Text

Formell modellering och analys av inbyggda system

Hållbar livsstil och hälsa ut ett folkhälsoperspektiv

Industriell programvaruteknik

Komplexa inbyggda system i realtid

Learning, Inclusive education, School transitions – for All (LISA)

M-TERM - Mälardalen University Team of Educational Researchers in Mathematics

Redovisning och styrning

Sociologi

Space and Place in Early Childhood Education and School (SPiECES)

Statsvetenskap

Stokastiska processer, statistik och finansmatematik

Teknisk matematik

Tillförlitlig programvaruteknik

Algebra och Analys med tillämpningar

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Beteendemedicin, hälsa och levnadsvanor

Certifierbara bevis och justifieringsteknik

Digitalisering av framtidens energi

Diskret matematik och modellering av beteende och kultur

Operationalisering av bruksbaserad språkinlärning: En minimal kognitiv arkitektur

Huvudsyftet med det här projektet är att testa hur långt en domängeneraliserad tillgång till språkinlärning kan gå. De flesta modeller för artificiell språkinlärning som finns tillgängliga är inte kognitivt trovärdiga, och vårt mål är att visa att sekvensminne, chunking och generalisering är tillräckligt för att lära sig språk.

Start

2023-01-01

Planerat avslut

2026-12-31

Huvudfinansiering

Samarbetspartners

Forskningsinriktning

Projektansvarig vid MDU

No partial template found

Vilka kognitiva mekanismer gör det möjligt för människor att lära sig komplext språk? Utifrån en helhetssyn på mänsklig kognition, inspirerad av modeller inom artificiell intelligens, är vår hypotes att en minimal kognitiv arkitektur baserad på sekvensminne, chunkning och generalisering kan lära sig grammatik. Dessa tre komponenter antar vi är generella mentala förmågor hos människor som inte är specifikt anpassade för språk. Sekvensminne är centralt eftersom ny forskning visar att djur inte kan uppfatta exakt ordningsföljd, samtidigt som just ordningsföljd är betydelsefull i språk. Chunkning, det vill säga förmågan att mentalt slå ihop flera enheter till en, har pekats ut som viktigt för mänsklig informationsbehandling, språkförståelse och språkinlärning. Generalisering är en välkänd mental förmåga hos både människor och andra djur.

Vår idé är att chunking, och generalisering ska göra det möjligt att fatta beslut grundade på symboliska kategorier i stället för bara ord eller sekvenser av ord, och därmed minska det explosionsartade kombinatoriska problem som språkinlärning innebär. Centralt för projektet är att symboliska kategorier och hur de kan kombineras, det vill säga grammatik, uppstår under inlärningsprocessen. Därmed operationaliserar vår modell bruksbaserad inlärning, samt uppbyggnad av grammatik genom inlärning.

Inlärningsmodellens uppgift är att identifiera meningar i en ström av språk där ledtrådar som skiljetecken och stor bokstav avlägsnats. Modellen förväntas utforska och upptäcka de kategorier och kombinationer som underlättar uppgiften och på så vis bygga upp ett fungerande grammatiskt system. Arkitekturen kommer att utvärderas på både artificiella och naturliga språk.

Resultaten kan generera banbrytande framsteg för vår förståelse av den mänskliga språkförmågan och få betydelse inom fälten språkinlärning, kognition, kulturell evolution, biologisk evolution, artificiell intelligens och natural language processing.

Projektet genomförs på det tvärvetenskapliga Centrumet för evolutionär kulturforskning (CEK) vid Stockholms universitet.


Projektmål

Huvudmålet med det här projektet är att designa och implementera en minimal kognitiv arkitektur för att lära sig komplex grammatik baserat på sekvensminne, chunkning och schematisering, drivna av belöningsinlärning. Denna arkitektur kommer att evalueras på både artificiella och naturliga språk för att avgöra hur snabbt och exakt den kan identifiera meningar, sin förmåga att tilldela produktiva grammatiska kategorier till okända element och sin förmåga att extrahera parsimoniska grammatiska kategorier för alla element i ett naturligt språk.


Aktiviteter

Vi kommer att designa och implementera en minimal domängeneraliserad kognitiv arkitektur för att lära sig grammatik. Vi kommer att konstruera ett datorbaserat system som kan lära sig att extrahera kategorier och deras relationer från en ström av lingvistisk information, med endast stöd på sekvensminne, chunking och schematisering. Inlärningen kommer att baseras på enkla principer för förstärkning av associerade styrkor, där förstärkningen drivs av korrekt identifiering av meningar. Vi kommer också att analysera och utvärdera modellens prestanda på både artificiella och naturliga lingvistiska input.

Forskningen har anknytning till följande globala hållbarhetsmål