ارتباط انسانی، به‌ویژه در قالب گفتگو، فرآیندی پیچیده و پویاست. ما اغلب بدون فکر کردن به مکانیسم‌های زیربنایی آن، به‌طور روان و کارآمد با یکدیگر صحبت می‌کنیم. اما چه چیزی این ارتباط را تا این حد مؤثر می‌سازد؟ یکی از پدیده‌های رایج در مکالمات روزمره، «تکرار» است. گویندگان اغلب کلمات، عبارات و حتی ساختارهای دستوری را که خودشان یا طرف مقابلشان به کار برده‌اند، تکرار می‌کنند. در نگاه اول، این تکرار ممکن است نشانه‌ای از تنبلی زبانی یا کمبود واژگان به نظر برسد. اما پژوهش‌های نوین در حوزه زبان‌شناسی محاسباتی نشان می‌دهند که این پدیده، یک استراتژی هوشمندانه برای مدیریت بار شناختی و بهینه‌سازی ارتباط است.

مقاله «تکرار ساختارها، نرخ اطلاعات را در گفتگو می‌کاهد» به بررسی عمیق همین موضوع می‌پردازد. این پژوهش با نگاهی نو، تکرار را نه یک نقص، بلکه یک ابزار کارآمد برای ارتباط مقرون‌به‌صرفه (cost-effective communication) معرفی می‌کند. اهمیت این مقاله در آن است که با استفاده از ابزارهای پیشرفته هوش مصنوعی و مدل‌های زبانی عصبی، به صورت کمی و آماری نشان می‌دهد که چگونه تکرار به گویندگان کمک می‌کند تا نرخ اطلاعات (Information Rate) را در طول یک گفتگو کنترل کنند. در واقع، با تکرار ساختارهای آشنا، گویندگان محتوای اطلاعاتی گفته‌های خود را قابل پیش‌بینی‌تر و در نتیجه، پردازش آن را برای شنونده آسان‌تر می‌سازند. این یافته‌ها درک ما را از پویایی مکالمه متحول کرده و کاربردهای مهمی در زمینه‌هایی مانند طراحی دستیارهای صوتی هوشمند و درک اختلالات ارتباطی دارد.

این مقاله توسط تیمی از پژوهشگران برجسته در زمینه پردازش زبان طبیعی و علوم شناختی به نگارش درآمده است:

• ماریو جولیانلی (Mario Giulianelli)
• آرابلا سینکلر (Arabella Sinclair)
• راکل فرناندز (Raquel Fernández)

این محققان در حوزه محاسبات و زبان (Computation and Language) فعالیت دارند؛ حوزه‌ای میان‌رشته‌ای که از روش‌های محاسباتی و هوش مصنوعی برای تحلیل و مدل‌سازی زبان انسان استفاده می‌کند. این مقاله نمونه‌ای برجسته از ترکیب نظریه‌های زبان‌شناسی شناختی با تکنیک‌های پیشرفته یادگیری ماشین برای پاسخ به پرسش‌های بنیادین در مورد ماهیت ارتباط انسانی است.

محور اصلی مقاله این فرضیه است که گویندگان از تکرار ساختارها برای کاهش نرخ اطلاعات و در نتیجه، کاهش محتوای اطلاعاتی کل گفته در طول یک گفتگو استفاده می‌کنند. به عبارت ساده‌تر، هرچه یک مکالمه بیشتر ادامه پیدا می‌کند، طرفین با تکرار الگوهای زبانی، ارتباط را برای یکدیگر ساده‌تر و قابل‌فهم‌تر می‌کنند.

پژوهشگران در این مطالعه بر روی نوع خاصی از تکرار تمرکز کرده‌اند: تکرار ساختارهای واژگانی‌شده (lexicalised constructions). این‌ها واحدهای چندکلمه‌ای تکرارشونده‌ای هستند که تقریباً به صورت یکپارچه در زبان به کار می‌روند، مانند «از طرف دیگر»، «به هر حال» یا «منظورم این است که». هدف اصلی، تحلیل کمی این پدیده در گفتگوهای واقعی و گفتاری به زبان انگلیسی بوده است.

مقاله استدلال می‌کند که استفاده از این ساختارها، به‌ویژه زمانی که تکرار می‌شوند، محتوای اطلاعاتی کلی یک «گفته» (utterance) را کاهش می‌دهد. این اثر تسهیل‌کننده در طول مکالمه افزایش می‌یابد، با تکرار تقویت می‌شود و هرچه تراکم و فراوانی تکرار بیشتر باشد، این کاهش در نرخ اطلاعات نیز شدیدتر خواهد بود.

برای آزمودن فرضیه خود، نویسندگان از یک رویکرد کمی و داده‌محور بهره برده‌اند. اساس روش‌شناسی آن‌ها بر اندازه‌گیری «محتوای اطلاعاتی» استوار است. در نظریه اطلاعات، محتوای اطلاعاتی یک رویداد (در اینجا، یک کلمه یا ساختار) با میزان «غافلگیری» یا سورپرایز (surprisal) آن سنجیده می‌شود. هرچه یک کلمه یا عبارت قابل پیش‌بینی‌تر باشد، سورپرایز و محتوای اطلاعاتی آن کمتر است.

برای محاسبه این معیار، پژوهشگران از یک مدل زبانی عصبی انطباقی (adaptive neural language model) استفاده کردند. این مدل‌ها که شبیه به فناوری پشت سیستم‌هایی مانند ChatGPT هستند، می‌توانند احتمال وقوع یک کلمه را با توجه به کلمات قبلی پیش‌بینی کنند. ویژگی «انطباقی» بودن مدل به این معناست که با پیشرفت گفتگو، مدل خود را با سبک و واژگان خاص آن مکالمه تطبیق می‌دهد و پیش‌بینی‌های بهتری ارائه می‌کند.

مراحل تحقیق به شرح زیر بود:

• مجموعه داده: تحلیل بر روی مجموعه‌ای بزرگ از گفتگوهای گفتاری و آزاد در زبان انگلیسی انجام شد تا نتایج به شرایط واقعی ارتباط نزدیک باشد.
• شناسایی ساختارها: ابتدا ساختارهای چندکلمه‌ای تکرارشونده در این گفتگوها شناسایی شدند.
• محاسبه محتوای اطلاعاتی: مدل زبانی عصبی برای محاسبه محتوای اطلاعاتی (سورپرایز) هر کلمه در گفته‌ها به کار گرفته شد. سپس، محتوای اطلاعاتی کل یک گفته (utterance) از میانگین سورپرایز کلمات آن به دست آمد.
• تحلیل آماری: در نهایت، با تحلیل آماری، ارتباط بین استفاده و تکرار ساختارها با تغییرات محتوای اطلاعاتی گفته‌ها در طول زمان بررسی شد.

تحلیل‌های کمی در این پژوهش به نتایج جالب‌توجهی منجر شد که فرضیه اصلی را تأیید می‌کردند. یافته‌های کلیدی مقاله را می‌توان در چهار مورد زیر خلاصه کرد:

• اثر فزاینده در طول گفتگو: استفاده از ساختارهای واژگانی‌شده به طور کلی باعث کاهش محتوای اطلاعاتی گفته‌ها می‌شود. این اثر تسهیل‌کننده با گذشت زمان و پیشرفت مکالمه، قوی‌تر و مشهودتر می‌گردد. این نشان می‌دهد که طرفین گفتگو به تدریج یک «زبان مشترک» یا زمینه مشترک (common ground) برای خود ایجاد می‌کنند.
• نقش تقویتی تکرار: پدیده تکرار به طور قابل توجهی این اثر کاهنده را تقویت می‌کند. وقتی یک ساختار برای بار دوم یا چندم به کار می‌رود، سورپرایز آن بسیار کمتر از اولین استفاده است و این امر به شدت به کاهش بار شناختی کمک می‌کند.
• وابستگی به فراوانی و تراکم: هرچه یک ساختار بیشتر و با فاصله زمانی کمتری تکرار شود (فراوانی و تراکم بالا)، تأثیر آن در کاهش نرخ اطلاعات بیشتر است. این یعنی تکرارهای متوالی و نزدیک به هم، بیشترین نقش را در ساده‌سازی ارتباط دارند.
• اهمیت ساختارهای ارجاعی: این اثر کاهنده برای ساختارهای ارجاعی (referential constructions) قوی‌تر است. ساختارهای ارجاعی به عباراتی گفته می‌شود که به یک مفهوم، شیء یا شخص خاص اشاره دارند. برای مثال، اگر در یک گفتگو درباره «پروژه جدید هوش مصنوعی» صحبت شود، تکرار این عبارت دقیقاً به شنونده کمک می‌کند تا بدون ابهام بداند موضوع صحبت چیست و این امر به شکل مؤثری محتوای اطلاعاتی را کاهش می‌دهد.

نتایج این پژوهش صرفاً جنبه نظری ندارند و می‌توانند پیامدهای عملی مهمی در حوزه‌های مختلف داشته باشند:

• هوش مصنوعی و دستیارهای گفتگو: طراحان سیستم‌های هوش مصنوعی مکالمه‌ای (مانند چت‌بات‌ها و دستیارهای صوتی) می‌توانند از این یافته‌ها برای ساختن ربات‌هایی استفاده کنند که طبیعی‌تر و انسانی‌تر به نظر می‌رسند. یک ربات هوشمند می‌تواند با تکرار استراتژیک ساختارهای کاربر، نشان دهد که صحبت او را درک کرده و با ایجاد یک زمینه مشترک، ارتباط را تسهیل کند.
• روان‌شناسی زبان: این تحقیق دیدگاه جدیدی درباره مکانیسم‌های شناختی ارائه می‌دهد که انسان‌ها برای مدیریت پیچیدگی‌های ارتباط زنده به کار می‌گیرند. تکرار، یک استراتژی فعال برای کاهش بار پردازش اطلاعات در مغز است.
• آموزش زبان: درک نقش تکرار می‌تواند به بهبود روش‌های آموزش زبان دوم کمک کند. تأکید بر تکرار ساختارهای کلیدی می‌تواند به زبان‌آموزان در روان صحبت کردن و درک بهتر مکالمات کمک کند.
• کاربردهای بالینی: تحلیل الگوهای تکرار در افراد مبتلا به اختلالات ارتباطی (مانند اوتیسم یا آفازی) می‌تواند به تشخیص و درمان بهتر این اختلالات کمک کند.

مقاله «تکرار ساختارها، نرخ اطلاعات را در گفتگو می‌کاهد» با ارائه شواهد کمی و محکم، نشان می‌دهد که تکرار در زبان پدیده‌ای تصادفی یا بی‌اهمیت نیست، بلکه یک ابزار شناختی قدرتمند برای بهینه‌سازی ارتباط است. گویندگان به صورت ناخودآگاه از تکرار برای کاهش بار اطلاعاتی، افزایش قابلیت پیش‌بینی و تسهیل پردازش زبان برای شنونده استفاده می‌کنند.

این پژوهش با پیوند زدن نظریه اطلاعات، زبان‌شناسی و هوش مصنوعی، درک ما را از پویایی‌های ظریف مکالمات انسانی عمیق‌تر می‌کند. یافته‌ها تأیید می‌کنند که ارتباط مؤثر تنها به انتقال اطلاعات جدید خلاصه نمی‌شود، بلکه مدیریت بهینه جریان این اطلاعات نیز نقشی حیاتی ایفا می‌کند و تکرار، یکی از کلیدی‌ترین استراتژی‌ها برای دستیابی به این هدف است.