كان سعيدًا عندما نجحت.
“اتضح أن نظام التعلم الآلي هذا أكثر ذكاءً مما كنا نظن؛ إنه يحتوي على أشكال معقدة للغاية من المعرفة، وهذه المعرفة منظمة في بنية بديهية للغاية.
“فقط من خلال تتبع الكلمات التي تحدث مع بعضها البعض في اللغة، يمكنك معرفة الكثير عن العالم.”
المصدر: scitechdaily
قد يهمك:
