مدل‌سازی محاسباتی اکتساب زبان انسانی ۲۰۲۲
Computational Modeling of Human Language Acquisition 2022

فراگیری زبان انسانی قرن‌هاست که مورد مطالعه قرار گرفته است، اما استفاده از مدل‌سازی محاسباتی برای چنین مطالعاتی، روندی نسبتاً جدید است. با این حال، رویکردهای محاسباتی به یادگیری زبان، عمدتاً به دلیل پیشرفت در توسعه تکنیک‌های یادگیری ماشین و در دسترس بودن مجموعه‌های عظیمی از داده‌های تجربی در مورد یادگیری زبان کودک و تعامل کودک و بزرگسال، به طور فزاینده‌ای محبوب شده‌اند. بسیاری از مدل‌های محاسباتی موجود، تلاش می‌کنند تا وظیفه پیچیده یادگیری زبان را تحت معیارهای معقولیت شناختی (مانند محدودیت‌های حافظه و پردازش که انسان‌ها با آن مواجه هستند) مطالعه کنند و مراحل رشدی مشاهده شده در کودکان را توضیح دهند. با شبیه‌سازی فرآیند یادگیری زبان کودک، مدل‌های محاسباتی می‌توانند به ما نشان دهند که کدام بازنمایی‌های زبانی از ورودی‌ای که کودکان به آن دسترسی دارند، قابل یادگیری هستند و کدام مکانیسم‌ها الگوهای رفتاری مشابهی را ایجاد می‌کنند که کودکان در طول این فرآیند از خود نشان می‌دهند. با انجام این کار، مدل‌سازی محاسباتی بینشی در مورد مکانیسم‌های قابل قبول دخیل در فراگیری زبان انسانی ارائه می‌دهد و الهام‌بخش توسعه مدل‌ها و تکنیک‌های زبانی بهتر می‌شود.

این کتاب مروری بر سؤالات اصلی تحقیق در زمینه فراگیری زبان انسانی ارائه می‌دهد. این کتاب، رایج‌ترین چارچوب‌های محاسباتی، روش‌ها و منابع برای مدل‌سازی یادگیری زبان کودک و تکنیک‌های ارزیابی مورد استفاده برای ارزیابی این مدل‌های محاسباتی را بررسی می‌کند. هدف این کتاب، دانشمندان شناختی‌ای هستند که می‌خواهند با روش‌های محاسباتی موجود برای بررسی مشکلات مربوط به فراگیری زبان انسانی آشنا شوند، و همچنین زبان‌شناسان محاسباتی‌ای که علاقه‌مند به استفاده از مهارت‌های خود در مطالعه فراگیری زبان کودک هستند. جنبه‌های مختلف یادگیری زبان در فصل‌های جداگانه مورد بحث قرار می‌گیرند، از جمله اکتساب کلمات منفرد، قواعد کلی که شکل کلمات و جملات را اداره می‌کنند و ارتباط بین شکل و معنا. برای هر یک از این جنبه‌ها، چالش‌های این کار مورد بحث قرار گرفته و یافته‌های تجربی مربوطه در مورد کودکان خلاصه می‌شوند. علاوه بر این، مدل‌های محاسباتی موجود که تلاش می‌کنند تا این کار را تحت مطالعه شبیه‌سازی کنند، بررسی شده و تعدادی مطالعه موردی ارائه می‌شود.

فهرست مطالب: مرور کلی / مدل‌های محاسباتی یادگیری زبان / یادگیری واژه‌ها / کنار هم قرار دادن واژه‌ها / ارتباطات صورت–معنی / سخن پایانی

Human language acquisition has been studied for centuries, but using computational modeling for such studies is a relatively recent trend. However, computational approaches to language learning have become increasingly popular, mainly due to advances in developing machine learning techniques, and the availability of vast collections of experimental data on child language learning and child-adult interaction. Many of the existing computational models attempt to study the complex task of learning a language under cognitive plausibility criteria (such as memory and processing limitations that humans face), and to explain the developmental stages observed in children. By simulating the process of child language learning, computational models can show us which linguistic representations are learnable from the input that children have access to, and which mechanisms yield the same patterns of behaviour that children exhibit during this process. In doing so, computational modeling provides insight into the plausible mechanisms involved in human language acquisition, and inspires the development of better language models and techniques. This book provides an overview of the main research questions in the field of human language acquisition. It reviews the most commonly used computational frameworks, methodologies and resources for modeling child language learning, and the evaluation techniques used for assessing these computational models. The book is aimed at cognitive scientists who want to become familiar with the available computational methods for investigating problems related to human language acquisition, as well as computational linguists who are interested in applying their skills to the study of child language acquisition. Different aspects of language learning are discussed in separate chapters, including the acquisition of the individual words, the general regularities which govern word and sentence form, and the associations between form and meaning. For eachof these aspects, the challenges of the task are discussed and the relevant empirical findings on children are summarized. Furthermore, the existing computational models that attempt to simulate the task under study are reviewed, and a number of case studies are presented. Table of Contents: Overview / Computational Models of Language Learning / Learning Words / Putting Words Together / Form–Meaning Associations / Final Thoughts