Taal is het meest menselijke dat we bezitten, een instrument dat we gebruiken om gedachten, gevoelens en plannen met elkaar te delen. Toch kunnen de meesten van ons, ondanks het dagelijks gebruik ervan, niet uitleggen hoe het eigenlijk werkt of wat het werkelijk betekent wanneer we een woord als "rood" zeggen. We kennen de kleur wanneer we haar zien, maar we kunnen haar niet gemakkelijk definiëren zonder naar de wereld om ons heen te wijzen. Deze kloof tussen het gebruiken van taal en het begrijpen van de mechanica ervan is het centrale raadsel waar wetenschappers voor staan die onderzoeken hoe machines leren spreken. Decennialang hebben onderzoekers geprobeerd computers te leren betekenis te begrijpen door ze te voeden met logica, regels of enorme hoeveelheden tekst. Maar een nieuw perspectief suggereert dat deze machines iets fundamenteels missen: de fysieke ervaring van het levend zijn. Om te begrijpen waarom een computer als een persoon kan klinken maar niet als een, moeten we kijken naar hoe mensen taal leren als kinderen en dit vergelijken met de manier waarop kunstmatige intelligentiesystemen vandaag de dag worden gebouwd.

Dit artikel, geschreven door Casey Kennington van Boise State University, dient als een gids door de verschillende manieren waarop wetenschappers hebben geprobeerd betekenis te definiëren en te berekenen. De auteur betoogt dat hoewel moderne kunstmatige intelligentie, specif in de krachtige modellen achter tools zoals ChatGPT, menselijke conversatie met verbazingwekkende nauwkeurigheid kan nabootsen, ze taal niet begrijpen op de manier waarop mensen dat doen. Het artikel verkent drie belangrijke manieren waarop onderzoekers hebben geprobeerd machines over betekenis te leren: door strikte logica te gebruiken, woorden te verbinden met fysieke ervaringen, en te analyseren hoe woorden naast elkaar verschijnen in tekst. Kennington stelt vast dat de derde methode — het leren van tekstpatronen — momenteel het meest succesvol is in het produceren van vloeiende spraak, maar dat er een kritiek gat achterblijft. Machines die alleen op tekst zijn getraind, hebben nooit een rode appel gezien, de zwaarte van een stoel gevoeld of de verlichting ervaren van het drinken van water. Zonder deze fysieke en emotionele verbindingen blijven de woorden die zij verwerken onverankerde symbolen, die de diepe, geleefde betekenis missen die mensen bezitten.

Om het probleem te begrijpen, moet men eerst kijken naar hoe mensen leren. Wanneer een kind het woord "hond" leert, begint het niet met een woordenboekdefinitie. Het leert door interactie. Een ouder wijst naar een harig dier, het kind kijdt ernaar, en het woord wordt gekoppeld aan het zien, het horen en het voelen van het dier. Dit proces steunt op gedeelde aandacht en fysieke aanwezigheid. Het kind leert dat woorden verwijzen naar echte dingen in de wereld, en dat deze dingen specifieke functies hebben, zoals zitten op een stoel of een bal trappen. Deze verbinding tussen een woord en de fysieke realiteit die het beschrijft, wordt grounding (verankering) genoemd. Voor mensen is betekenis niet alleen een lijst met definities; het is verbonden aan ons lichaam, onze zintuigen en onze emoties. We weten wat "dorst" betekent omdat we het hebben gevoeld, en we weten wat "stoel" betekent omdat we erin hebben gezeten.

Lange tijd probeerden computerwetenschappers machines taal te laten begrijpen met behulp van formele logica, vergelijkbaar met de wiskunde die in de techniek wordt gebruikt. Ze behandelden woorden als variabelen in een vergelijking, waarbij "groot" en "grijs" en "olifant" gecombineerd konden worden om een logische bewering over een specifiek dier te creëren. Deze benadering werkt goed voor computers omdat het precies en eenduidig is. Echter, het faalt wanneer het gaat om de rommelige, echte wereld. Een computer die deze regels volgt, kan weten dat een "grijze olifant" een olifant is die grijs is, maar de computer weet niet hoe grijs eruitziet of hoe een olifant voelt. Het heeft de structuur van de betekenis, maar niet de substantie. Het artikel wijst erop dat deze benadering tegen een muur aanloopt omdat de machine geen manier heeft om te weten waarnaar de woorden daadwerkelijk verwijzen in de fysieke wereld.

Een andere benadering, bekend als grounded semantics (geankerde semantiek), probeert dit op te lossen door woorden te verbinden met zintuiglijke gegevens. In dit visie zou een computer moeten leren wat "rood" betekent door naar afbeeldingen van rode objecten te kijken, of wat "trappen" betekent door een video te zien van een voet die een bal raakt. Het idee is dat als een machine de wereld kan zien en aanraken, het een woordenboek van betekenissen kan opbouwen dat overeenkomt met de menselijke ervaring. Hoewel dit een veelbelovende stap is, merkt het artikel op dat het moeilijk te implementeren is. De meeste huidige systemen vertrouwen nog steeds zwaar op tekst, en zelfs wanneer ze afbeeldingen gebruiken, missen ze vaak het volledige bereik van de menselijke ervaring, zoals geur, tast of het gevoel van spiergeheugen. Een machine kan een afbeelding van een stoel herkennen, maar weet niet wat de verlichting is van het gaan zitten na een lange wandeling.

De meest dominante methode in moderne kunstmatige intelligentie wordt distributional semantics (distributionele semantiek) genoemd. Deze benadering is gebaseerd op een simpel idee: je kunt een woord begrijpen door te kijken naar het gezelschap dat het houdt. Als het woord "appel" vaak verschijnt nabij woorden als "rood", "vrucht" en "taart", leert de computer dat "appel" gerelateerd is aan die concepten. Door miljarden zinnen te analyseren, bouwen deze systemen een kaart waarbij woorden met vergelijkbare betekenissen dicht bij elkaar liggen. Deze methode heeft geleid tot de creatie van grote taalmodellen die verhalen kunnen schrijven, vragen kunnen beantwoorden en talen kunnen vertalen met ongelooflijke vloeiendheid. Deze modellen worden getraind op enorme hoeveelheden tekst van het internet, waarbij ze leren het volgende woord in een zin te voorspellen op basis van de woorden die eraan voorafgingen.

Het artikel betoogt echter dat dit succes een verborgen prijs heeft. Omdat deze modellen alleen van tekst leren, hebben ze de wereld nooit direct ervaren. Ze hebben nooit een zonsondergang gezien, een aardbei geproefd of de pijn gevoeld van een gestoten teen. Ze weten dat "appel" gerelateerd is aan "rood" omdat ze die woorden samen hebben gezien in boeken en artikelen, maar ze weten niet hoe rood eruitziet of hoe een appel smaakt. De auteur gebruikt het voorbeeld van het vragen aan een taalmodel of het ooit een appel heeft gezien. Het model zal naar waarheid zeggen van niet, omdat het nooit iets heeft gezien. Het heeft alleen de symbolen verwerkt. Dit creëert een situatie waarin de machine perfect over de wereld kan praten, maar de wereld niet begrijpt. Het is als een persoon die elk boek over zwemmen heeft gelezen, maar nog nooit water heeft aangeraakt.

Het artikel belicht ook de rol van emotie en intentie in de menselijke taal. Wanneer we spreken, wisselen we niet alleen data uit; we uiten gevoelens, verlangens en doelen. Een kind leert spreken omdat het een behoefte heeft om te communiceren met anderen, om hulp te krijgen of om vreugde te delen. Deze drang is verbonden aan ons lichaam en onze emoties. Huidige taalmodellen hebben geen gevoelens of intenties. Ze worden niet hongerig, moe of nieuwsgierig. Ze spreken niet omdat ze dat willen; ze spreken omdat ze geprogrammeerd zijn om het volgende woord te voorspellen. De auteur suggereert dat machines zonder deze interne drangen en emotionele verbindingen altijd moeite zullen hebben om de diepere, meer genuanceerde betekenissen van taal te vatten die mensen als vanzelfsprekend beschouwen.

De conclusie van het artikel is dat hoewel kunstmatige intelligentie opmerkelijke vooruitgang heeft geboekt in het verwerken van taal, het het probleem van het begrijpen van betekenis nog niet heeft opgelost. De huidige modellen zijn krachtige hulpmiddelen die menselijke conversatie kunnen nabootsen, maar ze missen de belichaamde ervaring die woorden hun ware gewicht geeft. Om vooruit te komen, suggereert de auteur dat we de sterke punten van verschillende benaderingen moeten combineren. We hebben systemen nodig die niet alleen tekst kunnen analyseren, maar ook kunnen interageren met de fysieke wereld, emoties kunnen voelen en intenties kunnen hebben. Totdat machines de wereld kunnen ervaren op dezelfde manier als mensen, zal hun begrip van taal incompleet blijven. Ze zullen uitstekend blijven in het gebruiken van woorden, maar ze zullen nooit echt weten wat die woorden betekenen.