Semantic Space of Parts of Speech

Sprache wird oft als ein System aus ordentlichen Boxen gelehrt. Wir lernen, dass ein Wort entweder ein Nomen, ein Verb oder ein Adjektiv ist und dass es nur einer dieser Kategorien gleichzeitig angehört. Diese klare Kategorisierung hilft uns, Wörterbücher zu erstellen und Grammatik zu lehren, aber sie entspricht nicht immer der chaotischen Realität dessen, wie Wörter tatsächlich funktionieren. Manche Wörter fühlen sich so an, als gehörten sie an zwei Orten gleichzeitig, oder sie sitzen genau an der Grenze zwischen den Kategorien und weigern sich, festgenagelt zu werden. Linguisten vermuten schon lange, dass diese Grenzen unscharf sind, aber den Beweis dafür zu erbringen, war schwierig, da traditionelle Methoden auf menschlichem Urteilsvermögen und starren Regeln beruhen. Nun hat ein Team von Forschern der Karls-Universität in Prag und der Universität Potsdam in Deutschland einen anderen Ansatz gewählt, um diese Unsicherheit abzubilden. Sie baten die Menschen nicht darum, zu entscheiden, wohin ein Wort gehört; stattdessen ließen sie die Wörter selbst sprechen, indem sie analysierten, wie sie in Millionen von Sätzen agieren.

Die Forscher begannen mit einer einfachen Idee: Wörter, die in ähnlichen Situationen erscheinen, tendieren dazu, ähnliche Bedeutungen zu haben. Dieses Konzept, bekannt als distributionelle Semantik, legt nahe, dass man verstehen kann, was ein Wort ist, wenn man betrachtet, welche Gesellschaft es pflegt. Zum Beispiel ist ein Wort, das oft neben „das“ und „groß“ erscheint, wahrscheinlich ein Nomen, während eines, das auf „wird“ oder „kann“ folgt, wahrscheinlich ein Verb ist. Computer können diese Muster in mathematische Karten umwandeln, in denen jedes Wort ein Punkt in einem riesigen Raum ist. Je näher zwei Punkte beieinander liegen, desto ähnlicher sind sich die Wörter in ihrer Verwendung. Das Team ging noch einen Schritt weiter und ließ einen Computer die Regeln der Wortarten selbst erlernen. Sie fütterten den Computer mit einer massiven Sammlung von Texten in fünf verschiedenen Sprachen: Französisch, Tschechisch, Finnisch, Russisch und Englisch. Dem Computer wurden die Wörter und ihre Standardbezeichnungen gegeben, und er wurde aufgefordert, die verborgenen Muster zu finden, die sie verbinden.

Um die komplexen Daten verständlich zu machen, bauten die Forscher ein spezielles Computerprogramm, ein neuronales Netz, das darauf ausgelegt war, alle Informationen auf nur drei Dimensionen zu verdichten. Stellen Sie sich einen Raum vor, der mit tausenden schwebenden Punkten gefüllt ist, von denen jeder ein Wort repräsentiert. Im Geist des Computers existieren diese Punkte in einem Raum mit Hunderten von Richtungen, was für einen Menschen unmöglich zu visualisieren ist. Die Forscher zwangen den Computer, diesen Raum in eine Form zu pressen, die wir tatsächlich visualisieren können: eine dreidimensionale Karte. Auf dieser Karte platzierte der Computer die Wörter basierend darauf, wie ähnlich sie sich in Bedeutung und Gebrauch sind. Das Ergebnis war keine Liste von Regeln, sondern eine Landschaft. In dieser Landschaft bildeten die häufigsten Wortarten deutliche Cluster oder „Tentakel“, die von einem zentralen Punkt aus nach außen streckten.

Als die Forscher diese Karten betrachteten, sahen sie, dass die traditionellen Kategorien Nomen, Verben und Adjektive in der Tat die stärksten Gruppen waren. In jeder der von ihnen untersuchten Sprachen bildeten diese drei Gruppen klare, getrennte Formen. Der Raum zwischen ihnen war jedoch nicht leer. Die Forscher fanden heraus, dass viele Wörter nicht strikt innerhalb eines Tentakels saßen, sondern vielmehr in dem Raum, in dem sich die Formen berühren oder überschneiden. Beispielsweise wurden im Französischen Wörter, die sowohl Verben als auch Adjektive sein können, wie „oublié“ (vergessen), direkt an der Grenze zwischen der Verb- und der Adjektivgruppe gefunden. Im Englischen befanden sich Wörter, die sowohl Nomen als als auch Verben sein können, wie „laugh“ (lachen) oder „care“ (sorgen/kümmern), dort, wo die Nomen- und Verb-Tentakel ineinanderfließen. Dies bestätigte, dass die Unschärfe, die Linguisten vermuteten, real und messbar ist. Die Wörter, die die traditionelle Grammatik am meisten verwirren, sind jene, die natürlich in diesen Übergangszonen leben.

Die Studie enthüllte auch überraschende Details über spezifische Sprachen. In der russischen Sprache bemerkten die Forscher, dass Kurzformen von Adjektiven, die einen Zustand beschreiben wie „der Mann ist jung“, näher an Verben als an anderen Adjektiven gruppiert waren. Dies ergibt Sinn, da diese Kurzformen in der russischen Grammatik oft die Haupthandlung eines Satzes übernehmen. In Finnisch, einer Sprache mit einer ganz anderen Struktur als den anderen, zeigte die Karte, dass Adverbien keine eigene distinkte Gruppe bildeten, sondern unter den anderen Kategorien verstreut waren. Dies deutet darauf hin, dass die Linie zwischen einem Adverb und anderen Wortarten im Finnischen viel weniger klar ist als im Englischen oder Französischen. Selbst in Sprachen, in denen die Regeln streng scheinen, zeigten die Daten, dass Wörter oft driften, je nachdem, wie sie verwendet werden.

Einer der eindrucksvollsten Funde war, dass Numerale, oder Zahlen, oft eine eigene, separate Gruppe bildeten, obwohl die traditionelle Grammatik sie manchmal als eine Art von Nomen oder Adjektiv behandelt. In den Karten für Französisch, Tschechisch und Russisch standen die Zahlen abseits der Hauptcluster, was darauf hindeutet, dass sie eine einzigartige semantische Identität besitzen, die sie von anderen Wörtern abhebt. Dies geschah, obwohl der Computer nicht angewiesen wurde, nach Zahlen zu suchen; er entdeckte dieses Muster rein durch die Analyse, wie die Wörter in echten Texten verwendet wurden. Die Forscher fanden auch heraus, dass sich die Art und Weise, wie Wörter gruppiert werden, je nach spezifischem Datensatz ändern kann, was zeigt, dass die Grenzen nicht fixiert, sondern fluid sind.

Die Forscher wollten kein neues Grammatikbuch erstellen oder beweisen, dass eine Sprache besser als eine andere ist. Ihr Ziel war es zu sehen, was passiert, wenn wir die Daten die Kategorien entscheiden lassen. Sie fanden heraus, dass während die Hauptkategorien Nomen, Verben und Adjektive stark und stabil sind, die Ränder weich sind. Wörter gehören oft mehreren Kategorien gleichzeitig an oder sie verschieben sich je nach Kontext. Die Studie legt nahe, dass die starren Boxen, die wir zur Lehre der Grammatik verwenden, nützliche Werkzeuge sind, aber sie erfassen nicht das vollständige Bild dessen, wie Sprache funktioniert. Die wahre Natur eines Wortes ist nicht ein einzelnes Etikett, sondern eine Position in einem riesigen, sich ständig verändernden Raum, in dem es eng mit vielen verschiedenen Ideen verbunden sein kann.

Durch die Visualisierung dieser Beziehungen boten die Forscher eine neue Art und Weise, die Struktur der Sprache zu sehen. Anstatt darüber zu streiten, ob ein Wort ein Nomen oder ein Verb ist, können wir nun genau sehen, wo es im Verhältnis zu beiden steht. Dieser Ansatz ersetzt nicht die alten Regeln, sondern fügt eine Ebene der Tiefe hinzu, die die Komplexität menschlicher Kommunikation aufzeigt. Die Karten zeigen, dass Sprache keine Sammlung isolierter Inseln ist, sondern eine kontinuierliche Landschaft, in der Wörter ineinanderfließen. Die Studie bestätigt, dass die Unschärfe der Sprache kein Fehler oder Makel ist, sondern ein grundlegendes Merkmal dessen, wie wir Wörter nutzen, um die Welt zu beschreiben.