Люди изучают язык посредством когнитивных процессов, поэтому овладение языком не требует таких же усердных усилий, как, скажем, обучение плаванию. Язык является средством взаимодействия с другими людьми, поэтому он связан с нашим взаимодействием с другими людьми и средой, в которой мы живем. Таким образом, спектр языков, которые мы можем использовать, зависит от нашей когнитивной способности воспринимать окружающую среду с точки зрения интеллектуального, эмоционального или физический уровень. Поэтому, чтобы обсудить, могут ли машины понимать язык, необходимо сначала проанализировать проблемы в понимании языка и текущие исследования в этой области.

Люди связывают эмоции и логические способности при общении друг с другом. Могут ли машины понимать эмоции, понимая при этом язык? В соответствии с аргументом о различных нарушениях [1] можем ли мы сказать, что машины не могут понять язык, если они не могут ассоциировать с ним эмоции? В Массачусетском технологическом институте DeepMoji был создан с использованием 55 миллиардов твитов для распознавания и понимания эмоций из заданного текстового корпуса [2]. Последняя работа показала, что при наличии большего количества данных и устройств хранения машины могут имитировать человеческие эмоции или понимать их. Этот аргумент также опровергает аргумент сознания [1], утверждающий, что машины не могут иметь эмоций и чувств.

Языки иногда бывают открытыми и неструктурированными. Выучить и понять язык сложно, потому что словарный запас изменчив и постоянно расширяется. Для понимания неструктурированных, частичных мыслей или беспорядочной языковой структуры разрабатываются семантические синтаксические анализаторы. Предыдущие исследования показали, что способность эмулировать процесс развития речи ребенка может быть достигнута путем создания таких синтаксических анализаторов и подвергания их наблюдениям и вводу данных в открытой среде [3]. Недавние достижения в области чат-ботов показывают, что компьютеры могут интерпретировать смысл неструктурированного или грамматически неправильного языка. В некотором смысле, мы можем сказать, что машины могут думать и придумывать новые подходы к пониманию неизвестного, что противоречит утверждению леди Лавлейс [1].

Большинство языков неоднозначны, и эта неоднозначность может быть любого рода, например, метонимия, метафора, семантика или лексика. Люди могут прояснить эти неопределенности посредством общения, предоставляя интерактивный контекст. Эта критика является серьезной, если мы ожидаем, что машины будут правильно понимать язык, когда он сбивает с толку, потому что это также относится и к людям. Для решения проблем лингвистической неоднозначности было продемонстрировано и опубликовано несколько стратегий устранения неоднозначности языка.

Наконец, давайте перейдем к сути дискуссии: сможет ли машина когда-нибудь использовать и понимать язык так, как это делаем мы? Подобно А. Тьюрингу [1], мы можем сослаться на такие эксперименты, как GLUE [4], и протестировать несколько моделей, чтобы сравнить, насколько хорошо они работают с точки зрения понимания языка, и сравнимы ли роботы с людьми или превосходят их. ИИ и когнитивная наука продвинулись до такой степени, что такие модели, как BERT, превосходят людей в оригинальном тесте GLUE. Машины теперь более продвинуты, чем люди, во многих различных модальностях. Вскоре они смогут взаимодействовать с людьми так же, как и мы, благодаря постоянным исследованиям и разработкам в области лингвистики, а также достижениям в области вычислительной мощности и хранения данных.

Ссылки:

[1] Turing, A.M., 1956. Может ли машина мыслить. Мир математики, 4, стр. 2099–2123.

[2] Фелбо, Б., Мислов, А., Согаард, А., Рахван, И. и Леманн, С., 2017 г. Использование миллионов вхождений эмодзи для изучения представлений в любой области для выявления настроений, эмоций и сарказма. Препринт arXiv arXiv: 1708.00524.

[3] Кэндис Росс, Андрей Барбу, Евгений Берзак, Баттушиг Мянганбаяр и Борис Кац. 2018. Основное овладение языком путем обучения семантических парсеров с использованием видео с субтитрами. В Материалы конференции по эмпирическим методам обработки естественного языка 2018 г., страницы 2647–2656, Брюссель, Бельгия. Ассоциация компьютерной лингвистики.

[4] Ван, А., Сингх, А., Майкл, Дж., Хилл, Ф., Леви, О. и Боуман, С.Р., 2018. GLUE: многозадачная эталонная и аналитическая платформа для понимания естественного языка. препринт arXiv arXiv:1804.07461.