Det ska vara roligt också för datorn

Text: Åsa Rehnström

Att undervisa datorer i språk kräver en avancerad formel.

– För att skapa en modell som liknar vår språkinlärning måste vi lägga ett pussel med många bitar, säger Nancy Chang, amerikansk forskare i datavetenskap.

Genom att förena traditionella språkteorier med nya upptäckter, vill hon skapa en helt ny modell över hur vi lär oss språk. Denna modell utgör sedan grunden för att kunna lära datorer ett mänskligare språk. Datorerna blir sedan, i sin tur, bra verktyg för att testa olika teorier om vilka faktorer som påverkar människors inlärning och användning av språk.

Nancy Chang föredrar ett tvärvetenskapligt grepp, och i sin modell över språkinlärning inbegriper hon förutom traditionella språkteorier även studier av hur barn lär sig språk.

– Det är självklart att när ett barn lär sig prata så påverkas inlärningen av hur vi pratar med barnet, vem som pratar och vad vi pratar om, säger Nancy Chang.

Hon vill också tillföra en rad nya faktorer, som modern hjärnforskning, biologi och kultur.

– Jag vill även ha med metaforer och humor. De är viktiga ledtrådar till vår dagliga språkanvändning, och forskning visar att barn väldigt tidigt uppfattar humorn i språkliga situationer, säger hon.

För att lära en dator att uppfatta skämt utgår hon från grundtanken att vi människor har gemensamma normer. Vi förväntar oss att samspelet med andra ska te sig på ett visst sätt, fysiskt, socialt, känslomässigt och kulturellt. Humor uppstår ofta när ett förväntat beteende ersätts av något annat – det blir ett överraskningsmoment. Framför allt gäller det fysisk humor, men även en del verbal humor utgår ifrån en oväntad användning av ett ord som har flera användningsområden.

– Vi får vänta länge på att våra datorer ska utveckla humor, säger Nancy Chang. Men med en språkmodell som är utrustad med kunskap om förväntade beteenden kan datorn åtminstone upptäcka när något utöver det vanliga händer.

Då är det lite lättare att lära datorn en annan grundläggande språklig förmåga – att tolka metaforer. Det beror enligt Nancy Chang på att vi människor är bra på att utnyttja våra fysiska erfarenheter för att förstå mer abstrakta delar av vår värld. De enklaste fysiska aktiviteter och många abstrakta situationer har det gemensamt att vi förhåller oss till dem genom planer, mål, framgångar och misslyckanden. Det gör att fysiska aktiviteter, som ”skaka” och ”stappla”, lätt kan överföras till abstrakta områden, som ekonomi och relationer. Så om en språkmodell kan känna igen dessa uttryck, både i den fysiska och i den abstrakta formen, går det att länka samman dem.

Detta har knappast gjorts tidigare, men en bred och mångfasetterad förklaring till hur vi lär oss språk blir allt vanligare. Nancy Chang säger att det beror på att dagens forskning påverkas av tillgången till helt ny mätteknik.

– Förut kunde man inte mäta hur människan använder språk. Men med bland annat PET-skanning kan vi se precis vilka delar av hjärnan som är mest aktiva vid olika typer av språkanvändning.

men det finns fortfarande många faktorer som inte går att mäta. Då blir datorn ett viktigt verktyg. Genom att programmera den med olika modeller kan man helt enkelt testa vilka som fungerar. Om datorn förstår och kommunicerar, så kan man anta att det är en korrekt teori för inlärning och användning av språk.

Nancy Changs arbete handlar rent konkret ofta om att bygga olika mjukvarumodeller så att hon med teknikens hjälp kan pröva olika teorier, för att så småningom få en fungerande modell över hur människor lär sig språk.

– Det är ungefär som när man skriver ner något för att kunna förstå det bättre. Det är först då man får en överblick och ser hur skilda bitar hänger ihop och fungerar, säger hon.

Nancy Chang menar att för att förstå människan måste vi förstå hur språket används, eftersom det ger en bild av hur vi tänker och resonerar. Hon hoppas att hennes och andras forskning om språkinlärning i framtiden ska kunna hjälpa människor som inte har självklar tillgång till ett eget språk.

– Oavsett om svårigheterna beror på medicinska eller fysiska skador, har alla rätt till ett språk. Jag tror att en bra modell för hur vi lär oss språk kan förbättra både terapin och de tekniska hjälpmedlen för dessa människor, säger hon.

Nancy Chang drömmer även om mindre livsviktiga förbättringar, men som på många sätt skulle förenkla allas vårt vardagsliv. Det handlar om Google-sökningar som klarar av en naturlig språkstil och datorer med mänsklig språkförståelse, baserad på ett sammanhang.

– Jag lagar till exempel mycket mat, och det vore väldigt trevligt om jag slapp tvätta händerna och få datorn våt när jag undrar något om ett recept på internet. I stället skulle jag kunna fråga min dator på samma sätt som jag skulle ha gjort om jag hade frågat min syster.