Artificieel neurologisch netwerk
Artificieel neurologisch netwerk

'Deep Learning' in verschillende talen

Cross-linguïstische syntactische leercapaciteiten van kunstmatige neurale netwerken

Bijna alle kinderen verwerven met gemak hun eerste taal, maar hoe is dat mogelijk? Terwijl sommigen hebben betoogd dat mensen aangeboren taalkennis nodig hebben, heeft recent onderzoek aangetoond dat kunstmatige neurale netwerken (d.w.z. algemene leersystemen zonder ingebouwde syntactische kennis) mensachtige grammaticale kennis op kunnen doen, uitsluitend op basis van de input die zij ontvangen. Een belangrijk probleem met dit recente onderzoek is dat de invoertaal die deze netwerken ontvangen bijna niet gevarieerd is; Engels domineert dit onderzoeksveld. Het menselijke taalleersysteem zou echter universeel moeten zijn, wat betekent dat het voor alle talen even goed moet werken.

Daarom zal dit onderzoeksproject nagaan wat bepalend is voor het succesvol leren van grammatica door neurale netwerken, en dit zal gebeuren in allerlei talen die verschillen in woordvolgorde en morfologische complexiteit. In drie studies zal het effect van deze twee structurele eigenschappen van de talen worden onderzocht, en zullen verschillende typen neurale netwerken worden vergeleken. Om te beoordelen of de kennis van de netwerken daadwerkelijk te vergelijken is met dat van mensen, zullen hun prestaties bovendien worden vergeleken met die van menselijke moedertaalsprekers. Dit project zal relevante nieuwe inzichten opleveren voor meerdere disciplines, zoals computationele (psycho-)linguïstiek, (experimentele) syntaxis, en eerste taalverwerving, door het syntactische leervermogen van het neurale netwerk in verschillende talen te onderzoeken en te vergelijken met menselijke experimentele data.

Financiering

Centre for Language Studies PhD Grant

Contactinformatie