زبان انسان پدیده‌ای پویا و سرشار از خلاقیت است. یکی از شگفت‌انگیزترین جنبه‌های این خلاقیت، توانایی ما در استفاده از واژگان در نقش‌های دستوری جدید است؛ پدیده‌ای که در زبان‌شناسی با عنوان «تبدیل رده واژگانی» (Word Class Conversion) شناخته می‌شود. رایج‌ترین شکل این پدیده، تبدیل اسم به فعل است. برای مثال، وقتی می‌گوییم «باید این موضوع رو گوگل کنی»، ما از اسم خاص «گوگل» یک فعل جدید ساخته‌ایم. این فرایند که به آن «فعل‌سازی از اسم» (Denominal Verb) می‌گویند، به ما اجازه می‌دهد مفاهیم پیچیده را به شکلی فشرده و کارآمد بیان کنیم.

با وجود اینکه این خلاقیت برای انسان امری طبیعی است، سیستم‌های پردازش زبان طبیعی (NLP) و مدل‌های هوش مصنوعی امروزی در درک و تولید چنین کاربردهای بدیعی با چالش‌های جدی روبرو هستند. آن‌ها اغلب در چارچوب‌های ثابت و از پیش‌آموخته‌شده عمل می‌کنند و توانایی استنتاج معنای یک فعل جدید از یک اسم آشنا را ندارند. مقاله «Noun2Verb: Probabilistic frame semantics for word class conversion» نوشته «لی یو» و «یانگ شو» تلاشی پیشگامانه برای پر کردن این شکاف عمیق است. این مقاله یک چارچوب محاسباتی ارائه می‌دهد که نه تنها این پدیده را مدل‌سازی می‌کند، بلکه ریشه‌های شناختی آن را در دانش مشترک میان گوینده و شنونده جستجو می‌کند و راه را برای ساخت سیستم‌های هوش مصنوعی خلاق‌تر و انسان‌مانندتر هموار می‌سازد.

این مقاله توسط لی یو (Lei Yu) و یانگ شو (Yang Xu)، پژوهشگران برجسته در زمینه زبان‌شناسی محاسباتی و علوم شناختی در دانشگاه تورنتو، به رشته تحریر درآمده است. تحقیقات این دو دانشمند بر روی مدل‌سازی محاسباتی خلاقیت زبانی، یادگیری زبان و تکامل آن متمرکز است. این پژوهش در نقطه تلاقی سه حوزه کلیدی قرار دارد: زبان‌شناسی محاسباتی، علوم شناختی و هوش مصنوعی.

پرسش اصلی که این تحقیق به دنبال پاسخ به آن است، این است: چگونه می‌توان توانایی شناختی انسان در ساخت و درک افعال جدید از اسامی را به صورت یک مدل محاسباتی شبیه‌سازی کرد؟ پژوهشگران با الهام از نظریه‌های شناختی، استدلال می‌کنند که کلید درک این پدیده، «دانش مشترک» (Shared Knowledge) است. آن‌ها معتقدند که وقتی یک گوینده فعل جدیدی مانند «بطری کردن آب» (to bottle the water) را به کار می‌برد، شنونده با تکیه بر دانش مشترک خود درباره «بطری» (اینکه یک ظرف است، برای نگهداری مایعات به کار می‌رود و …)، می‌تواند معنای فعل را استنباط کند. این مقاله تلاش می‌کند این فرایند استنتاجی را به زبان ریاضی و آمار ترجمه کند.

مقاله چارچوبی رسمی و احتمالی به نام Noun2Verb را معرفی می‌کند که فرایند تولید و درک افعال برگرفته از اسم را شبیه‌سازی می‌کند. اساس نظری این چارچوب بر «معناشناسی چارچوبی» (Frame Semantics) استوار است. بر اساس این نظریه، ما معنای کلمات را در قالب ساختارهای مفهومی یا «چارچوب» (Frame) درک می‌کنیم. هر چارچوب شامل مجموعه‌ای از عناصر معنایی (Semantic Roles) است. برای مثال، چارچوب «حبس کردن» شامل عناصری مانند «مقام مسئول»، «مجرم»، «جرم» و «مکان حبس» است. وقتی اسم «زندان» (jail) به فعل «زندانی کردن» (to jail) تبدیل می‌شود، این عناصر معنایی فعال می‌شوند و به ما در درک جمله «پلیس مجرم را زندانی کرد» کمک می‌کنند.

مدل Noun2Verb این فرایند را به عنوان یک تعامل مشارکتی بین گوینده و شنونده مدل می‌کند. این مدل فرض می‌کند که گوینده سعی می‌کند با ساخت یک فعل جدید، منظور خود را به بهینه‌ترین شکل ممکن بیان کند و شنونده نیز با استفاده از دانش چارچوبی مشترک، محتمل‌ترین تفسیر را استنتاج می‌کند. این چارچوب به جای تکیه بر الگوهای آماری سطحی، به دنبال مدل‌سازی توزیع احتمال مشترک بر روی عناصر یک چارچوب معنایی است تا بهترین «توضیح» یا «ترجمه» (Paraphrase) را برای فعل جدید پیدا کند. برای مثال، برای درک «to Google X»، مدل یاد می‌گیرد که محتمل‌ترین توضیح، «جستجوی X در گوگل» است.

پژوهشگران برای ارزیابی چارچوب Noun2Verb، مجموعه‌ای از مدل‌های احتمالی فزاینده را طراحی و پیاده‌سازی کردند. این مدل‌ها یاد می‌گیرند که افعال جدید برگرفته از اسم را از طریق یافتن بهترین توضیح یا ترجمه، تفسیر و تولید کنند. نقطه قوت اصلی روش‌شناسی این تحقیق در جامعیت ارزیابی آن نهفته است.

• مدل‌سازی: مدل اصلی، یک مدل مشارکتی (Cooperative Model) است که در آن، گوینده و شنونده به طور مشترک توزیع احتمال بر روی عناصر چارچوب معنایی را یاد می‌گیرند. این مدل با مدل‌های ساده‌تر (مانند مدلی که فقط دیدگاه شنونده را در نظر می‌گیرد) و همچنین با مدل‌های زبانی پیشرفته و غول‌پیکر (State-of-the-art Language Models) مقایسه می‌شود.
• معیار ارزیابی: موفقیت هر مدل بر اساس توانایی آن در تولید یک توضیح دقیق و طبیعی برای یک فعل جدید سنجیده می‌شود. به عبارت دیگر، مدل باید بتواند به درستی تشخیص دهد که «to salt the soup» به معنای «اضافه کردن نمک به سوپ» است و نه «تبدیل سوپ به نمک».
• مجموعه‌داده‌های متنوع: برای اطمینان از اعتبار و تعمیم‌پذیری نتایج، مدل‌ها بر روی سه نوع داده بسیار متفاوت آزمایش شدند:
  1. انگلیسی معاصر: شامل داده‌هایی از گفتار بزرگسالان و کودکان برای بررسی عملکرد مدل در زبان امروزی و شبیه‌سازی فرایند یادگیری زبان.
  2. چینی ماندارین معاصر: برای آزمودن اینکه آیا اصول مدل فراتر از زبان انگلیسی و در یک ساختار زبانی کاملاً متفاوت نیز صادق است یا خیر.
  3. توسعه تاریخی زبان انگلیسی: شامل داده‌هایی از متون تاریخی برای بررسی اینکه آیا مدل می‌تواند فرایند تکامل و شکل‌گیری این افعال در طول زمان را نیز تبیین کند.

این رویکرد چندجانبه به پژوهشگران اجازه می‌دهد تا نه تنها کارایی مهندسی مدل خود را بسنجند، بلکه اعتبار شناختی (Cognitive Plausibility) آن را نیز ارزیابی کنند.

نتایج این تحقیق بسیار چشمگیر و معنادار هستند. یافته‌های کلیدی مقاله را می‌توان در چند بخش خلاصه کرد:

• برتری بر مدل‌های پیشرفته: مدل Noun2Verb، به‌ویژه نسخه مشارکتی آن، به طور قابل توجهی عملکرد بهتری نسبت به مدل‌های زبانی بزرگ و پیشرفته در تفسیر و تولید افعال جدید برگرفته از اسم از خود نشان داد. این نشان می‌دهد که صرفاً افزایش حجم داده و پارامترها برای دستیابی به خلاقیت زبانی انسان کافی نیست و به مدل‌هایی با ساختار مبتنی بر اصول شناختی نیاز است.
• اعتبار بین‌زبانی: موفقیت مدل بر روی داده‌های زبان چینی ماندارین ثابت کرد که چارچوب ارائه‌شده وابسته به یک زبان خاص نیست و اصول معناشناسی چارچوبی و استنتاج مشارکتی احتمالاً یک سازوکار جهانی در زبان‌های مختلف است.
• تطابق با رشد و تکامل زبان: عملکرد خوب مدل بر روی داده‌های گفتار کودکان و داده‌های تاریخی زبان انگلیسی نشان می‌دهد که این چارچوب با نحوه یادگیری زبان توسط انسان و چگونگی تکامل زبان در طول تاریخ همخوانی دارد. این مدل نه تنها یک ابزار مهندسی، بلکه یک نظریه محاسباتی معتبر برای تبیین پدیده‌های زبانی است.
• نقش حیاتی دانش مشترک: این پژوهش به صورت تجربی فرضیه اولیه خود را اثبات کرد: مدل‌سازی دانش مشترک از طریق چارچوب‌های معنایی، عنصری حیاتی برای درک خلاقیت واژگانی است. سیستم‌هایی که فاقد این دانش ساختاریافته هستند، در مواجهه با کاربردهای زبانی بدیع، شکننده و ناموفق عمل می‌کنند.

این مقاله صرفاً یک پژوهش نظری نیست و دستاوردهای آن پیامدهای عملی گسترده‌ای برای آینده هوش مصنوعی و تعامل انسان و کامپیوتر دارد:

• سیستم‌های NLP هوشمندتر: چارچوب Noun2Verb می‌تواند برای بهبود نسل بعدی دستیارهای مجازی، ربات‌های گفتگو (Chatbots) و سیستم‌های ترجمه ماشینی به کار رود. این سیستم‌ها قادر خواهند بود زبان را به شیوه‌ای طبیعی‌تر و انعطاف‌پذیرتر درک کرده و به کار ببرند.
• تعامل انسان-کامپیوتر طبیعی‌تر: یک هوش مصنوعی که می‌تواند معنای عباراتی مانند «این بحث را میز کنیم» (Can you table this discussion?) یا «با قایق از دریاچه عبور کنیم» (Let’s boat across the lake) را بفهمد، تجربه کاربری بسیار روان‌تر و شهودی‌تری را فراهم می‌کند.
• ابزاری برای زبان‌شناسان: این مدل یک آزمایشگاه محاسباتی قدرتمند برای زبان‌شناسان فراهم می‌کند تا بتوانند نظریه‌های مربوط به تغییرات زبانی، یادگیری زبان و سازوکارهای شناختی نوآوری واژگانی را آزمایش و پالایش کنند.
• پر کردن شکاف میان انسان و ماشین: شاید بزرگ‌ترین دستاورد این مقاله، برداشتن گامی مهم در جهت کاهش فاصله میان ماهیت ایستا و خشک سیستم‌های هوش مصنوعی فعلی و طبیعت پویا و خلاق زبان انسان باشد.

مقاله «اسم به فعل» یک پژوهش بنیادین و تأثیرگذار در حوزه زبان‌شناسی محاسباتی است که به یکی از چالش‌برانگیزترین مسائل این حوزه، یعنی مدل‌سازی خلاقیت زبانی، می‌پردازد. نویسندگان با ارائه چارچوب Noun2Verb، نشان می‌دهند که کلید حل این معما، فراتر رفتن از مدل‌های آماری سطحی و حرکت به سوی مدل‌هایی است که بر پایه‌های شناختی استوارتری بنا شده‌اند.

این تحقیق با موفقیت نشان داد که با مدل‌سازی استنتاج مشارکتی بین گوینده و شنونده بر اساس دانش مشترک (که در قالب معناشناسی چارچوبی فرمول‌بندی شده)، می‌توان به درک و تولید کاربردهای زبانی بدیع دست یافت. نتایج جامع این مقاله در زبان‌ها، دوره‌های زمانی و گروه‌های سنی مختلف، اعتبار این رویکرد را به خوبی اثبات می‌کند. این پژوهش نه تنها درک ما از زبان را عمیق‌تر می‌کند، بلکه مسیری روشن برای ساخت نسل آینده هوش مصنوعی که بتواند به معنای واقعی کلمه، زبان انسان را بفهمد و مانند انسان خلاق باشد، ترسیم می‌نماید.