کشف جدید در فیزیک زبان: قواعد گرامری محلی برای خلق نظم در هوش مصنوعی کافی هستند

پژوهشی جدید در نشریه Physical Review Research به بررسی یک مسئله بحث‌برانگیز در نقطه تلاقی فیزیک آماری و زبان‌شناسی پرداخته است. پیش از این، مدل‌های زبانی ساده‌سازی‌شده ظاهراً گذار ناگهانی و محسوسی را از خروجی‌های تصادفی به توالی‌های دارای ساختار منظم نشان می‌دادند؛ اما این احتمال وجود داشت که چنین پدیده‌ای صرفاً نتیجه برهم‌کنش‌های دوربرد میان نمادها باشد. مدل تازه‌طراحی‌شده، اثرگذاری هر نماد را صرفاً به یک زمینه (کانتکست) محلی و مشخص محدود می‌کند و با این حال باز هم گذار فاز پیوسته را شکل می‌دهد؛ دستاوردی که اثبات می‌کند برای پیدایش نظم زبانی، هیچ نیازی به پیوندها و اتصالات دوربرد نیست.

جهش بحث‌برانگیز؛ از زمزمه‌های نامفهوم تا نظم ساختاریافته

اریک دی‌جولی در مقاله سال ۲۰۱۹ مدل زبانی تصادفی (RLM)، این سازوکار را در قالب مجموعه‌ای از گرامرهای مستقل از زمینه و وزن‌دار تعریف کرد. او با به‌کارگیری روش‌های برگرفته از فیزیک سیستم‌های شیشه اسپینی و وزن‌دهی به قواعد بر مبنای توزیع لگ‌نرمال، نشان داد که این چرخه دو مرحله متمایز دارد: یک فاز با آنتروپی بالا که خروجی آن به زمزمه‌های تصادفی و نامفهوم شباهت دارد، و یک فاز با آنتروپی پایین که به تولید جملاتی با ساختار منظم ختم می‌شود. این مدل تحلیلی جذاب از چگونگی شکل‌گیری خودبه‌خودی ساختار نحوی ارائه می‌داد.

با این حال، بررسی‌های انجام‌شده در سال ۲۰۲۲ نشان داد که در نسخه پایه مدل RLM هیچ‌گونه گذار فاز ترمودینامیکی رخ نمی‌دهد؛ به همین دلیل محققان پیشنهاد کردند که ساختارهای گرامری کامل‌تر و وابسته به زمینه مورد ارزیابی قرار گیرند. پس از آن، آزمایش‌های عددی حاکی از وقوع گذارهایی شبیه به پدیده برزینسکی-کاسترلیتز-تالس (BKT) در مدل‌هایی بود که نمادهای بافاصله در آنها با یکدیگر ارتباط داشتند. از آنجا که برهم‌کنش‌های دوربرد می‌توانند به خودیِ خود نظم ساختاری پدید آورند، سهم و جایگاه واقعی محدودیت‌های گرامری در شکل‌گیری این نظم همچنان در هاله‌ای از ابهام باقی مانده بود.

زمینه محلی کافی است: اثبات پیدایش ساختار با قواعد کوتاه‌برد

تیم پژوهشگران در ساختار جدید ارائه‌شده، چارچوب نظری را از گرامر مستقل از زمینه به سمت گرامر وابسته به زمینه ارتقا داده‌اند. در این رویکرد تازه، قواعد تولید متن ممکن است به نمادهای همسایه وابسته باشند، اما دامنه زمینه هم‌زمان با افزایش طول جمله ثابت باقی می‌ماند. از دیدگاه فیزیک و مکانیک آماری، این سازوکار بدین معناست که تمام برهم‌کنش‌ها منحصراً کوتاه‌برد هستند و حتی بدون وابستگی‌های دوردست نیز نظم ساختاری زبان در مدل هوش مصنوعی به‌شکل پیوسته شکل می‌گیرد.