„Не сме толкова уникални, колкото си мислехме.“ ИИ разбира езика на нивото на лингвистите – и поставя под въпрос границите на човешкото мислене

Речта бе последният коз на човечеството. Но умните машини също се научиха да проникват и там.

Кои способности правят човека специален? В продължение на векове за основен кандидат се е смятала речта. Аристотел нарича човека „животно, надарено с език“. И въпреки че днес изкуствените невронни мрежи като ChatGPT са в състояние да имитират естествената реч, лингвистите все още се опитват да разберат дали човешкият език все още има свойства, които не могат да бъдат възпроизведени нито от животни, нито от машини.

От особен интерес е въпросът дали изкуственият интелект е способен да разсъждава за самия език, а не само да го използва. Много учени лингвисти смятат, че това не е така. Още през 2023 г. Ноам Чомски и неговите колеги пишат, че истинските модели на речта са твърде сложни, за да бъдат научени чрез просто обучение върху огромни масиви от данни. Според тях невронните мрежи могат да говорят, но не са в състояние да разберат самия процес на комуникация.

Едно скорошно изследване на Гаспер Бегуш от Калифорнийския университет в Бъркли, колегата му Максимилиан Домбковски и Райън Роудс обаче оспорва това мнение. Учените тествали няколко големи езикови модела върху серия от задачи, които имитират лингвистичен анализ. Един от тестовете изисквал от модела да обобщи правилата на измислен език. Повечето от системите се провалили, но една от тях – OpenAI o1 – показала резултати, сравними с нивото на студент, завършил лингвистика: тя била в състояние да изгражда синтактични дървета, да се справя с многозначността и да използва сложни структури като рекурсия.

Зада изключат влиянието на известните данни, изследователите създават серия от четири теста, основани на принципите на синтактичния анализ на Чомски. В три случая моделите е трябвало да анализират специално разработени изречения с помощта на дървовидни диаграми, при които изречението се разделя на групи съществителни и глаголи, а след това на отделни части на речта. Четвъртият тест се отнасяше до рекурсията – способността да се поставя едно изречение в друго. Например простото изречение „Небето е синьо“ можеше да се усложни до „Джейн каза, че небето е синьо“ или дори до „Мария попита дали Сам знае, че Омар е чул Джейн да казва, че небето е синьо“. Веригата теоретично би могла да бъде безкрайна и именно това се смята за ключово свойство на човешкия език.

Рекурсията се среща и в природата – например на остров Виктория в Канада има парче земя, което се намира в езеро на остров в друго езеро. Такива „острови в островите“ са най-простата визуална метафора. Чомски смята рекурсията не само за централна характеристика на граматиката, но и за възможен признак на уникалността на човешкото мислене. В края на краищата именно тя позволява от краен набор от думи и правила да се конструират безкраен брой нови изречения.

В експеримента на Бегуш езиковите модели са създали 30 оригинални изречения с трудни примери за вложени конструкции, включително фрази като „Астрономията, която е била изучавана от древните, които почитаме, не е била отделена от астрологията“. Моделът o1 успя да структурира правилно това твърдение, като идентифицира всички нива на влагане и след това самостоятелно добави още един слой: „Астрономията, която е била изучавана от древните, които почитаме и които са живели в земи, които са ни скъпи, не е била отделена от астрологията.“ Изследователите не са очаквали да видят такава способност за „металингвистично“ разсъждение – т.е. да анализират езика на ниво, сравнимо с това на хората.

Не по-малко изненадваща била способността на о1 да разпознава двусмислието. В оригинал изследователите дават пример с изречението „Rowan fed his pet chicken“. На английски език изречението може да означава две напълно различни неща: или Роуан е нахранил домашния си любимец с пиле, или е дал храна на домашния си любимец и храната е била пилешко месо.

За да покажат, че моделът наистина разбира и двете възможности, изследователите го помолили да построи две синтактични дървета. Първото третира думата пиле като живо същество, което е домашен любимец, а второто – като сготвена храна, която е обект на хранене. Моделът o1 успял да генерира и двете структури, съответстващи на тези значения, като по този начин демонстрирал способността не просто да избира думи, а да анализира контекста и да държи едновременно няколко възможни интерпретации. За изчислителните системи това е необичайно трудно, тъй като се изисква не само познаване на граматиката, но и елементарен здрав разум, за да се разграничи пиле-приятел от пиле-вечеря.

Следващият етап от теста се отнася до фонологията – раздел от лингвистиката, който изучава звуковата система на езика и правилата за образуване на фонемите. За да елиминират влиянието на обучението, Бегуш и колегите му измислиха 30 напълно измислени миниезика от по 40 думи всеки. В един от тях се срещат форми като θалп, ʃебре, ðи̤зṳ и га̤рбо̤нда̤. Задачата на модела е да идентифицира скрития модел. o1 определи, че „гласната става аспирирана, когато е предшествана от гласна шумна съгласна“ – модел, който не е съществувал никъде преди и не е срещан в данните от обучението.

Основният въпрос, който остава открит, е къде е границата на лингвистичните възможности на LLM. Дали езиковите модели ще се подобряват безкрайно, просто чрез увеличаване на изчислителната мощ и обема на данните, или човешката реч остава продукт на еволюцията, ограничен до нашия биологичен вид? Новите резултати показват, че изкуственият интелект вече е способен да извършва сложни анализи на езиковата структура, но все още не създава нищо принципно ново и не предлага открития, които хората не са направили.

Ако развитието наистина зависи само от мащаба на изчисленията, Бегуш смята, че рано или късно изкуствените модели ще ни надминат и в тази област. Мортенсен обаче отбелязва, че настоящите системи все още са ограничени от самото естество на своето обучение: те предвиждат следващата единица текст, но трудно излизат извън рамките на заложения алгоритъм. Въпреки това той е убеден, че с течение на времето ще се появят модели, които ще могат да правят обобщения от по-малко данни и ще проявяват по-голяма творческа гъвкавост.

„Бавно размиваме границата между това, което се смяташе за чисто човешко, и това, което вече е достъпно за машините“, казва Бегуш. – Изглежда, че не сме толкова уникални, колкото си мислехме преди.“