💬 NLP

Chinese sensorimotor and embodiment norms for 3,000 lexicalized concepts

यह शोध पत्र 3,000 मंदारिन चीनी अवधारणाओं के लिए 11-आयामी संवेदी-मोटर (sensorimotor) और एम्बॉडिमेंट (embodiment) मानदंडों के एक व्यापक डेटाबेस को प्रस्तुत करता है, जो उनकी उच्च विश्वसनीयता, लेक्सिकल डिसीजन टास्क में उनकी भविष्य कहने वाली शक्ति, और विशुद्ध रूप से भाषाई निरूपणों से उनकी आंशिक रिकवरेबिलिटी (recoverability) को प्रदर्शित करता है।

मूल लेखक: Jing Chen, Gábor Parti, Yin Zhong, Chu-Ren Huang, Marco Marelli

प्रकाशित 2026-05-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jing Chen, Gábor Parti, Yin Zhong, Chu-Ren Huang, Marco Marelli

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य विचार: शरीर में शब्दों का "एहसास" कैसा होता है?

कल्पना कीजिए कि आपका मस्तिष्क केवल परिभाषाओं का पुस्तकालय नहीं है, बल्कि एक उच्च-तकनीकी सिमुलेशन केंद्र (simulation center) है। जब आप "सेब" शब्द सुनते हैं, तो आपका मस्तिष्क केवल "लाल फल" के बारे में नहीं सोचता। यह संक्षेप में उसके कुरकुरेपन, मिठास, गंध और उसे काटने की गति का अनुभव (simulate) करता है। इसे एम्बोडीड कॉग्निशन (embodied cognition) कहा जाता है: यह विचार कि शब्दों की हमारी समझ हमारे शारीरिक अनुभवों पर आधारित होती है।

इस शोध पत्र के पीछे के शोधकर्ताओं ने यह मानचित्रण (map) करने का प्रयास किया कि मंदारिन चीनी (Mandarin Chinese) के लिए यह वास्तव में कैसे काम करता है। उन्होंने पूछा: यदि हमारे पास कोई शब्द है, तो वह हमारी इंद्रियों (देखना, सुनना, स्वाद) और हमारी मांसपेशियों (हाथ, पैर, सिर हिलाना) को कितनी मजबूती से सक्रिय करता है?

परियोजना: 3,000 शब्दों के लिए एक "संवेदी मानचित्र" बनाना

टीम ने 3,000 सामान्य चीनी शब्दों का एक विशाल डेटाबेस तैयार किया। इसे एक विशाल स्प्रेडशीट के रूप में सोचें जहाँ प्रत्येक शब्द को 12 ग्रेडों के साथ एक "रिपोर्ट कार्ड" दिया जाता है:

छह इंद्रियाँ: जब आप इस शब्द के बारे में सोचते हैं, तो आप कितना देखते, सुनते, चखते, सूंघते, स्पर्श करते या अंदर (जैसे भूख या दर्द) महसूस करते हैं?
पाँच शरीर के अंग: इस शब्द के साथ बातचीत करने के लिए आप अपने हाथों/बाँहों, पैरों/पंजों, मुँह/गले, सिर, या धड़ (शरीर के मध्य भाग) का कितना उपयोग करते हैं?

उन्होंने 378 मूल भाषियों (native speakers) से इन शब्दों को 0 (बिल्कुल भी अहसास नहीं) से 5 (बहुत गहरा अहसास) के पैमाने पर रेट करने के लिए कहा।

अब तक के परिणाम:

दृष्टि (Vision) का दबदबा: अंग्रेजी की तरह ही, चीनी शब्दों के लिए सबसे आम "एहसास" दृश्य (visual) है। यदि आप किसी शब्द के बारे में सोचते हैं, तो इसकी सबसे अधिक संभावना है कि आप उसे अपने मन में "देख" रहे हैं।
"पेट" का अहसास (The "Gut" Feeling): आश्चर्यजनक रूप से बड़ी संख्या में शब्दों ने (विशेष रूप से अमूर्त शब्दों जैसे "तड़प" या "दर्द") तीव्र आंतरिक संवेदनाओं (interoception) को सक्रिय किया।
क्रिया बनाम संवेदना: जो शब्द आपको "एम्बोडीड" (जैसे पूरे शरीर का अनुभव) महसूस कराते हैं, वे केवल देखने या सुनने की तुलना में शरीर को हिलाने (मोटर क्रियाओं) से अधिक निकटता से जुड़े होते हैं।

अध्ययन 2: "स्पीड टेस्ट" (क्या ये एहसास हमें तेजी से पढ़ने में मदद करते हैं?)

शोधकर्ता जानना चाहते थे: क्या यह जानना कि एक शब्द कितना "भौतिक" (physical) है, हमें उसे तेजी से पहचानने में मदद करता है?

उन्होंने उन 3,000 शब्दों को लिया और उन्हें एक लेक्सिकल डिसीजन टास्क (Lexical Decision Task) के माध्यम से चलाया। यह एक कंप्यूटर गेम है जहाँ आपको जितनी जल्दी हो सके बटन दबाकर यह बताना होता है कि अक्षरों का एक समूह वास्तविक शब्द है या नकली।

रूपक (Metaphor): कल्पना कीजिए कि आपका मस्तिष्क एक कार है। "सेंसरीमोटर रेटिंग्स" (sensorimotor ratings) ईंधन की तरह हैं। शोधकर्ताओं ने विभिन्न प्रकार के ईंधन फॉर्मूले का परीक्षण किया यह देखने के लिए कि कौन सा कार को सबसे तेज चलाता है।

विजेता: उन्होंने पाया कि सबसे अच्छा "ईंधन" केवल सबसे मजबूत एकल इंद्रिय (जैसे "यह कितना दृश्य है?") नहीं था। सबसे अच्छा भविष्यवक्ता एक जटिल रेसिपी थी जो सबसे मजबूत इंद्रिय को देखती थी लेकिन इसमें शामिल अन्य इंद्रियों को भी थोड़ा बढ़ावा देती थी।
निष्कर्ष: जो शब्द "भौतिक" महसूस होते हैं और जिनमें कई इंद्रियाँ या शरीर के अंग शामिल होते हैं, उन्हें मस्तिष्क द्वारा तेजी से संसाधित (process) किया जाता है। मस्तिष्क एक समृद्ध, बहु-संवेदी अनुभव को पसंद करता है।

अध्ययन 3: क्या एक रोबोट बिना शरीर के "महसूस" कर सकता है?

यह सबसे दार्शनिक हिस्सा है। आज हम जिनसे चैट करते हैं वे बड़े भाषा मॉडल (AI) जैसे कि 'लार्ज लैंग्वेज मॉडल्स' केवल टेक्स्ट (पाठ) पर प्रशिक्षित होते हैं। उन्होंने कभी सूर्यास्त नहीं देखा, सेब का स्वाद नहीं चखा, या गले मिलना महसूस नहीं किया है। वे "विदेह" (disembodied) हैं।

शोधकर्ताओं ने पूछा: क्या हम AI द्वारा टेक्स्ट में देखे जाने वाले शब्दों के आधार पर यह अनुमान लगा सकते हैं कि एक इंसान उस शब्द के बारे में कैसा "महसूस" करता है?

प्रयोग:
उन्होंने AI के शब्द डेटा (शब्दों के गणितीय प्रतिनिधित्व जो टेक्स्ट में उनके साथ दिखने की आवृत्ति पर आधारित हैं) को मानव रेटिंग का अनुमान लगाने के लिए एक सरल गणितीय मॉडल में डाला।

परिणाम:

यह काम करता है (कुछ हद तक): AI औसत रूप से लगभग 62% सटीकता के साथ मानव भावनाओं का अनुमान लगा सका।
"दृष्टि" का लाभ: AI यह अनुमान लगाने में बहुत अच्छा था कि कोई शब्द कितना "दृश्य" (visual) है। यह समझ में आता है क्योंकि भाषा दृश्य चीजों का बहुत अच्छा वर्णन करती है (जैसे, "लाल, चमकीला सूरज")।
"स्वाद" की समस्या: AI स्वाद और गंध का अनुमान लगाने में बहुत खराब रहा।
- क्यों? क्योंकि वास्तव में चखे बिना शब्दों में किसी विशिष्ट स्वाद का वर्णन करना कठिन है। साथ ही, टेक्स्ट के अधिकांश शब्द भोजन के बारे में नहीं होते, इसलिए AI के पास पैटर्न सीखने के लिए पर्याप्त "डेटा" नहीं था।
ज्यामिति (Geometry): भले ही AI हर एक नंबर का सटीक अनुमान नहीं लगा सका, लेकिन उसने संबंधों को सही पकड़ा। यदि मनुष्यों ने सोचा कि "सेब" और "संतरा" स्वाद में समान हैं, तो AI ने भी सोचा कि वे समान हैं। संवेदी दुनिया का "आकार" केवल टेक्स्ट से भी आंशिक रूप से प्राप्त किया जा सकता था।

सारांश

हमने एक मानचित्र बनाया: अब हमारे पास एक विस्तृत मार्गदर्शिका है जो दिखाती है कि 3,000 चीनी शब्द हमारी इंद्रियों और मांसपेशियों से कैसे जुड़ते हैं।
भौतिक शब्द तेज़ होते हैं: एक शब्द वास्तविक दुनिया के अनुभव जैसा जितना अधिक महसूस होता है, हमारा मस्तिष्क उसे उतनी ही तेजी से पहचानता है।
टेक्स्ट एक अच्छा, लेकिन अपूर्ण माध्यम है: बिना शरीर के भी, एक AI किताबों और समाचारों को पढ़कर यह सीख सकता है कि मनुष्य दुनिया को कैसे अनुभव करते हैं, विशेष रूप से उन चीजों के लिए जिन्हें हम देख सकते हैं। लेकिन स्वाद और गंध जैसी चीजों के लिए, टेक्स्ट मानवीय अनुभव को पूरी तरह से पकड़ने के लिए पर्याप्त नहीं है।

डेटा कहाँ मिलेगा: शोधकर्ताओं ने अपना सारा डेटा और कोड सार्वजनिक कर दिया है, ताकि अन्य वैज्ञानिक अपने स्वयं के अध्ययन के लिए इस "संवेदी मानचित्र" का उपयोग कर सकें।

तकनीकी सारांश: 3,000 लेक्सिकल अवधारणाओं के लिए चीनी संवेदी-मोटर और एम्बॉडमेंट मानक (Sensorimotor and Embodiment Norms)

समस्या विवरण
यह शोध संज्ञानात्मक विज्ञान और एम्बॉडीड आर्टिफिशियल इंटेलिजेंस (Embodied AI) अनुसंधान में एक महत्वपूर्ण अंतराल को संबोधित करता है: गैर-इंडो-यूरोपीय भाषाओं के लिए बड़े पैमाने पर, उच्च-आयामी (high-dimensional) मानकीकृत संसाधनों का अभाव। जबकि यह समझना कि अवधारणात्मक ज्ञान शारीरिक अनुभव में कैसे निहित है, इन क्षेत्रों के लिए केंद्रीय है, मौजूदा संवेदी-मोटर डेटाबेस मुख्य रूप से अंग्रेजी-केंद्रित हैं या मंदारिन चीनी के लिए सीमित दायरे में हैं। पिछले चीनी संसाधन या तो बहुत कम शब्दों (जैसे 232–689 आइटम) को कवर करते थे, या उनमें व्यापक आयामों (जैसे केवल संवेदी मोडैलिटीज) की कमी थी, या वे विशिष्ट व्याकरणिक श्रेणियों (जैसे केवल संज्ञा) तक सीमित थे। यह कमी चीनी भाषा में संवेदी-मोटर अनुभव और लेक्सिकल प्रोसेसिंग के बीच संबंध के अनुभवजन्य अन्वेषण, साथ ही ग्राउंडेड अवधारणात्मक ज्ञान पर लार्ज लैंग्वेज मॉडल्स (LLMs) को प्रशिक्षित करने या उनका मूल्यांकन करने की क्षमता में बाधा डालती है।

कार्यप्रणाली (Methodology)
अध्ययन तीन अलग-अलग चरणों में संरचित है:

डेटा संग्रह (अध्ययन 1):
- प्रतिभागी: प्रोलिफिक (Prolific) और चीनी सोशल मीडिया प्लेटफॉर्म के माध्यम से 378 मूल मंदारिन वक्ताओं को भर्ती किया गया।
- उद्दीपन (Stimuli): चार मौजूदा चीनी मानक अध्ययनों से मदों (items) को एकत्रित करके और सिनिका कॉर्पस 4.0 एवं चाइनीज गीगावर्ड 5 से 429 उच्च-आवृत्ति वाले शब्दों को जोड़कर 3,000 बार उपयोग किए जाने वाले लेक्सिकल अवधारणाओं की एक शब्द सूची तैयार की गई।
- रेटिंग: प्रतिभागियों ने दो पैमानों पर रेटिंग प्रदान की:
  - 11-आयामी संवेदी-मोटर रेटिंग: लैंकेस्टर फ्रेमवर्क का अनुसरण करते हुए, प्रतिभागियों ने छह संवेदी मोडैलिटीज (दृश्य, श्रवण, स्वाद, घ्राण, स्पर्श, इंटरोसेप्शन) और पांच क्रिया प्रभावकों (हाथ/बांह, पैर/पांव, सिर, मुंह/गला, धड़) पर 0–5 के पैमाने पर शब्दों को रेट किया।
  - एकआयामी एम्बॉडमेंट रेटिंग: प्रतिभागियों ने प्रत्येक शब्द द्वारा उत्पन्न शारीरिक अनुभव की शक्ति को 0–6 लिकर्ट स्केल पर रेट किया।
- गुणवत्ता नियंत्रण: डेटा की वैधता सुनिश्चित करने के लिए कठोर अटेंशन चेक और चीनी भाषा दक्षता मिनी-टेस्ट आयोजित किए गए।
लेक्सिकल डिसीजन वैलिडेशन (अध्ययन 2):
- डेटासेट: संवेदी-मोटर मानदंडों से 2,044 शब्दों को MELD-SCH डेटाबेस के लेक्सिकल डिसीजन डेटा (रिस्पॉन्स टाइम और एरर रेट) के साथ मैच किया गया।
- प्रेडिक्टर्स: लेक्सिकल प्रदर्शन की भविष्यवाणी करने के लिए संवेदी-मोटर रेटिंग से नौ कंपोजिट वेरिएबल्स निकाले गए:
  - परसेप्चुअल स्ट्रेंथ ऑफ एम्बॉडमेंट (PSE) के दो वेरिएंट: PSE-परसेप्चुअल (5 मोडैलिटीज) और PSE-सेंसरिमोटर (सभी 11 आयाम)।
  - लैंकेस्टर मानदंडों से छह स्थापित मेट्रिक्स: मैक्सिमम स्ट्रेंथ, मिंकोव्स्की-10, मिंकोव्स्की-3, यूक्लिडियन डिस्टेंस, समड स्ट्रेंथ, और PCA कंपोनेंट।
  - एकआयामी एम्बॉडमेंट रेटिंग।
- विश्लेषण: शब्द की लंबाई और आवृत्ति को नियंत्रित करते हुए, मानकीकृत रिस्पॉन्स टाइम (zRT) और एरर रेट (ERR) की भविष्यवाणी करने के लिए बायेसियन लीनियर रिग्रेशन मॉडल फिट किए गए।
भाषाई रिकवरी विश्लेषण (अध्ययन 3):
- दृष्टिकोण: अध्ययन ने जांच की कि शुद्ध भाषाई निरूपणों (Tencent AI Lab के स्टैटिक वर्ड एम्बेडिंग्स) से संवेदी-मोटर रेटिंग कितनी अनुमानित की जा सकती है, जिसके लिए रिज रिग्रेशन (ridge regression) का उपयोग किया गया।
- मेट्रिक्स: भविष्य कहने वाली सटीकता को $R^2$ और स्पियरमैन $\rho$ के माध्यम से मापा गया।
- संरचनात्मक विश्लेषण: यह निर्धारित करने के लिए कि क्या मानव-रेटेड संवेदी-मोटर स्पेस की ज्यामितीय संरचना (संबंधात्मक दूरियां) को मॉडल-अनुमानित स्पेस से रिकवर किया जा सकता है, रिप्रेजेंटेशनल सिमिलैरिटी एनालिसिस (RSA) का उपयोग किया गया।

प्रमुख योगदान

नया संसाधन: लेखक 3,000 मंदारिन चीनी अवधारणाओं के लिए पहला बड़े पैमाने का, 11-आयामी संवेदी-मोटर मानक डेटाबेस प्रस्तुत करते हैं, जो व्याकरण की एक विस्तृत श्रृंखला को कवर करता है।
मेट्रिक वैलिडेशन: यह अध्ययन PSE-सेंसरिमोटर मेट्रिक को पेश करता है और उसे मान्य करता है, जो इंटरोसेप्शन और एक्शन इफेक्टर्स को शामिल करने के लिए PSE फ्रेमवर्क का विस्तार करता है, और पारंपरिक कंपोजिट्स की तुलना में इसकी बेहतर भविष्य कहने वाली शक्ति को प्रदर्शित करता है।
एम्पिरिकल ग्राउंडिंग डेटा: यह शोध पत्र एक गैर-अंग्रेजी भाषा में वितरण संबंधी भाषाई निरूपणों (distributional linguistic representations) से संवेदी-मोटर जानकारी की रिकवरेबिलिटी पर अनुभवजन्य साक्ष्य प्रदान करता है, जो एम्बॉडीड AI अनुसंधान के लिए एक बेंचमार्क के रूप में कार्य करता है।

परिणाम

विश्वसनीयता और वैधता: एकत्र किए गए मानदंडों ने उच्च आंतरिक विश्वसनीयता (विभिन्न आयामों में क्रोनबैक का $\alpha$ .698 से .949 तक) और मौजूदा चीनी संसाधनों के साथ मजबूत क्रॉस-नॉर्म वैधता प्रदर्शित की।
वर्णनात्मक सांख्यिकी: दृश्य शक्ति (Visual strength) प्रमुख आयाम था (47.0% अवधारणाएं), इसके बाद इंटरोसेप्शन (39.1%) आया। कीमोसेंसरी आयामों (स्वाद, घ्राण) में औसत रेटिंग सबसे कम थी लेकिन प्रमुख अवधारणाओं के लिए औसत स्ट्रेंथ सबसे अधिक थी। एम्बॉडमेंट रेटिंग का संवेदी मोडैलिटीज की तुलना में एक्शन इफेक्टर्स के साथ अधिक सहसंबंध था।
लेक्सिकल डिसीजन प्रेडिक्शन: अध्ययन 2 में, सभी संवेदी-मोटर कंपोजिट्स ने लेक्सिकल डिसीजन प्रदर्शन की महत्वपूर्ण रूप से भविष्यवाणी की। PSE-सेंसरिमोटर और मिंकोव्स्की-3 सबसे मजबूत प्रेडिक्टर के रूप में उभरे, जिन्होंने यूनिडायमेंशनल उपायों और सरल योगों से बेहतर प्रदर्शन किया। यह सुझाव देता है कि प्रमुख आयाम को वेट (weight) देते हुए गैर-प्रमुख आयामों के योगदान को बनाए रखना संवेदी-मोटर सूचना के सुधारात्मक प्रभाव को अनुकूल रूप से कैप्चर करता है।
भाषाई रिकवरी: अध्ययन 3 में, रिज रिग्रेशन मॉडल वर्ड एम्बेडिंग्स से संवेदी-मोटर रेटिंग की सफलतापूर्वक भविष्यवाणी करने में सफल रहे (औसत स्पियरमैन $\rho$ = .62)। रिकवरी आयाम के अनुसार भिन्न थी: विजुअल और ऑडिटरी आयामों ने उच्च पत्राचार दिखाया, जबकि कीमोसेंसी (स्वाद, घ्राण) आयामों ने उच्च $R^2$ के बावजूद कम रैंक-ऑर्डर सहसंबंध ( $\rho$ = .39) दिखाया, जिसका कारण स्क्यूड रेटिंग डिस्ट्रीब्यूशन और भाषाई अनिर्वचनीयता (ineffability) था।
संरचनात्मक रिकवरी: RSA ने मानव-रेटेड संवेदी-मोटर स्पेस और अनुमानित स्पेस के बीच एक महत्वपूर्ण सहसंबंध ( $\rho$ = .540) प्रकट किया, जो यह दर्शाता है कि वितरण संबंधी भाषाई पैटर्न आंशिक रूप से एम्बॉडीड अवधारणात्मक ज्ञान की संरचना को एनकोड करते हैं।

महत्व
यह शोध दावा करता है कि ये निष्कर्ष मंदारिन चीनी में एम्बॉडीड कॉग्निशन अनुसंधान को आगे बढ़ाने के लिए एक आवश्यक मानकीकृत संसाधन प्रदान करते हैं। यह प्रदर्शित करके कि बहु-आयामी संवेदी-मोटर कंपोजिट (विशेष रूप से PSE-सेंसरिमोटर और मिंकोव्स्की-3) लेक्सिकल प्रोसेसिंग के मजबूत भविष्यवक्ता हैं, यह अध्ययन व्यवहारिक अध्ययनों के लिए एक परिष्कृत पद्धतिगत दृष्टिकोण प्रदान करता है। इसके अलावा, भाषाई निरूपणों से संवेदी-मोटर संरचना की आंशिक रिकवरेबिलिटी इस विचार का समर्थन करती है कि भाषा का उपयोग एम्बॉडीड अवधारणात्मक संरचना के पहलुओं को एनकोड करता है, भले ही प्रत्यक्ष भौतिक ग्राउंडिंग का अभाव हो। इसके LLMs द्वारा अवधारणात्मक ज्ञान प्राप्त करने के तरीके को समझने और अधिक ग्राउंडेड AI सिस्टम विकसित करने के लिए निहितार्थ हैं। लेखक इस बात पर जोर देते हैं कि ये परिणाम 'सिंबोलिक ग्राउंडिंग' की बहस को प्रतिध्वनित करते हैं, जो यह सुझाव देते हैं कि हालांकि भाषा मॉडल्स के पास प्रत्यक्ष अनुभव की कमी है, भाषा के उपयोग के सांख्यिकीय पैटर्न संवेदी-मोटर वास्तविकता के निशान बनाए रखते हैं।

मुख्य विचार: शरीर में शब्दों का "एहसास" कैसा होता है?

परियोजना: 3,000 शब्दों के लिए एक "संवेदी मानचित्र" बनाना

अध्ययन 2: "स्पीड टेस्ट" (क्या ये एहसास हमें तेजी से पढ़ने में मदद करते हैं?)

अध्ययन 3: क्या एक रोबोट बिना शरीर के "महसूस" कर सकता है?

सारांश

इसी तरह के और पेपर