«Χαρτογράφηση» {LF}της γλώσσας

Υπολογιστική Γλωσσολογία! Τυπικά συνδέει τη Γλωσσολογία με την επιστήμη των Υπολογιστών. Οχι μόνο όμως: η «γλωσσική συνταγή» της απαιτεί τη συνεργασία πολλών και ιδιαίτερων επιστημών – της Πληροφορικής, των Μαθηματικών, της Φιλοσοφίας, της Ανθρωπολογίας, των Νευροεπιστημών…

Οπως λέει ωστόσο ο αναπληρωτής καθηγητής Υπολογιστικής Γλωσσολογίας στο Πανεπιστήμιο του Γκέτεμποργκ Στέργιος Χατζηκυριακίδης, «η Υπολογιστική Γλωσσολογία χρησιμοποιεί μοντέλα, τεχνικές ή ιδέες από την Επιστήμη των Υπολογιστών, έτσι ώστε να προτείνει και να υλοποιήσει συστήματα ανάλυσης και κατανόησης των ανθρώπινων γλωσσών». Και αυτό κάνει και ο ίδιος στο εργαστήριό του «συνοδεία» 22 ακόμη επιστημόνων.

Ποια η σημασία της Υπολογιστικής Γλωσσολογίας και γιατί πρέπει να μας απασχολεί; «Η Υπολογιστική Γλωσσολογία παρουσιάζει εξαιρετικό ενδιαφέρον τόσο σε θεωρητικό, αλλά και σε πρακτικό επίπεδο» εξηγεί ο Στέργιος Χατζηκυριακίδης. «Σε θεωρητικό επίπεδο, προσπαθεί, μέσω της δημιουργίας υπολογιστικών μοντέλων, να συνεισφέρει στην απάντηση ερωτημάτων που συνδέονται με τα γνωστικά θεμέλια της ανθρώπινης γλώσσας: πώς μαθαίνεται η γλώσσα, πώς ως ανθρώπινα όντα την επεξεργαζόμαστε, ποιοι είναι οι περιορισμοί αυτής της επεξεργασίας/παραγωγής, ποια είναι η πολυπλοκότητά της, με λίγα λόγια πόση υπολογιστική ισχύ χρειαζόμαστε για να αναλύσουμε, να κατανοήσουμε και να παραγάγουμε την ανθρώπινη γλώσσα» συνεχίζει. «Σε πρακτικό επίπεδο, η Υπολογιστική Γλωσσολογία βρίσκεται πίσω από πολύ συνήθεις εφαρμογές, όπως η αυτόματη μετάφραση, τα τσάτμποτς (διαλογικά ρομπότ) και τους εικονικούς βοηθούς (virtual assistants) μεταξύ άλλων. O Στ.Χατζηκυριακίδης εκτός από αναπληρωτής καθηγητής στο Πανεπιστήμιο το Γκέτεμποργκ, είναι και ο ερευνητικός συντονιστής του Κέντρου Γλωσσολογικής Θεωρίας και Σπουδών στις Πιθανότητες (CLASP) με διευθυντή τον διακεκριμένο καθηγητή στο πεδίο αυτό, Σάλομ Λάπιν.

Τι ερευνά στο εργαστήριό του; Τη «μοντελοποίηση του διαλόγου». Ποιοι κανόνες διέπουν τον ανθρώπινο διάλογο; Πώς μπορούμε να δημιουργήσουμε συστήματα τα οποία θα μπορούν να αλληλεπιδρούν με εμάς χρησιμοποιώντας τον διάλογο με τρόπο φυσικό και πάνω από όλα χρήσιμο; Αυτές είναι κάποιες από τις ερωτήσεις που απασχολούν τους ερευνητές του κέντρου.

«Πορίσματα αυτής της έρευνας περιλαμβάνουν τη διερεύνηση των συλλογισμών ασθενών με σχιζοφρένεια σε περιβάλλοντα διαλόγου ή τη δημιουργία συστημάτων που μπορούν μέσω της διαλογικής αλληλεπίδρασης με τον χρήστη να ανανεώνουν την κατανόησή τους δυναμικά όσο παίρνουν περισσότερες πληροφορίες από αυτόν μέσω του διαλόγου. Και βέβαια τη θεωρητική διερεύνηση παραγλωσσικών στοιχείων όπως το γέλιο και οι χειρονομίες, και ο τρόπος που αυτά αλληλεπιδρούν με τη γλώσσα σε διαλογικά περιβάλλοντα» λέει ο ίδιος στα «ΝΕΑ».

Ακόμη, τα «γλωσσικά μοντέλα μηχανικής μάθησης». Αν αναρωτιέστε γιατί η μηχανική μετάφραση του Google έχει γίνει πολύ καλύτερη τα τελευταία χρόνια, η απάντηση είναι απλή: τεχνητά νευρωνικά δίκτυα. Οπως εξηγεί ο Στέργιος Χατζηκυριακίδης, το εργαστήριό του μελετάει τη χρήση τέτοιων μοντέλων μηχανικής μάθησης για σειρά προβλημάτων όπως η αναγνώριση διαλέκτων (μπορεί ένα σύστημα, δεδομένου ότι έχει δεδομένα από διαλέκτους της ίδιας γλώσσας, να αναγνωρίσει τη διάλεκτο;), η ανάλυση συναισθήματος (είναι το συγκεκριμένο tweet χαρούμενο, λυπημένο ή ουδέτερο), μεταξύ άλλων.

Τέλος, «πιθανοκρατικά» μοντέλα σημασιολογίας και γλωσσικής συναγωγής. Εξηγεί ο Στέργιος Χατζηκυριακίδης: «Μπορεί ένα υπολογιστικό σύστημα να αναγνωρίσει τη σχέση μεταξύ δύο κειμένων Α και Β; Είναι το Β συνέπεια του Α, είναι η άρνηση του Β συνέπεια του Α, ή τα δύο κείμενα δεν έχουν καμία από τις προηγούμενες σχέσεις; Το συγκεκριμένο πρόβλημα αναφέρεται ως συναγωγή φυσικής γλώσσας. Στο κέντρο μας διερευνάται το συγκεκριμένο πρόβλημα χρησιμοποιώντας εκτός από συστήματα βασισμένα στη μηχανική μάθηση, και πιθανοκρατικά συστήματα όπου η απάντηση στο συγκεκριμένο πρόβλημα δεν είναι κατηγορική, αλλά πιθανοκρατική, με λίγα το σύστημα “δίνει” την πιθανότητα (τον βαθμό βεβαιότητας) το Β να είναι συνέπεια του Α κ.λπ. Το συγκεκριμένο πρόβλημα θεωρείται θεμελιώδες στην κατανόηση φυσικής γλώσσας και στην επίτευξη αυτού που σήμερα ονομάζεται γενική τεχνητή νοημοσύνη».

Chantrine Qwaider

Στο κέντρο μας μεταξύ άλλων χρησιμοποιούμε προηγμένους αλγορίθμους μηχανικής μάθησης και εξελιγμένα μοντέλα τενχητών νευρωνικών δικτύων για να ερευνήσουμε τις γλωσσικές διαφορές διαλέκτων της Αραβικής. Αυτό μας επιτρέπει να μετρήσουμε την απόσταση ή την κοντινότητα μεταξύ διαλέκτων της Αραβικής (και εν δυνάμει και άλλων γλωσσών/διαλέκτων) σε διάφορα επίπεδα γλωσσικής ανάλυσης.
Η Chantrine Qwaider είναι διδακτορική φοιτήτρια

Rasmus Blanck

Εκανα το διδακτορικό μου στη μαθηματική λογική. Σήμερα εξετάζουμε τρόπους με τους οποίους η μαθηματική λογική μπορεί να συνδυαστεί με την πιθανοκρατική λογική από τη μία, δημιουργώντας υβριδικά συστήματα μαθηματικής λογικής, και με τη μηχανική μάθηση από την άλλη. Αποτελέσματα αυτής της έρευνάς μας είναι η δημιουργία πιθανοκρατικών σημασιολογικών συστημάτων φυσικής γλώσσας.
Ο Rasmus Blanck είναι μεταδιδακτορικός ερευνητής

Γλωσσάρι

Μηχανική μάθηση Το ερευνητικό πεδίο το οποίο ασχολείται με αλγορίθμους οι οποίοι έχουν την ικανότητα να μαθαίνουν μέσω δεδομένων χωρίς να λαμβάνουν συγκεκριμένες πληροφορίες για το τι είναι αυτό που πρέπει να μάθουν. Ο σκοπός του αλγορίθμου είναι να συνάγει αφηρημένες δομές που κάνει κάποιο μήνυμα κακόβουλο ή καλόβουλο, ούτως ώστε να μπορεί να προβλέπει και να ξεχωρίζει στο μέλλον τα καλόβουλα από τα κακόβουλα μηνύματα.
Τεχνητά νευρωνικά δίκτυα
Σύνολο αλγορίθμων μηχανικής μάθησης εμπνευσμένα από τα βιολογικά νευρωνικά δίκτυα. Τα τεχνητά νευρωνικά δίκτυα είναι «καθολικοί συναρτησιακοί προσεγγιστές» (μπορούν να μάθουν οποιαδήποτε συνάρτηση δεδομένων κάποιων περιορισμών). Για αυτόν τον λόγο, τα τεχνητά νευρωνικά δίκτυα χρησιμοποιούνται κατά κόρον σε όλους τους τομείς της τεχνητής νοημοσύνης.