محققان دانشگاه ورمونت یک الگوی شگفت‌انگیز در زبان انسانی کشف کرده‌اند که یک نظریه علمی که بیش از ۷۰ سال است مورد پذیرش قرار گرفته را چالش می‌کند. یافته‌های آن‌ها نشان می‌دهد که معنا کلمات بیشتر توسط درک ما از قدرت، خطر و نظم شکل می‌گیرد تا تنها توسط احساسات.
این مطالعه، که در مجله Science Advances منتشر شده است، یک رویکرد جدید به نام "ousiometrics" معرفی می‌کند که از روش‌های ریاضی برای اندازه‌گیری معنا اساسی زبان استفاده می‌کند. شگفت‌انگیزترین یافته آن این است که کلماتی که افراد استفاده می‌کنند، ترجیحی پیوسته و گسترده برای امنیت بر خطر نشان می‌دهند.
این ترجیح پنهان امنیتی می‌تواند نحوه تحقیق دانشمندان در مورد زبان، درک رفتار انسانی و توسعه سیستم‌های هوش مصنوعی که توضیح می‌دهند چه چیزی را افراد می‌گویند و می‌نویسند را تغییر دهد.
دانشمندان یک ترجیح پنهان امنیتی در زبان انسانی کشف کردند
از اوایل دهه ۵۰، بخش زیادی از درک علمی از معنا کلمات بر اساس چارچوبی است که توسط پژوهش‌های نوآورانه روانشناس چارلز اوسگوود و دیگران توسعه یافته است. به عنوان مدل VAD شناخته می‌شود، معنا را از طریق سه بعد احساسی توصیف می‌کند: قوام ( مثبت در مقابل منفی)، تحریک ( هیجان‌زده در مقابل آرام)، و فرماندهی (کنترل‌کننده در مقابل مطیع).
این رویکرد در روان‌شناسی، زبان‌شناسی و هوش مصنوعی مؤثر بود، به ویژه در سیستم‌هایی که برای شناسایی تonation احساسی نوشته‌ها طراحی شده‌اند.
با این حال، محققان دانشگاه ورمونت نشان دادند که این مدل قدیمی بسیاری از جنبه‌های مهم سازمان‌دهی معنا را نادیده می‌گیرد.
تحلیل آن‌ها شامل بررسی میلیاردها استفاده از کلمات بیش از ۲۰،۰۰۰ کلمه در طیف وسیعی از متون واقعی است. با استفاده از روش‌های محاسباتی پیشرفته، تیم یک ساختار زیرین متفاوت شناسایی کرد. آن‌ها دریافتند که سه بعد در مدل سنتی VAD مستقل از یکدیگر نیستند، همانطور که قبلاً فرض شده بود.
در عوض، یافته‌های آن‌ها نشان می‌دهد که معنا کلمه می‌تواند بهتر با سه بعد جداگانه توصیف شود: قدرت (ضعیف در مقابل قوی)، خطر (امن در مقابل خطرناک)، و ساختار (منظم در مقابل بی‌نظم).
این تحقیق، که با پشتیبانی بنیاد ملی علوم آمریکا، گوگل، MassMutual و دیگر مالی‌دهندگان انجام شده است، نشان می‌دهد که این چارچوب جدید بیش از ۹۰٪ از تغییرات اندازه‌گیری شده در معنا کلمه را توضیح می‌دهد. روش سنتی VAD حدود ۷۲٪ توضیح داد.
این بهبود می‌تواند به ویژه مهم باشد زیرا مدل‌های بزرگ زبان، تنظیم‌کننده‌های محتوای خودکار و سایر فناوری‌های هوش مصنوعی که به درک ارتباط انسانی وابسته هستند، بیشتر و بیشتر افزایش می‌یابند.
چرا زبان انسانی امنیت را ترجیح می‌دهد تا خطر
یکی از شگفت‌انگیزترین کشفیات مطالعه‌ای که محققان به بررسی چگونگی ظهور کلمات در ارتباطات روزمره پرداختند.
در کتاب‌ها، گزارش‌های خبری، شبکه‌های اجتماعی و زبان گفتاری، کلماتی که با امنیت مرتبط هستند، بیشتر از کلماتی که با خطر مرتبط هستند، مشاهده می‌شوند.
این یافته ارائه یک توضیح جدید برای یک پدیده آشنا به نام قانون پلیانایا، که تمایل به گرایش زبان انسانی به کلمات مثبت نسبت به کلمات منفی را توصیف می‌کند.
برای دهه‌ها، محققان این الگو را به عنوان شواهدی از ترجیح افراد برای بیان احساسات مثبت تفسیر کرده‌اند. تحلیل جدید نشان می‌دهد که چیز بنیادی‌تری ممکن است مسئول این باشد.
به گفته محققان، این تمایل برای مثبت‌نگری به ویژه منعکس‌کننده ترجیح پنهان برای امنیت است.
"ترجیح مثبت پلیانایا"، تحقیق نتیجه می‌گیرد. "در واقع یک پروژه یک‌بعدی از یک ترجیح پنهان امنیتی است".
...