زبان انسان: راهکاری هوشمندانه برای صرفه‌جویی در انرژی مغز

کشف راز ساختار زبان

مایکل هان، استاد زبان‌شناسی محاسباتی در دانشگاه زارلند آلمان، به همراه ریچارد فاتل از دانشگاه کالیفرنیا، با بهره‌گیری از مدل‌های ریاضی اثبات کرده‌اند که کدهای دیجیتالی، هرچند قابلیت فشرده‌سازی بالایی برای انتقال اطلاعات محض دارند، اما برای مغز انسان به شدت پرهزینه و ناکارآمد عمل می‌کنند. نتایج این تحقیقات که در مجله معتبر Nature Human Behaviour به چاپ رسیده است، درک نوین و عمیقی از چگونگی تکامل و کارکرد زبان ارائه می‌دهد.

زبان، آینه‌ای از تجربه زیسته

کلید اصلی این معما در پیوند ناگسستنی زبان با دنیای واقعی است. هان در این باره توضیح می‌دهد: "زبان انسان تحت تأثیر واقعیت‌های زندگی شکل گرفته است. اگر من از ترکیبی نیمه‌گربه و نیمه‌سگ صحبت کنم و آن را 'گل' بنامم، هیچ‌کس معنایش را درک نخواهد کرد، زیرا کسی تا به حال 'گل' را ندیده است. این واژه بازتاب‌دهنده تجربه زیسته هیچ‌کس نیست."

به همین ترتیب، ترکیب تصادفی حروف مانند "gadcot" از واژه‌های "cat" و "dog" برای ما بی‌معناست، در حالی که عبارت آشنا و ساختاریافته «گربه و سگ» بلافاصله قابل فهم است. این مثال‌ها نشان می‌دهد که زبان چگونه با تجربیات مشترک ما از جهان گره خورده است.

مغز: موتور پیش‌بینی‌کننده زبان

مغز انسان در فرآیند درک زبان، به صورت فعال در حال پیش‌بینی واژه‌ها و ساختارهای بعدی است. این پیش‌بینی‌ها بر پایه الگوهای آشنا و تکرار شده‌ای صورت می‌گیرد که در طول ده‌ها هزار روز استفاده از زبان مادری در مغز نهادینه شده‌اند و نیاز به پردازش آگاهانه را به حداقل می‌رسانند.

هان با مثالی از زبان آلمانی این مکانیسم را روشن می‌سازد: "وقتی می‌گویم 'Die fünf grünen Autos' (پنج ماشین سبز)، برای یک شنونده آلمانی‌زبان معنای مشخصی دارد. اما اگر بگویم 'Grünen fünf die Autos' (سبز پنج ماشین)، معنای خود را از دست می‌دهد."

چگونگی عملکرد پیش‌بینی در مغز

با شنیدن هر کلمه، فضای احتمالات معنایی به سرعت محدود می‌شود:

• شنیدن حرف تعریف Die: مغز بلافاصله اسم‌های مذکر یا خنثی مفرد را حذف می‌کند.
• شنیدن عدد fünf (پنج): مفاهیم غیرقابل شمارش (مانند عشق یا تشنگی) از دایره احتمالات خارج می‌شوند.
• شنیدن صفت grünen (سبز): مغز متوجه می‌شود که اسم جمع است و رنگ آن سبز. احتمالات در این مرحله شامل ماشین، موز یا قورباغه می‌شود.
• شنیدن اسم "Autos" (ماشین‌ها): تمام ابهامات رفع شده و معنای نهایی به طور کامل استخراج می‌شود.

در عبارت دوم (Grünen fünf die Autos)، این زنجیره منطقی پیش‌بینی‌ها از هم گسیخته می‌شود و مغز قادر به ساخت معنای منسجم نیست.

تأثیر بر هوش مصنوعی و مدل‌های زبانی بزرگ (LLM)

این یافته‌های علمی پیامدهای مهمی برای توسعه هوش مصنوعی، به ویژه مدل‌های زبانی بزرگ (مانند ChatGPT) دارد. این مدل‌ها تا حد زیادی بر اساس پیش‌بینی دنباله واژه‌ها عمل می‌کنند. درک عمیق‌تر از نحوه تعامل پیش‌بینی، ساختار و تجربه در مغز انسان می‌تواند به طراحی نسل بعدی سیستم‌های هوش مصنوعی کمک کند که نه تنها در تولید متن روان‌تر عمل کنند، بلکه درک عمیق‌تری از معنای واژه‌ها در بافت دنیای واقعی داشته باشند.

هان با یک قیاس روزمره نتیجه می‌گیرد: "مسیر معمول رفت‌وآمد روزانه به قدری آشناست که رانندگی تقریباً به صورت خودکار انجام می‌شود. مغز دقیقاً می‌داند چه انتظاری دارد و بنابراین تلاش کمتری می‌کند. اما انتخاب یک مسیر کوتاه‌تر، اما ناآشنا بسیار خسته‌کننده‌تر است، زیرا نیاز به توجه و پردازش بیشتری دارد. از نظر ریاضی، تعداد بیت‌هایی که مغز باید هنگام صحبت کردن به روش آشنا و طبیعی پردازش کند، بسیار کمتر است."

به بیان ساده، زبان انسان نه برای حداکثر فشرده‌سازی اطلاعات، بلکه برای حداقل‌سازی بار شناختی در بافتی از پیش شناخته شده بهینه شده است. این همان دلیلی است که چرا ما مانند R2-D2 در جنگ ستارگان با سیگنال‌های دیجیتالی با هم ارتباط برقرار نمی‌کنیم، بلکه داستان می‌گوییم، شعر می‌سراییم و گفت‌وگوهای پیچیده‌ای داریم که ریشه در تجربه مشترک ما از جهان دارد.