Semantic Space of Parts of Speech

言語はしばしば、整然とした「箱」の体系として教えられます。私たちは、ある単語は名詞、動詞、あるいは形容詞のいずれかであり、一度にこれらの一つのカテゴリーにのみ属するものだと学びます。この明快な分類は、辞書を作ったり文法を教えたりする上では役立ちますが、言葉が実際にどのように機能しているかという、混沌とした現実とは必ずしも一致しません。二つの場所に同時に属しているように感じられたり、カテゴリーの境界線上に位置して、どちらにも固定されることを拒んだりする単語もあります。言語学者は、こうした境界が曖昧であることを以前から疑ってきましたが、伝統的な手法は人間の判断や厳格な規則に依存しているため、それを証明することは困難でした。現在、プラハのチャールズ大学とドイツのポツダム大学の研究チームが、この不確実性をマッピングするために異なるアプローチを用いました。彼らは人々に単語がどこに属するかを判断させたのではなく、数百万もの文章の中で単語がどのように振る舞うかを分析することで、言葉そのものに語らせたのです。

研究者たちはシンプルな考えからスタートしました。それは、「似たような状況に現れる単語は、似たような意味を持つ」という概念です。「分布意味論」として知られるこの概念は、もしある単語がどのような仲間と一緒にいるかを見れば、その単語が何であるかを理解できることを示唆しています。例えば、「the」や「big」の隣によく現れる単語は名詞である可能性が高く、「will」や「can」の後ろに来る単語は動詞である可能性が高いといった具合です。コンピュータは、これらのパターンを数学的な地図へと変換でき、そこではすべての単語が一つの広大な空間における一つの点となります。二つの点の距離が近いほど、その単語たちの使われ方はより似通っています。研究チームはこれをさらに進め、コンピュータ自身に品詞のルールを学習させるよう求めました。彼らは、フランス語、チェコ語、フィンランド語、ロシア語、英語という5つの異なる言語の膨大なテキストを集めてコンピュータに与えました。コンピュータには単語とその標準的なラベルが与えられ、それらを結びつける隠れたパターンを見つけ出すよう命じられたのです。

複雑なデータを理解するために、研究者たちは、すべての情報をわずか3つの次元に凝縮するように設計された特殊なコンピュータプログラム、すなわちニューラルネットワークを構築しました。数千もの浮遊する点（それぞれが単語を表す）で満たされた部屋を想像してみてください。コンピュータの思考内では、これらの点は数百もの方向を持つ空間の中に存在しており、人間には見ることは不可能です。研究者たちは、この空間を人間が可視化できる形、つまり3次元の地図へと押しつぶすようコンピュータに強制しました。この地図上で、コンピュータは意味や用法が似ているに基づいて単語を配置しました。その結果、得られたのはルールのリストではなく、一つの「風景」でした。この風景の中では、最も一般的な種類の単語が、中心点から伸びる明確なクラスター、すなわち「触手」を形成していました。

研究者たちがこれらの地図を見たとき、名詞、動詞、形容詞という伝統的なカテゴリーが確かに最も強力なグループであることを確認しました。調査したすべての言語において、これら三つのグループは明確で独立した形状を形成していました。しかし、それらの間の空間は空っぽではありませんでした。研究者たちは、多くの単語が厳密に一つの触手の中に収まっているのではなく、むしろ形状同士が触れ合ったり重なり合ったりしている空間に位置していることを見出しました。例えば、フランス語では、「forgotten（忘れられた）」のように動詞と形容詞の両方になり得る単語が、動詞と形容詞のグループのちょうど境界線上にありました。英語では、「laugh（笑う）」や「care（世話をする）」のように名詞と動詞の両方になり得る単語が、名詞と動詞の触手が混ざり合う場所に位置していました。これは、言語学者が疑っていた「曖昧さ」が、現実的かつ測定可能なものであることを裏付けました。伝統的な文法が最も混乱する単語は、まさにこれらの移行地帯に自然に住まう単語なのです。

この研究はまた、特定の言語に関する驚くべき詳細も明らかにしました。ロシア語において、研究者たちは「男は若い」のような状態を表すために使われる形容詞の短縮形が、他の形容詞よりも動詞に近いクラスターを形成していることに気づきました。これは、ロシア語の文法において、これらの短縮形がしばしば文の主要な動作として機能するため、理にかなっています。フィンランド語では、他の言語とは大きく異なる構造を持っていますが、地図上の副詞は独自のグループを形成せず、他のカテゴリーの中に散らばっていました。これは、フィンランド語において、副詞と他の品詞との境界線は、英語やフランス語よりもはるかに不明瞭であることを示唆しています。ルールが厳格に見える言語であっても、データは、言葉がどのように使われるかに応じて漂うことがあることを示していました。

最も衝撃的な発見の一つは、数詞、すなわち数字が、伝統的な文法ではしばしば名詞や形容詞の一種として扱われるにもかかわらず、しばしば独自の別個のグループを形成していることでした。フランス語、チェコ語、ロシア語の地図において、数字は主要なクラスターから離れて立っており、それが他の単語とは異なる独自の意味的アイデンティティを持っていることを示唆していました。これは、コンピュータが数字を探すように指示されていなかったにもかかわらず、実際のテキストにおける単語の使われ方を分析することによって純粋に発見されたパターンでした。また、単語のグループ化の仕方は特定のデータセットによって変化することも判明しており、境界は固定されたものではなく流動的であることを示しています。

研究者たちは、新しい文法書を作ることや、ある言語が他の言語より優れていることを証明することを目的としたわけではありません。彼らの目的は、データにカテゴリーを決定させたらどうなるかを見ることでした。彼らは、名詞、動詞、形容詞という主要なカテゴリーは強力で安定しているものの、その端の部分は柔らかいものであることを見出しました。単語はしばしば複数のカテゴリーに同時に属したり、文脈に応じて変化したりします。この研究は、私たちが文法を教えるために用いる厳格な箱は有用な道具ではあるものの、言語がどのように機能しているかという全容を捉えきれていないことを示唆しています。単語の真の性質とは、単一のラベルではなく、多くの異なる概念に接近し得る、広大で変化し続ける空間における一つの「位置」なのです。

これらの関係を可視化することで、研究者たちは言語の構造を見るための新しい方法を提供しました。ある単語が名詞か動詞かを議論する代わりに、今やその単沢が両者に対してどの位置にいるのかを正確に把握できるようになりました。このアプローチは古いルールに取って代わるものではなく、人間のコミュニケーションの複雑さを示す深層のレイヤーを加えるものです。地図は、言語が孤立した島の集まりではなく、言葉が互いに流れ込む連続的な風景であることを示しています。この研究は、言語の曖昧さが間違いや欠陥ではなく、私たちが世界を記述するために言葉を使う際の、根本的な特徴であることを裏付けているのです。