پژوهشگران دانشگاه ورمانت الگویی حیرت‌انگیز در زبان انسان کشف کرده‌اند که نظریه‌ای علمی را که بیش از ۷۰ سال به طور گسترده پذیرفته شده بود، به چالش می‌کشد. یافته‌های آن‌ها نشان می‌دهد که معنای واژگان تحت تأثیر چیزی بنیادی‌تر از احساسات شکل گرفته است: درک ما از قدرت، خطر و نظم.
این مطالعه که در Science Advances منتشر شده، رویکردی جدید به نام «اوسیومتریکس» را معرفی می‌کند که از روش‌های ریاضی برای سنجش معنای بنیادین زبان استفاده می‌کند. شگفت‌انگیزترین یافته آن این است که واژه‌هایی که مردم استفاده می‌کنند، ترجیحی سازگار و فراگیر برای ایمنی نسبت به خطر نشان می‌دهند.
این سوگیری ایمنی پنهان می‌تواند نحوه مطالعه زبان توسط پژوهشگران، درک رفتار انسان و توسعه سیستم‌های هوش مصنوعی که آنچه مردم می‌گویند و می‌نویسند تفسیر می‌کنند، را دگرگون کند.
دانشمندان سوگیری ایمنی پنهانی در زبان انسان کشف کردند
از دهه ۱۹۵۰ میلادی، بخش زیادی از درک علمی از معنای واژه‌ها به چارچوبی متکی بوده که از طریق تحقیقات پیشگامانه چارلز اوسگود (Charles Osgood)، روان‌شناس آمریکایی، و دیگران توسعه یافته است. این چارچوب که به عنوان مدل VAD شناخته می‌شود، معنا را از طریق سه بُعد احساسی توصیف می‌کند: والنس (مثبت در مقابل منفی)، برانگیختگی (هیجان‌زده در مقابل آرام) و سلطه (کنترل‌گر در مقابل تسلیم).
این رویکرد در روان‌شناسی، زبان‌شناسی و هوش مصنوعی نفوذ زیادی یافت، به ویژه در سیستم‌هایی که برای شناسایی لحن احساسی زبان نوشتاری طراحی شده بودند.
با این حال، پژوهشگران دانشگاه ورمانت شواهدی یافتند که نشان می‌دهد این مدل طولانی‌مدت، جنبه‌های مهمی از نحوه سازمان‌دهی معنا را نادیده گرفته است.
تحلیل آن‌ها میلیاردها کاربرد فردی از بیش از ۲۰,۰۰۰ واژه را در طیف وسیعی از متن‌های واقعی بررسی کرد. تیم با استفاده از تکنیک‌های محاسباتی پیشرفته، ساختار زیربنایی متفاوتی را شناسایی کرد. آن‌ها دریافتند که سه بُعد در مدل سنتی VAD مستقل از یکدیگر نیستند، برخلاف فرضیه‌های قبلی.
در عوض، نتایج آن‌ها نشان می‌دهد که معنای واژه‌ها می‌تواند به طور مؤثرتری از طریق سه بُعد جداگانه توصیف شود: قدرت (ضعیف در مقابل قدرتمند)، خطر (ایمن در مقابل خطرناک) و ساختار (منظم در مقابل آشوبناک).
این پژوهش که توسط بنیاد ملی علوم آمریکا، گوگل، MassMutual و سایر حامیان مالی پشتیبانی شد، یافت که این چارچوب جدید بیش از ۹۰ درصد تغییرات در معنای اندازه‌گیری شده واژه‌ها را تبیین کرد. رویکرد سنتی VAD حدود ۷۲ درصد را توضیح داد.
این بهبود ممکن است به ویژه زمانی اهمیت داشته باشد که مدل‌های زبانی بزرگ، تعدیل خودکار محتوا و سایر فناوری‌های هوش مصنوعی به طور فزاینده‌ای به درک ارتباط انسانی وابسته هستند.
چرا زبان انسان ایمنی را بر خطر ترجیح می‌دهد؟
یکی از غیرمنتظره‌ترین کشفیات مطالعه زمانی ظاهر شد که پژوهشگران بررسی کردند واژه‌ها چگونه واقعاً در ارتباطات روزمره ظاهر می‌شوند.
در کتاب‌ها، گزارش‌های خبری، رسانه‌های اجتماعی و زبان گفتاری، واژه‌های مرتبط با ایمنی بسیار بیشتر از واژه‌های مرتبط با خطر ظاهر شدند.
این یافته توضیح جدیدی برای پدیده‌ای آشنا به نام اصل پولیانا ارائه می‌دهد که تمایل زبان انسان به سمت واژه‌های مثبت به جای منفی را توصیف می‌کند.
برای دهه‌ها، پژوهشگران معمولاً این الگو را به عنوان شواهدی مبنی بر اینکه مردم بیان احساسات مثبت را ترجیح می‌دهند، تفسیر می‌کردند. تحلیل جدید پیشنهاد می‌کند که چیزی بنیادی‌تر مسئول این امر است.
به گفته پژوهشگران، ترجیح ظاهری برای مثبت‌نگری عمدًا بازتاب یک ترجیح زیربنایی برای ایمنی است.
«سوگیری مثبت‌نگری اصل پولیانا»، مطالعه نتیجه می‌گیرد، «در واقع یک تصویربرداری تک‌بعدی از یک سوگیری ایمنی زیربنایی است.»
پیتر داگز (Peter Dodds)، مدیر مؤسسه سیستم‌های پیچیده دانشگاه ورمانت و نویسنده ارشد مطالعه، اظهار داشت: «این مشاهده بزرگی است که از این کار برمی‌آید. بیان ایمنی برای تمام زبان حیاتی است.»
آیا زبان انسان توسط بقا شکل گرفته است؟
این کشفیت امکانی جذاب را مطرح می‌کند: ساختار زبان انسان ممکن است بازتاب فشارهای تکاملی مرتبط با زنده ماندن باشد.
از این منظر، واژه‌ها فراتر از انتقال احساسات عمل می‌کنند. آن‌ها همچنین به مردم کمک می‌کنند تهدیدها را تشخیص دهند، عدم قطعیت را ارزیابی کنند، اعتماد ایجاد کنند و اقدامات خود را با دیگران هماهنگ سازند.
توانایی تمایز بین ایمنی و خطر برای بقا ضروری است. پژوهشگران پیشنهاد می‌کنند که این اولویت اساسی انسانی ممکن است بر نحوه سازمان‌دهی معنا در زبان نیز تأثیر بگذارد.
در طول زندگی روزمره، مردم دائماً اطلاعاتی را درباره اینکه افراد، مکان‌ها، موقعیت‌ها و رفتارها تهدیدآمیز هستند یا ایمن، تبادل می‌کنند. یافته‌های جدید نشان می‌دهند که این تمایزها ممکن است مرکزی‌تر از آنچه قبلاً شناخته شده بود، در ارتباط باشند.
آن‌ها همچنین تفسیری متفاوت از دلیل رایج بودن زبان مثبت ارائه می‌دهند. بسیاری از واژه‌های مثبت ممکن است به جای بیان ساده شادی یا تأیید، حس امنیت، ثبات یا قابل پیش‌بینی بودن را منتقل کنند.
جولیا زیمرمن (Julia Zimmerman)، پژوهشگر پسادکتری در آزمایشگاه داستان‌سرایی محاسباتی دانشگاه ورمانت و هم‌نویسنده مطالعه، گفت که سه بُعد شناسایی شده جدید بازتاب تجربیاتی هستند که برای زندگی انسان بنیادین‌اند.
او گفت: «قدرت، خطر و ساختار برای هر انسانی که تاکنون زندگی کرده است، مرتبط است.»
پژوهشگران همچنین مدت‌هاست که آگاه هستند مردم تمایل دارند از زبان مرتبط با نیکی و پرخاشگری کم استفاده کنند. تیم استدلال می‌کند که این تمایل‌های آشنا ممکن است از همان الگوی عمیق‌تر سرچشمه بگیرند.
«ما اکنون می‌فهمیم»، تیم می‌نویسد، که این‌ها «سایه‌های یک سوگیری ایمنی زبانی زیربنایی هستند.»
اگرچه نتایج با احتمال وجود ارتباط بین زبان و بقا سازگار هستند، اما ثابت نمی‌کنند که فشارهای تکاملی مستقیماً باعث ایجاد سوگیری ایمنی شده‌اند.
کشفیتی که می‌تواند نحوه درک زبان توسط هوش مصنوعی را تغییر دهد
یافته‌ها پیامدهایی دارند که فراتر از زبان‌شناسی گسترش می‌یابد.
بسیاری از سیستم‌های هوش مصنوعی از تحلیل احساسات برای تعیین اینکه آیا زبان احساسات مثبت، منفی یا خنثی را بیان می‌کند، استفاده می‌کنند. برخی رویکردها نیز برای سنجش معنای احساسی از چارچوب سنتی VAD بهره می‌برند.
اگر آن چارچوب ساختار زیربنایی زبان را به طور کامل در بر نگیرد، سیستم‌های ساخته شده حول آن ممکن است تمایزهای مهمی در آنچه مردم ارتباط می‌دهند را نادیده بگیرند.
پژوهشگران پیشنهاد می‌کنند که ادغام قدرت، خطر و ساختار می‌تواند در نهایت به مدل‌های هوش مصنوعی کمک کند تا زبان را دقیق‌تر تفسیر کنند و ارزیابی‌های خود را شفاف‌تر توضیح دهند. این ممکن است به ویژه هنگام تجزیه و تحلیل اعتماد، ریسک و تصمیم‌گیری مفید باشد.
در زبان‌شناسی، یافته‌ها راهی متفاوت برای درک مبانی معنا ارائه می‌دهند. چارچوب جدید به جای برخورد با لحن احساسی به عنوان اصل سازمان‌دهی اولیه، بر تمایزهای مرتبط با قدرت، ایمنی و قابلیت پیش‌بینی تأکید دارد.
روان‌شناسی نیز ممکن است تحت تأثیر قرار گیرد. دهه‌ها مطالعات از مدل VAD برای بررسی احساسات، ادراک و رفتار استفاده کرده‌اند. مجموعه‌ای متفاوت از ابعاد بنیادین می‌تواند پژوهشگران را به بازنگری در نحوه تفسیر برخی از آن یافته‌ها تشویق کند.
این کشفیت ممکن است توجه عصب‌شناسان را نیز جلب کند. مغز انسان به شدت به تهدیدها و سیگنال‌های ایمنی حساس است و سوگیری زبانی شناسایی شده جدید پیشنهاد می‌کند که این اولویت‌های بیولوژیکی ممکن است در زبان منعکس شوند. این ارتباط بالقوه می‌تواند به پژوهشگران کمک کند تا روابط بین فعالیت مغزی و ارتباط نمادین را کاوش کنند، هرچند برای اثبات آن‌ها به تحقیقات بیشتری نیاز است.
ابزار جدیدی معنای پنهان واژه‌ها را می‌سنجد
برای بررسی این الگوها، پژوهشگران روش‌های تحلیلی طراحی شده برای سنجش معنا در مجموعه‌های عظیم زبان نوشتاری و گفتاری ایجاد کردند.
یکی از نوآوری‌های اصلی آن‌ها «اوسیومتر» (ousiometer) است، ابزاری که معنای بنیادین بدنه‌های بزرگ متن را به سرعت ارزیابی کرده و یک امتیاز معنای میانگین تولید می‌کند.
(واژه «ouisa» از یونانی باستان گرفته شده و ریشه کلمه انگلیسی «essence» به معنای ذات است.)
اوسیومتر بر پایه ابزاری قبلی که توسط تیم تحقیقاتی توسعه یافته بود به نام «هدونومتر» (hedonometer) یا سنجشگر شادی بنا شده است. در حالی که آن ابزار لحن کلی احساسی زبان را می‌سنجد، رویکرد جدید الگوهای گسترده‌تر معنا را بررسی می‌کند.
پژوهشگران نشان دادند که اوسیومتر می‌تواند مواد را از منابع به طور چشمگیری متفاوت تجزیه و تحلیل کند، از جمله رمان‌های جین آستین، داستان‌های شرلوک هولمز اثر آرتور کانن دویل، نیویورک تایمز، ویکی‌پدیا، توییتر و متن برنامه‌های رادیویی گفتاری.
این ابزار همچنین می‌تواند ردیابی کند که معنا چگونه با پیشروی داستان تغییر می‌کند.
برای مثال، پژوهشگران ترجمه انگلیسی «بینوایان» اثر ویکتور هوگو را تجزیه و تحلیل کردند و معنای در حال تغییر آن را در سراسر رمان ترسیم نمودند.
آن‌ها این الگوی متغیر را «مسیر اوسیومتریک» نامیدند. تجسم شبیه به شکل پیچ‌خورده پروتئینی چند رنگ است، با روایتی که بر روی شبکه‌ای مبتنی بر چهار جفت متضاد حرکت می‌کند: خطرناک/ایمن، ضعیف/قدرتمند، ملایم/پرخاشگر و بد/خوب.
با دنبال کردن این مسیر، پژوهشگران می‌توانند مشاهده کنند که معنای زیربنایی متن چگونه از یک بخش داستان به بخش دیگر تغییر می‌کند.
چرا شمارش فراوانی واژه نتایج را تغییر می‌دهد
نوآوری مهم دیگری شامل تمایز بین واژه‌ها به خودی خود و دفعات استفاده واقعی مردم از آن‌ها بود.
در زبان‌شناسی، پژوهشگران واژه‌های فردی را دسته‌هایی به نام «types» (نوع) توصیف می‌کنند، در حالی که هر ظهور یک واژه در متن به عنوان یک «token» (نمونه) شناخته می‌شود.
(برای مثال، به عنوان یک دسته، «سیب» یک نوع است و هر بار که کلمه «سیب» در یک جمله استفاده می‌شود، یک نمونه است.)
این تمایز اهمیت دارد زیرا واژه‌ای که میلیون‌ها بار ظاهر می‌شود، سهم بسیار بیشتری در ارتباطات روزمره دارد تا واژه‌ای که به ندرت استفاده می‌شود.
تحقیقات قبلی اغلب به هر واژه اهمیت برابر می‌دادند، صرف نظر از فراوانی آن. تیم ورمانت در عوض، دفعات ظاهر شدن واژه‌ها در ارتباطات واقعی را ادغام کرد و اجازه داد الگوهایی ظاهر شوند که در غیر این صورت پنهان می‌ماندند.
این رویکرد برای شناسایی ترجیح فراگیر برای زبان مرتبط با ایمنی به ویژه مهم بود.
تیم تحقیقاتی ده نفره توسط پیتر داگز و کریس دانفورث (Chris Danforth)، اساتید دانشکده مهندسی و علوم ریاضی دانشگاه ورمانت، رهبری می‌شد. همکاران آن‌ها شامل پژوهشگرانی از مؤسسه سانتافه، مرکز علوم پیچیدگی در اتریش، مرکز پزشکی هاوارد هیوز، دانشگاه کالیفرنیا، برکلی، دانشگاه آدلاید و MassMutual Data Science بودند.
بازاندیشی درباره آنچه زبان انسان درباره ما آشکار می‌کند
درک این سوگیری ایمنی پنهان می‌تواند پیامدهایی برای نحوه مطالعه ارتباطات در جامعه توسط پژوهشگران داشته باشد.
اگر واژه‌ها به طور مداوم ترجیحی برای ایمنی را بازتاب دهند، آن تمایل ممکن است بر نحوه روایت داستان‌ها، انتشار اطلاعات و تفسیر مردم از رویدادها و تجربیات تأثیر بگذارد.
یافته‌ها می‌توانند در نهایت بر تحقیقات در زمینه ارتباطات سیاسی، پیام‌رسانی سلامت روان و سیستم‌های هوش مصنوعی طراحی شده برای تعامل با مردم تأثیر بگذارند.
به طور گسترده‌تر، این مطالعه ایده‌ای را که زبان انسان را می‌توان عمدتاً از طریق احساساتی مانند شادی، ترس و هیجان درک کرد، به چالش می‌کشد.
در عوض، پژوهشگران پیشنهاد می‌کنند که معنا ساختاری عمیق‌تر متصل به قدرت، خطر و نظم دارد. یافته‌های آن‌ها نشان می‌دهد که زبان ممکن است بازتاب چالش‌هایی باشد که انسان‌ها با مواجهه با محیط‌های نامطمئن، حفظ روابط و شناسایی تهدیدها روبرو هستند.
با آشکار کردن این ساختار که قبلاً نادیده گرفته شده بود، تیم راهی جدید برای درک آنچه واژه‌ها ارتباط می‌دهند و چرا انواع خاصی از معنا در مکالمات روزمره غالب است، ارائه می‌دهد. تحقیقات آن‌ها پیشنهاد می‌کند که زبان انسان ممکن است ارتباط نزدیک‌تری با نیاز بنیادین ما برای ایمنی داشته باشد تا آنچه دانشمندان به طور سنتی شناخته‌اند.