Is it the end of (generative) linguistics as we know it?
Dit paper betoogt dat generatieve taalkunde, ondanks de scherpe kritiek van Piantadosi op het Poverty-of-Stimulus-hypothese en het Minimalisme, een serieuze update nodig heeft met nauwkeurigere formalisaties en gestandaardiseerde datasets om haar centrale rol in de taalstudies te behouden, terwijl het negeren van het formele perspectief ook grote nadelen voor computationele en experimentele benaderingen met zich meebrengt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Is het einde van de generatieve taalkunde in zicht? Een uitleg in gewoon Nederlands
Stel je voor dat taalkundigen eeuwenlang hebben geprobeerd een recept te schrijven voor hoe mensen taal leren. Ze noemen dit de "Generatieve Taalkunde". Het idee was simpel: er zit een ingebouwd, universeel "taal-chip" in ons hoofd (een soort fabrieksinstelling) die ons in staat stelt om zinnen te maken die we nog nooit hebben gehoord.
Maar nu is er een nieuwe speler op het toneel: de AI (zoals ChatGPT). Deze AI's zijn gigantische computers die miljarden zinnen hebben gelezen en kunnen nu ook heel goed zinnen maken en begrijpen.
De Amerikaan Steven Piantadosi heeft een paper geschreven waarin hij zegt: "Wacht even, die AI's zijn eigenlijk betere taalkundige theorieën dan jullie menselijke theorieën. Jullie hebben het mis."
Cristiano Chesi, de auteur van dit artikel, kijkt naar deze stelling en zegt: "Hé, hij heeft een punt, maar we moeten niet zomaar opgeven. We moeten onze eigen theorieën updaten."
Hier is de uitleg van zijn argumenten, vertaald naar simpele taal en met een paar creatieve vergelijkingen.
1. De drie kijkers op het veld
Chesi zegt dat we naar taal moeten kijken door drie verschillende brillen, die momenteel niet goed met elkaar praten:
- De Computer (De Rekenaar): Voor deze bril is de beste theorie degene die de meeste zinnen correct voorspelt. Als een AI 99% van de zinnen goed raadt, is hij de winnaar.
- De Theoreticus (De Architect): Deze bril wil weten waarom het werkt. Het gaat niet alleen om het resultaat, maar om een schoon, elegant bouwplan. Een theorie moet simpel zijn en niet vol zitten met rare uitzonderingen.
- De Experimentator (De Wetenschapper in het lab): Deze bril wil echte data. Niet alleen "wat mensen zeggen dat ze denken", maar hoe ze reageren terwijl ze lezen, hoe snel ze een zin begrijpen, en of ze fouten maken.
Het probleem: De taalkundigen (de Architecten) kijken vaak alleen naar hun eigen mooie theorieën en negeren de echte data en de kracht van de computers. De computers (AI) zijn heel goed in het voorspellen, maar we weten niet precies hoe ze het doen.
2. Het "Stof onder de tapijt"-probleem
Chesi gebruikt een grappige metafoor: Het stof onder het tapijt.
Stel je voor dat je een theorie hebt die bijna perfect is, maar er zijn een paar rare zinnen die niet passen. Wat doen veel taalkundigen dan? Ze zeggen: "Oh, die zinnen zijn rare uitzonderingen, of mensen maken die fouten omdat ze moe zijn. Laten we die zinnen onder het tapijt vegen en doen alsof ze niet bestaan."
Chesi zegt: Nee, dat is niet eerlijk.
Als je een theorie wilt die echt werkt, moet je het hele huis schoonmaken. Je moet alle zinnen testen, ook de rare en moeilijke. Als je AI's toelaat om het hele huis te testen (met duizenden zinnen), dan winnen ze vaak. Maar als je de taalkundige theorieën toestaat om alleen de "makkelijke" zinnen te testen, winnen die.
De AI's zijn momenteel beter in het zien van het hele plaatje (observatie), maar de taalkundige theorieën proberen nog steeds te verklaren waarom het zo werkt (verklaring).
3. De "Armste Stimulus" (Het leermoment)
Een van de belangrijkste ideeën in de oude taalkunde is het Poverty of the Stimulus.
- De vergelijking: Stel je een kind voor dat in een kamer staat met slechts 100 blokken. Het kind moet er een heel complex kasteel van bouwen dat eruitziet als een kathedraal. Hoe kan dat?
- De oude theorie: Het kind moet een bouwplan in zijn hoofd hebben (de "taal-chip"), want met alleen die 100 blokken is het onmogelijk om het kasteel zelf te bedenken.
- De AI-uitdaging: De AI's hebben miljarden blokken gezien. Ze hebben dus niet het probleem van de "arme stimulus". Ze hebben alles gezien.
Chesi zegt: "Oké, de AI's hebben meer blokken, maar dat betekent niet dat ze het bouwplan hebben. Ze hebben gewoon een gigantisch geheugen."
Hij stelt dat we moeten testen of AI's echt de regels hebben geleerd, of dat ze gewoon patronen uit het verleden nabootsen. Als we AI's trainen met minder data (zoals een kind), zien we dat ze vaak vastlopen bij de moeilijkste, meest ingewikkelde zinnen. Dat bewijst dat de menselijke "taal-chip" misschien toch nog nodig is.
4. De "Merge" (Het plakken) is te simpel
In de theorie van Chomsky (de vader van de generatieve taalkunde) wordt taal opgebouwd met één simpele knop: Merge. Dit is als het plakken van twee woorden aan elkaar.
- Het probleem: Chesi zegt dat deze "plak-knop" te simpel is. Het is alsof je zegt dat een auto alleen maar een motor en vier wielen nodig heeft. Maar hoe zit het met de remmen? De versnellingen? De luchtvering?
- De huidige theorieën zijn te vaag. Ze zeggen "het werkt zo", maar ze kunnen niet precies uitleggen hoe het werkt in een computerprogramma. Als je het niet precies kunt programmeren, kun je het niet echt testen.
Chesi stelt voor dat we de "plak-knop" moeten updaten met regels voor tijd. Taal wordt immers niet in één keer gemaakt, maar woord voor woord, net zoals je een zin uitspreekt. De huidige theorieën negeren dit tijdsaspect vaak.
5. Wat moet er nu gebeuren? (De conclusie)
Chesi concludeert dat de generatieve taalkunde op een kruispunt staat.
- Als we niets doen: De AI's (de computers) zullen de leiding nemen. Ze zijn nu al beter in het voorspellen van zinnen. De taalkundigen worden dan irrelevant, omdat ze niet kunnen bewijzen dat hun theorieën beter zijn dan de AI.
- De oplossing: De taalkundigen moeten volwassen worden.
- Maak het concreet: Schrijf je theorieën zo precies dat een computer ze kan uitvoeren. Geen vaag "het voelt zo", maar "dit is de code".
- Gebruik dezelfde test: Laat je theorieën en de AI's tegen elkaar strijden op dezelfde test (dezelfde lijst met zinnen). Niet alleen de makkelijke, maar ook de moeilijke en rare.
- Accepteer de data: Stop met het vegen van "stof onder het tapijt". Als mensen een zin raar vinden, is dat belangrijk.
De metafoor van het einde:
Chesi vergelijkt de huidige taalkunde met een oude, dure auto die nog steeds wordt bestuurd door iemand die denkt dat hij de snelste is, terwijl er een nieuwe, snellere elektrische auto (de AI) voorbijrijdt. De bestuurder van de oude auto zegt: "Die elektrische auto heeft geen ziel!"
Chesi zegt: "Misschien heeft hij geen ziel, maar hij rijdt wel sneller. Als we onze oude auto niet gaan repareren en updaten met nieuwe onderdelen, dan is het einde van onze reis in zicht."
Kortom: Taalkunde is niet dood, maar de oude manier van doen wel. Als taalkundigen niet leren samenwerken met computers en echte data, dan zullen ze worden ingehaald door de AI's. Maar als ze hun theorieën updaten, kunnen ze nog steeds de beste uitleg geven voor het wonder van de menselijke taal.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.