În filmul științifico-fantastic Arrival din 2016, un lingvist se confruntă cu sarcina descurajantă de a descifra un străin limbaj format din fraze palindromice, care se citesc la fel inapoi ca si inainte, scrise cu simboluri circulare. Pe măsură ce ea descoperă diverse indicii, diferite națiuni din întreaga lume interpretează mesajele în mod diferit – unii presupunând că transmit o amenințare.
Dacă omenirea a ajuns astăzi într-o astfel de situație, cel mai bun pariu al nostru ar putea fi să apelăm la cercetări care să descopere cum inteligenţă artificială (AI) dezvoltă limbaje.
Dar ce definește exact o limbă? Cei mai mulți dintre noi folosim cel puțin unul pentru a comunica cu oamenii din jurul nostru, dar cum a apărut? Lingviștii s-au gândit chiar această întrebare de zeci de anidar nu există o cale ușoară pentru a afla cum a evoluat limbajul.
Limbajul este efemer, nu lasă nicio urmă examinabilă în înregistrările fosile. Spre deosebire de oase, nu putem dezgropa limbile antice pentru a studia cum s-au dezvoltat în timp.
Deși este posibil să nu putem studia adevărata evoluție a limbajului uman, poate că o simulare ar putea oferi câteva perspective. Aici intervine AI – un domeniu fascinant de cercetare numit comunicare emergentăpe care i-am petrecut ultimii trei ani studiind.
Pentru a simula modul în care limbajul poate evolua, oferim agenților (AI) sarcini simple care necesită comunicare, cum ar fi un joc în care un robot trebuie să-l ghideze pe altul către o anumită locație pe o grilă fără a-i arăta o hartă. Noi nu oferim (aproape) nicio restricție cu privire la ceea ce pot spune sau cum – pur și simplu le dăm sarcina și îi lăsăm să o rezolve așa cum doresc.
Deoarece rezolvarea acestor sarcini necesită ca agenții să comunice între ei, putem studia modul în care comunicarea lor evoluează în timp pentru a ne face o idee despre cum ar putea evolua limbajul.
Înrudit: Echipa tată-fiică decodifică „semnalul extraterestră” de pe Marte, care a uimit lumea timp de un an
Similar s-au făcut experimente cu oameni. Imaginați-vă că, vorbitor de engleză, sunteți asociat cu o persoană care nu vorbește engleza. Sarcina ta este să-ți instruiești partenerul să ridice un cub verde dintr-un sortiment de obiecte de pe o masă.
Ați putea încerca să gestați o formă de cub cu mâinile și să arătați spre iarba din afara ferestrei pentru a indica culoarea verde. În timp, ați dezvolta împreună un fel de proto-limbaj. Poate ați crea anumite gesturi sau simboluri pentru „cub” și „verde”. Prin interacțiuni repetate, aceste semnale improvizate ar deveni mai rafinate și mai consistente, formând un sistem de comunicare de bază.
Acest lucru funcționează în mod similar pentru AI. Prin încercare și eroare, ei învață să comunice despre obiectele pe care le văd, iar partenerii lor de conversație învață să le înțeleagă.
Dar de unde știm despre ce vorbesc? Dacă ei dezvoltă acest limbaj doar cu partenerul lor de conversație artificial și nu cu noi, de unde știm ce înseamnă fiecare cuvânt? La urma urmei, un anumit cuvânt ar putea însemna „verde”, „cub” sau mai rău – ambele. Această provocare a interpretării este o parte cheie a cercetării mele.
Schimbarea codului
Sarcina de a înțelege limbajul AI poate părea aproape imposibilă la început. Dacă aș încerca să vorbesc poloneză (limba mea maternă) unui colaborator care vorbește doar engleză, nu ne-am putea înțelege și nici măcar să știm unde începe și se termină fiecare cuvânt.
Provocarea cu limbile AI este și mai mare, deoarece acestea ar putea organiza informațiile în moduri complet străine de tiparele lingvistice umane.
Din fericire, lingviştii s-au dezvoltat sofisticat unelte folosind teoria informaţiei pentru a interpreta limbi necunoscute.
Așa cum arheologii reunesc limbi antice din fragmente, noi folosim modele în conversațiile AI pentru a înțelege structura lor lingvistică. Uneori găsim asemănări surprinzătoare la limbile umane, iar alteori descoperim moduri de comunicare cu totul noi.
Aceste instrumente ne ajută să aruncăm o privire în „cutia neagră” a comunicării AI, dezvăluind modul în care agenții artificiali își dezvoltă propriile moduri unice de a partaja informații.
Lucrarea mea recentă se concentrează pe utilizarea a ceea ce văd și spun agenții pentru a le interpreta limbajul. Imaginați-vă că aveți o transcriere a unei conversații într-o limbă necunoscută pentru dvs., împreună cu ceea ce se uita fiecare vorbitor. Putem potrivi modelele din transcriere cu obiectele din câmpul vizual al participantului, construind conexiuni statistice între cuvinte și obiecte.
De exemplu, poate că expresia „yayo” coincide cu o pasăre care zboară pe lângă – am putea ghici că „yayo” este cuvântul vorbitorului pentru „pasăre”. Printr-o analiză atentă a acestor tipare, putem începe să decodificăm sensul din spatele comunicării.
În cea mai recentă lucrare de către mine și colegii mei, pentru a apărea în lucrările conferinței Neural Information Processing Systems (NeurIPS), arătăm că astfel de metode pot fi folosite pentru a face inginerie inversă a cel puțin părți din limbajul și sintaxa AI-urilor, oferindu-ne perspective asupra modului în care acestea ar putea structura comunicarea.
Extratereștri și sisteme autonome
Cum se leagă asta de extratereștri? Metodele pe care le dezvoltăm pentru înțelegerea limbajelor AI ne-ar putea ajuta să descifrăm orice viitoare comunicații extraterestre.
Dacă reușim să obținem un text străin scris împreună cu un anumit context (cum ar fi informații vizuale referitoare la text), am putea aplică aceleași instrumente statistice pentru a le analiza. Abordările pe care le dezvoltăm astăzi ar putea fi instrumente utile în viitorul studiu al limbilor străine, cunoscut sub numele de xenolingvistică.
Dar nu trebuie să găsim extratereștri pentru a beneficia de această cercetare. Sunt numeroase aplicatiidin îmbunătățirea modelelor de limbaj precum ChatGPT sau Claude pentru a îmbunătăți comunicarea între vehiculele autonome sau drone.
Prin decodificarea limbilor emergente, putem face tehnologia viitoare mai ușor de înțeles. Fie că este vorba despre modul în care mașinile cu conducere autonomă își coordonează mișcările sau despre modul în care sistemele AI iau decizii, nu doar creăm sisteme inteligente, ci învățăm să le înțelegem.
Acest articol editat este republicat din Conversația sub o licență Creative Commons. Citiți articol original.
Comentarii recente