Semantic Space of Parts of Speech
Questo articolo mette in discussione la visione tradizionale delle parti del discorso come categorie nette utilizzando gli embedding word2vec e le reti neurali per mappare le parole in uno spazio semantico tridimensionale, rivelando l'intrinseca sfumatura e le relazioni di confine tra le parti del discorso in cinque lingue.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Il linguaggio viene spesso insegnato come un sistema di scatole ordinate. Impariamo che una parola è o un sostantivo, un verbo o un aggettivo, e che appartiene a una sola di queste categorie alla volta. Questa categorizzazione netta ci aiuta a costruire dizionari e a insegnare la grammatica, ma non corrisponde sempre alla realtà disordinata di come le parole funzionano realmente. Alcune parole sembrano appartenere a due posti contemporaneamente, o si trovano proprio al confine tra le categorie, rifiutandosi di essere etichettate. I linguisti sospettano da tempo che questi confini siano sfumati, ma dimostrarlo è stato difficile perché i metodi tradizionali si basano sul giudizio umano e su regole rigide. Ora, un team di ricercatori della Charles University di Praga e dell'Università di Potsdam in Germania ha utilizzato un approccio diverso per mappare questa incertezza. Non hanno chiesto alle persone di decidere dove appartengano le parole; invece, hanno lasciato che le parole parlassero da sole, analizzando come si comportano in milioni di frasi.
I ricercatori sono partiti da un'idea semplice: le parole che appaiono in situazioni simili tendono ad avere significati simili. Questo concetto, noto come semantica distribuzionale, suggerisce che se osservi la compagnia che una parola frequenta, puoi capirne l'essenza. Per esempio, una parola che appare spesso accanto a "il" e "grande" è probabilmente un sostantivo, mentre una che segue "sarà" o "può" è probabilmente un verbo. I computer possono trasformare questi schemi in mappe matematiche, dove ogni parola è un punto in un vasto spazio. Più vicini sono due punti, più simili sono le parole nel modo in cui vengono utilizzate. Il team è andato oltre, chiedendo a un computer di apprendere le regole delle parti del discorso autonomamente. Hanno fornito al computer una massiccia collezione di testi in cinque lingue diverse: francese, ceco, finlandese, russo e inglese. Al computer sono state date le parole e le loro etichette standard, e gli è stato chiesto di trovare i modelli nascosti che le connettono.
Per dare senso ai dati complessi, i ricercatori hanno costruito un tipo speciale di programma informatico, una rete neurale, progettata per comprimere tutte le informazioni in sole tre dimensioni. Immaginate una stanza piena di migliaia di punti fluttuanti, ognuno dei quali rappresenta una parola. Nella mente del computer, questi punti esistono in uno spazio con centinaia di direzioni, il che è impossibile da vedere per un essere umano. I ricercatori hanno costretto il computer a appiattire questo spazio in una forma che possiamo effettivamente visualizzare: una mappa tridimensionale. Su questa mappa, il computer ha posizionato le parole in base alla somiglianza nel significato e nell'uso. Il risultato non è stato un elenco di regole, ma un paesaggio. In questo paesaggio, i tipi di parole più comuni formavano gruppi distinti, o "tentacoli", che si protendevano da un punto centrale.
Quando i ricercatori hanno osservato queste mappe, hanno visto che le categorie tradizionali di nomi, verbi e aggettivi erano effettivamente i gruppi più forti. In ogni lingua studiata, questi tre gruppi formavano forme chiare e separate. Tuttavia, lo spazio tra di essi non era vuoto. I ricercatori hanno scoperto che molte parole non sedevano rigorosamente all'interno di un singolo tentacolo, ma piuttosto nello spazio in cui le forme si toccavano o si sovrapponevano. Ad esempio, in francese, parole che possono essere sia verbi che aggettivi, come "oublié" (dimenticato), si trovavano proprio sul confine tra il gruppo dei verbi e quello degli aggettivi. In inglese, parole che possono essere sia sostantivi che verbi, come "laugh" (ridere/risata) o "care" (curare/preoccupazione), erano situate dove i tentacoli di sostantivi e verbi si fondevano. Ciò ha confermato che la sfumatura sospettata dai linguisti è reale e misurabile. Le parole che causano più confusione per la grammatica tradizionale sono quelle che vivono naturalmente in queste zone di transizione.
Lo studio ha anche rivelato dettagli sorprendenti su lingue specifiche. In russo, i ricercatori hanno notato che le forme brevi degli aggettivi, usate per descrivere uno stato come "l'uomo è giovane", si raggruppavano più vicino ai verbi che agli altri aggettivi. Questo ha senso perché, nella grammatica russa, queste forme brevi spesso fungono da azione principale della frase. In finlandese, una lingua con una struttura molto diversa dalle altre, la mappa ha mostato che gli avverbi non formavano un gruppo distinto, ma erano sparsi tra le altre categorie. Ciò suggerisce che in finlandese la linea tra un avverbio e altre parti del discorso è molto meno chiara rispetto all'inglese o al francese. Anche nelle lingue in cui le regole sembrano rigide, i dati hanno mostrato che le parole spesso deviano a seconda di come vengono utilizzate.
Uno dei risultati più sorprendenti è stato che i numerali, ovvero i numeri, formavano spesso un gruppo separato, nonostante la grammatica tradizionale a volte li tratti come un tipo di sostantivo o aggettivo. Nelle mappe per francese, ceco e russo, i numeri stavano separati dai cluster principali, suggerendo che possiedano un'identità semantica unica che li distingue dalle altre parole. Questo accadeva anche se il computer non era stato istruito a cercare i numeri; aveva scoperto questo schema analizzando puramente come le parole venivano usate nei testi reali. I ricercatori hanno anche scoperto che il modo in cui le parole vengono raggruppate può cambiare a seconda del dataset specifico, dimostrando che i confini non sono fissi ma fluidi.
I ricercatori non avevano l'obiettivo di creare un nuovo libro di grammatica o di dimostrare che una lingua sia migliore di un'altra. Il loro obiettivo era vedere cosa succede quando lasciamo che siano i dati a decidere le categorie. Hanno scoperto che, sebbene le categorie principali di nomi, verbi e aggettivi siano forti e stabili, i bordi sono morbidi. Le parole spesso appartengono a più categorie contemporaneamente, o cambiano a seconda del contesto. Lo studio suggerisce che le scatole rigide che usiamo per insegnare la grammatica sono strumenti utili, ma non catturano l'immagine completa di come funziona il linguaggio. La vera natura di una parola non è un'etichetta singola, ma una posizione in uno spazio vasto e mutevole dove può essere vicina a molte idee diverse.
Visualizzando queste relazioni, i ricercatori hanno fornito un nuovo modo per vedere la struttura del linguaggio. Invece di discutere se una parola sia un sostantivo o un verbo, ora possiamo vedere esattamente dove si colloca in relazione a entrambi. Questo approccio non sostituisce le vecchie regole, ma aggiunge uno strato di profondità che mostra la complessità della comunicazione umana. Le mappe mostrano che il linguaggio non è una collezione di isole isolate, ma un paesaggio continuo dove le parole fluiscono l'una nell'altra. Lo studio conferma che la sfumatura del linguaggio non è un errore o un difetto, ma una caratteristica fondamentale di come usiamo le parole per descrivere il mondo.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.