💬 NLP

Recursive numeral systems are highly regular and easy to process

تجادل هذه الورقة بأن دمج الانتظام وتعقيد المعالجة من خلال إطار عمل طول الوصف الأدنى (MDL) يفسر بشكل أفضل بنية الأنظمة العددية العودية، ويفسر بشكل طبيعي القيود التي تطلبت النماذج السابقة القائمة على الكفاءة فرضها بشكل تعسفي.

المؤلفون الأصليون: Ponrawee Prasertsom, Andrea Silvi, Jennifer Culbertson, Moa Johansson, Devdatt Dubhashi, Kenny Smith

نُشر 2026-02-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Ponrawee Prasertsom, Andrea Silvi, Jennifer Culbertson, Moa Johansson, Devdatt Dubhashi, Kenny Smith

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تصميم دليل تعليمات مثالي للعدّ. تريد أن يكون قصيراً بما يكفي ليُوضع في جيبك (كفاءة)، ولكن واضحاً بما يكفي ليفهم أي شخص تماماً ما تعنيه (إفادة).

لفترة طويلة، اعتقد اللغويون أن السر وراء الطريقة التي تعد بها اللغات البشرية يكمن ببساطة في التوازن بين عدد الكلمات التي تحتاجها (حجم المعجم) وطول الجمل (التعقيد). ظنوا أن اللغات تطورت لتجد "النقطة المثالية" بين هذين الأمرين.

ومع ذلك، تجادل هذه الورقة البحثية الجديدة بأن هذه الرؤية القديمة تفتقد إلى عنصر حاسم: الانتظام (Regularity).

إليك تفصيل حُجتهم باستخدام تشبيهات بسيطة:

1. "الليغو" مقابل "الصندوق السحري"

فكر في لغة بشرية مثل الإنجليزية أو المندرين كأنها مجموعة من قطع الليغو:

لديك مجموعة صغيرة من القطع الأساسية (1، 2، 3... 10).
لديك بعض القواعد لتركيبها معاً (الجمع، الضرب).
لصنع الرقم 43، تقوم فقط بتركيب قطعة "4"، وقطعة "10"، وقطعة "3" معاً. إنه نمط يمكن التنبؤ به.

الآن، تخيل نظاماً "مثالياً نظرياً" اقترحته النماذج الرياضية القديمة على أنه لا يقل جودة عن نظام الليغو. هذا النظام يشبه الصندوق السحري:

للرقم 18، يقول الصندوق "10 + 8".
للرقم 19، يقول "25 - 7".
للرقم 20، يقول "5 × 4".
للرقم 21، يقول "3 × 7".

من الناحية الرياضية، قد يستخدم هذا "الصندوق السحري" كلمات إجمالية أقل أو جملًا متوسطة الطول مقارنة بنظام الليغو. لكنه فوضوي. لا يوجد نمط. لا يمكنك تخمين كيفية قول "22" بمجرد معرفة "21". عليك حفظ كل رقم كشفرة فريدة وغريبة.

يجادل المؤلفون بأنه بينما يبدو "الصندوق السحري" فعالاً في جداول البيانات، إلا أنه يفشل لأنه يفتقر إلى الانتظام. البشر يكرهون "الصندوق السحري" لأنه يصعب تعلمه ومعالجته.

2. القياس الجديد: "القابلية للضغط" (Compressibility)

استخدم الباحثون مفهوماً من علوم الحاسوب يسمى طول الوصف الأدنى (MDL). فكر في الأمر كأنه ملف مضغوط (Zip file).

النظام المنتظم (مثل الليغو) قابل للضغط بدرجة عالية. يمكنك كتابة كتيب قواعد صغير: "لصنع الأرقام من 10 إلى 99، خذ رقماً، اضرب في 10، ثم أضف رقماً آخر". "الملف المضغوط" هنا صغير جداً.
النظام غير المنتظم (مثل الصندوق السحري) لا يمكن ضغطه. يجب عليك سرد كل رقم على حدة لأنه لا توجد أنماط يمكن استغلالها. "الملف المضغوط" هنا ضخم.

تدعي الورقة أن اللغات الطبيعية "مثالية" ليس فقط لأنها قصيرة، بل لأنها قابلة للضغط بدرجة عالية. إنها سهلة لآدميتنا لـ "ضغطها" (تخزينها) و"فك ضغطها" (معالجتها).

3. اختبار النظرية

أجرى المؤلفون محاكاة ضخمة:

أخذوا 128 لغة بشرية حقيقية (مثل الإنجليزية، المندرين، الفرنسية).
أنتجوا 10,000 لغة اصطناعية عشوائية (بما في ذلك أنواع "الصندوق السحري" التي قالت النماذج الرياضية السابقة إنها "مثالية").

النتيجة:
كانت اللغات البشرية أكثر انتظاماً وأسهل في المعالجة باستمرار من اللغات الاصطناعية. حتى عندما فرضوا على اللغات الاصطناعية استخدام نفس اللبنات الأساسية (الأرقام والضرب) التي تستخدمها اللغات البشرية، فإن الأنظمة البشرية لا تزال هي الفائزة. لقد كانت أفضل في تنظيم تلك اللبنات في نمط يمكن التنبؤ به.

4. مشكلة "الوزن"

افترضت الدراسات السابقة أننا نستخدم الأرقام الصغيرة (1، 2، 3) بشكل متكرر أكثر بكثير من الأرقام الكبيرة (90، 99)، لذا أعطوا الأرقام الصغيرة الكثير من "الوزن" في حساباتهم. ظنوا أننا: "إذا كنا نهتم فقط بالأرقام الصغيرة، فإن الصندوق السحري سيكون جيداً".

اختبر المؤلفون هذه الفكرة عبر تغيير القواعد لتعامل جميع الأرقام بالتساوي (توزيع احتمالي منتظم/Uniform Prior).

المفاجأة: حتى عندما كان لكل رقم نفس الوزن، ظلت اللغات البشرية تبدو أكثر كفاءة وانتظاماً من اللغات الاصطناعية.
الاستنتاج: أنظمة "الصندوق السحري" بدت فعالة فقط لأن الرياضيات كانت تتجاهل الأرقام الكبيرة والفوضوية. عندما تنظر إلى الصورة الكاملة، فإن اللغات البشرية هي الفائز الواضح بسبب هيكلها.

الخلاصة

تخلص الورقة إلى أن الانتظام هو ضغط أساسي في تطور اللغة. الأمر لا يتعلق فقط بتوفير المساحة أو تقديم المعلومات؛ بل يتعلق بخلق نظام يتبع قواعد بحيث لا تضطر أدمغتنا لحفظ مليون شفرة عشوائية.

اللغات الطبيعية ليست مجرد "فعالة"؛ بل هي قابلة للتنبؤ. إنها تشبه مكتبة منظمة جيداً حيث يمكنك العثور على أي كتاب باتباع نظام بسيط، بدلاً من كومة فوضوية من الكتب حيث يتعين عليك حفظ موقع كل كتاب منها. هذا التوقع هو ما يجعلها سهلة التعلم، وسهلة الاستخدام، وهو السبب في كونها على ما هي عليه.

ملخص تقني: الانتظام وتعقيد المعالجة في الأنظمة العددية العودية

بيان المشكلة

أثبتت الأبحاث الحديثة في اللسانيات بشكل مكثف أن التباين عبر اللغات مقيد بضغوط الكفاءة في التواصل، والتي تُصاغ غالبًا كعلاقة موازنة بين البساطة (مثل حجم المعجم) والإخبارية (Informativeness). ومع ذلك، فإن تحليلات الكفاءة الحالية تتجاهل إلى حد كبير المنهجية (الانتظام) في الأشكال، وهي سمة محددة للغة الطبيعية حيث تلتزم خرائط (الشكل-المعنى) بأنماط تشبه القواعد.

يتضح هذا الفراغ بشكل خاص في دراسة الأنظمة العددية العودية (أنظمة العد). جادل العمل السابق من قبل دنيتش وسيمانيك (2024، D&S) بأن الأنظمة الطبيعية تُحسن الموازنة بين حجم المعجم والتعقيد المورفوسنتاكسي (الصرفي-النحوي) المتوسط. وبينما أظهر نموذجهم أن الأنظمة الطبيعية تقع بالقرب من حدود "باريتو" النظرية، فإن الأنظمة "المثلى" التي أنتجها نموذجهم تضمنت أنظمة غير منتظمة للغاية وغير طبيعية (مثل الأنظمة ذات القواعد المتناوبة). ولحل هذه المشكلة، قدم يانغ وريجير (2025، Y&R) قيودًا "مخصصة" (ad-hoc) لتقييد فضاء البحث اصطناعيًا بالأنظمة الشبيهة بالبشر. ويرى المؤلفون أن هذه القيود غير مرضية لأنها تفتقر إلى تفسير نظري؛ فمن الناحية المثالية، ينبغي أن تظهر الخصائص الشبيهة بالبشر كنتيجة ثانوية لضغوط أكثر جوهرية. المشكلة الأساسية هي أن المقاييس الحالية تفشل في التقاط الانتظام وتعقيد المعالجة، واللذين يُفترض أنهما الميزتان الرئيسيتان اللتان تفرقان بين الأنظمة العددية الطبيعية والممكنة نظريًا.

المنهجية

يقترح المؤلفون إطارًا يعتمد على مبدأ طول الوصف الأدنى (MDL) لقياس خاصيتين رئيسيتين للأنظمة العددية العودية: عدم الانتظام وتعقيد المعالجة.

1. صياغة عدم الانتظام

يُقاس الانتظام عبر القابلية للضغط. ينمذج المؤلفون النظام العددي كـ آلة حتمية محدودة جزئية (DFA) تولد جميع الأعداد الصالحة لنطاق معين (1–99).

المقياس: يُعرف عدم الانتظام $L(G)$ بأنه عدد البتات المطلوبة لتشفير الـ DFA.
الحساب: يتم تحديد حجم الـ DFA من خلال عدد الحالات ( $|S|$ )، والانتقالات ( $|Z|$ )، والرموز ( $|\Sigma|$ ). النظام عالي الانتظام (مثل "كارو باتاك") لديه DFA صغير مع حالات وانتقالات قليلة، مما يؤدي إلى طول وصف أقل.
الخوارزمية: يستخدمون خوارزمية ميهوف وشولز (2019) لاستنتاج الحد الأدنى من الـ DFA الجزئي لمجموعة معينة من الأعداد.

2. صياغة تعقيد المعالجة

يقيس تعقيد المعالجة الجهد المطلوب لتحليل أو توليد عدد ما بناءً على الـ DFA.

المقياس: $L(N|G)$ هو متوسط المعلومات (بالبت) المطلوبة لتحديد مسار التحليل الفريد لمجموعة من الأعداد $N$ عبر القواعد $G$ .
الحساب: يجمع هذا بين لوغاريتم الاحتمالات للانتقالات المتخذة في كل حالة، بالإضافة إلى بت إضافي لكل حالة قبول يتم مواجهتها.
الافتراضات المسبقة (Priors): يختبر المؤلفون مقاييسهم في البداية باستخدام افتراض قانون القوة ( $P(n) \propto n^{-2}$ )، مما يعكس الحاجة التواصلية للأرقام الصغيرة. لاحقًا، يختبرون افتراضًا موحدًا لتحدي فرضية أن الأرقام الصغيرة تهيمن على حسابات الكفاءة.

3. التصميم التجريبي

تقارن الدراسة بين ثلاث فئات من الأنظمة:

الأنظمة الطبيعية: 128 نظامًا عدديًا عوديًا من لغات طبيعية (موضحة على مستوى المورفيم).
الأنظمة الاصطناعية المرجعية: 10,000 نظام تم إنشاؤها عشوائيًا باستخدام قواعد هورفورد.
الأنظمة الاصطناعية "المثلى":
- أنظمة D&S (المحسنة لحجم المعجم مقابل التعقيد المورفوسنتاكسي).
- أنظمة Y&R (أنظمة D&S المقيدة بقواعد مخصصة).

كما يقوم المؤلفون بإجراء تحليل الجوار المحلي. لكل نظام طبيعي، يقومون بتوليد مجموعة من الأنظمة البديلة التي تشترك في نفس الأرقام ( $D$ )، والمضاعفات ( $M$ )، والروابط ( $C$ )، وأطوال الأعداد ( $L_{Num}$ ). هذا يتحكم في حجم المعجم والتعقيد المورفوسنتاكسي المتوسط لعزل آثار الترتيب الهيكلي (الانتظام).

النتائج الرئيسية

1. الأنظمة الطبيعية مقابل المراجع العشوائية

تظهر الأنظمة الطبيعية انتظامًا أعلى بكثير (درجات عدم انتظام أقل) وتعقيد معالجة أقل من الـ 10,000 نظام مرجعي تم إنشاؤها عشوائيًا. لم يكن أي نظام عشوائي تم اختباره أكثر انتظامًا وأقل تعقيدًا في آن واحد من الأنظمة الطبيعية.

2. الأنظمة الطبيعية مقابل الأنظمة "المثلى" (D&S و Y&R)

أنظمة D&S: بينما تقع أنظمة D&S على حدود المعجم/التعقيد، إلا أنها غالبًا ما تكون غير منتظمة للغاية ولديها تعقيد معالجة عالٍ مقارنة بالأنظمة الطبيعية.
أنظمة Y&R: تعمل القيود المخصصة في Y&R على تحسين الانتظام ولكنها لا تتوافق تمامًا مع الأنظمة الطبيعية. تظهر بعض أنظمة Y&R أنها "أكثر كفاءة" من الأنظمة الطبيعية تحت افتراض قانون القوة، لكن هذا ناتج عن تأثير الافتراض الذي يقلل بشدة من وزن الأرقام الكبيرة. هذه الأنظمة "فائقة الكفاءة" تستخدم معجمًا صغيرًا للغاية (الأرقام 1–5) لبناء أعداد كبيرة عبر التداخل العميق (على سبيل المثال، $46 \approx (((2 \times 2 + 1) \times 2 + 1) \times 2 + 1) \times 2$ ).
الافتراض الموحد: عندما يتم استبدال افتراض قانون القوة بـ افتراض موحد، تفقد أنظمة Y&R "فائقة الكفاءة" ميزتها. فالتداخل العميق المطلوب للأعداد الكبيرة يزيد بشكل كبير من تعقيد المعالجة، مما يجعلها أقل كفاءة من الأنظمة الطبيعية.

3. تحليل الجوار المحلي

حتى عند التحكم في مجموعة الأرقام والمضاعفات والروابط المحددة (وبالتالي تثبيت حجم المعجم ومتوسط التعقيد المورفوسنتاكسي)، تقع الأنظمة الطبيعية باستمرار على أو بالقرب من حدود باريتو للمقايضة بين عدم الانتظام وتعقيد المعالجة. يشير هذا إلى أن الترتيب الهيكلي المحدد للأنظمة الطبيعية ليس مجرد نتاج لتحسين حجم المعجم، بل مدفوع بضغوط الانتظام وسهولة المعالجة.

الأهمية والادعاءات

يزعم البحث أن الانتظام وتعقيد المعالجة هما ضغطان أساسيان يشكلان الأنظمة اللغوية، وهما متميزان ومكملان لعلاقة الموازنة بين البساطة والإخبارية.

المساهمة النظرية: يجادل المؤلفون بأن القيود المخصصة المستخدمة في العمل السابق (Y&R) تفرض فعليًا الانتظام. ومن خلال صياغة الانتظام عبر طول الوصف الأدنى (MDL)، يوضحون أن هذه القيود تتبع طبيعيًا ضغط تقليل طول الوصف وجهد المعالجة.
نقد النماذج الحالية: تتحدى الدراسة كفاية حجم المعجم والتعقيد المورفوسنتاكسي كمعايير وحيدة للكفاءة. وتظهر أن تحسين هذه المقاييس وحدها يمكن أن ينتج أنظمة غير طبيعية وغير منتظمة تفشل في التقاط الطبيعة "الشبيهة بالبشر" للأنظمة العددية.
دور الافتراضات المسبقة: يسلط البحث الضوء على حساسية ادعاءات الكفاءة لتوزيع الأرقام المفترض. ويقترح أن الافتراض الموحد قد يكون أكثر ملاءمة لتقييم كفاءة الأنظمة العودية، حيث أن وظيفتها الأساسية هي التعبير عن أعداد كبيرة، والتي يتم تقليل وزنها بشدة بواسطة افتراضات قانون القوة.
الآثار الأوسع: يشير هذا النهج إلى أن دراسات الكفاءة في المجالات الأخرى (مثل الفئات القواعدية أو مصطلحات الألوان) يجب أن تدمج منهجية الأشكال. إن معامل الإشارات التركيبية (Compositional signals) كإشارات معقدة مثل تلك غير القابلة للتحليل قد يؤدي إلى التقليل من دور الانتظام في تطور اللغة.

يخلص المؤلفون إلى أن الأنظمة العددية العودية الطبيعية مُحسَّنة ليس فقط من أجل كفاءة التواصل من حيث نقل المعلومات، ولكن أيضًا من أجل الكفاءة الهيكلية (الانتظام) والقابلية للتتبع الحسابي (تعقيد المعالجة).