Çoğu kitap ve filmde bulunan dikkatli bir şekilde yazılmış diyalogların aksine, günlük etkileşimin dili dağınık ve eksik olma eğilimindedir, yanlış başlangıçlar, kesintiler ve birbirleriyle konuşan insanlarla doludur. Arkadaşlar arasındaki gündelik konuşmalardan, kardeşler arasındaki çekişmeye, bir toplantı odasındaki resmi tartışmalara kadar, özgün konuşmalar kaotiktir. Dil deneyiminin gelişigüzel doğası göz önüne alındığında, herkesin dili öğrenebilmesi mucizevi görünüyor.

 Bu nedenle, birçok dil bilimci, dil öğrenenlerin günlük dilin asi doğasını dizginlemek için sınırlamalara ihtiyaç duyduğuna inanıyor. Ve bu yapıştırıcı gramer/dilbilgisidir: dilbilgisel cümleler oluşturmak için bir kurallar sistemi. Yıllar boyunca, birçok dilbilimci yerleşik bir dilbilgisi şablonu olmadan dil öğrenmenin imkansız olduğuna inandı.

 Örneğin bu şablon, mevcut ifadelere yeni parçaların nasıl ekleneceğini belirleyen bir “süper kural” içerebilir. O zaman çocukların sadece ana dillerinin, İngilizce gibi, fiilin nesneden önce mi gittiğini (“ben yerim suşi” de olduğu gibi) veya fiilin nesneden sonra gittiği bir dil mi olduğunu (Türkçe’de, aynı cümle “ben suşi yerim” şeklinde yapılandırılmıştır).

 Yeni YZ modelleri aksini kanıtlıyor. Dilbilgisel dil üretme yeteneğinin dilbilgisi gramer şablonları olmadan yalnızca dilsel deneyimden öğrenilebileceğini gösterirler.

 Yeni bir tür büyük yapay zeka dil modelleri, gazete makaleleri, şiir ve bilgisayar kodu yazabilir ve çok miktarda dil girdisine maruz kaldıktan sonra soruları doğru bir şekilde yanıtlayabilir. Ve daha da şaşırtıcı bir şekilde, hepsi bunu dilbilgisinin yardımı olmadan yapıyorlar.

 Çocukların bebeklikten itibaren nasıl dil öğrendiklerini düşünün, veya kendi dilinin konuşulmadığı yabancı bir ülkeye yerleşen bir kişiyi düşünün, dilbilgisi gramer ile mi dil öğrenir?  Bunun yerine, dil becerilerini geliştirmelerine yardımcı olmak için mümkün olduğunca karşılıklı konuşmalara katılmaları gerekir. Yetkin bir dil kullanıcısı olmanın anahtarı dil bilgisi değil dil deneyimidir.

Dilbilgisi olmayan dilbilgisi dili

Sözcük seçimleri bazen tuhaf, anlamsız veya ırkçı, cinsiyetçi ve diğer zararlı önyargılar içerse bile, çok açık olan bir şey var: Bu yapay zeka dil modellerinin çıktılarının ezici çoğunluğu dilbilgisi açısından doğrudur. Yine de, bunlara bağlı hiçbir dilbilgisi şablonu veya kuralı yoktur – ne kadar dağınık olursa olsun, yalnızca dilsel deneyime dayanırlar.

Bu modellerin tartışmasız en bilineni olan GPT-3, 175 milyar parametreli devasa bir derin öğrenme sinir ağıdır. İnternetten, kitaplardan ve Wikipedia’dan gelen yüz milyarlarca kelime karşısında daha önce gelenler göz önüne alındığında, bir cümledeki bir sonraki kelimeyi tahmin etmek için eğitildi. Yanlış bir tahmin yaptığında, parametreleri otomatik bir öğrenme algoritması kullanılarak ayarlandı.

AI modellerini ve insan beynini karşılaştırma

 Ancak insan diliyle benzerlik burada bitmiyor. Nature Neuroscience’da yayınlanan araştırma, bu yapay derin öğrenme ağlarının insan beyniyle aynı hesaplama ilkelerini kullandığını gösterdi. Aaştırma ekibi önce , yapay zeka ile bir podcast’ten alınan bir hikayedeki bir sonraki kelimeyi ne kadar iyi tahmin edebildiğini karşılaştırdı: İnsanlar ve YZ, zamanın neredeyse yüzde 50’sinde aynı kelimeyi tahmin etti.

 Araştırmacılar, hikayeyi dinlerken gönüllülerin beyin aktivitelerini kaydettiler. Gözlemledikleri aktivasyon kalıpları için en iyi açıklama, insanların beyinlerinin – YZ gibi – tahminlerde bulunurken yalnızca önceki bir veya iki kelimeyi kullanmadığı, aynı zamanda 100’e kadar önceki kelimenin birikmiş bağlamına dayandığıydı. Toplamda, yazarlar şu sonuca varıyor: “Katılımcılar doğal konuşmayı dinlerken spontane tahmine dayalı nöral sinyaller bulmamız, aktif tahminin insanların yaşam boyu dil öğreniminin altında yatabileceğini gösteriyor.”