تحقیقات اخیر انجام شده در دانشگاه ورمانت نشان می‌دهد که یک الگوی جالب و تازه در زبان انسان وجود دارد که می‌تواند نظریه‌های علمی که بیش از ۷۰ سال مورد قبول بوده‌اند را به چالش بکشد. یافته‌ها نشان می‌دهند که معنای کلمات تحت تأثیر عوامل بنیادی‌تری فراتر از احساسات قرار دارد؛ عواملی مانند درک ما از قدرت، خطر و نظم. این مطالعه که در مجله Science Advances منتشر شده، رویکردی نوین به نام “اوسیومتریکس” را معرفی می‌کند که از روش‌های ریاضی برای اندازه‌گیری معنای اساسی زبان استفاده می‌کند.
یکی از مهم‌ترین یافته‌های این تحقیق، وجود تمایل قابل توجهی برای ترجیح ایمنی بر خطر است. این偏差 ایمنی پنهان می‌تواند نحوه مطالعه زبان و درک رفتار انسانی را تغییر دهد و به توسعه سیستم‌های هوش مصنوعی که می‌توانند آنچه را که مردم می‌گویند و می‌نویسند، تفسیر کنند، کمک کند.
تاریخچه فریمورک‌های علمی در زبان‌شناسی
از دهه ۱۹۵۰، بسیاری از درک‌های علمی درباره معنای کلمات بر اساس چارچوبی شکل گرفته است که توسط روانشناس معروف، چارلز اوزگود، و دیگران توسعه یافته است. این مدل که به نام مدل VAD شناخته می‌شود، معنای کلمات را از طریق سه بعد احساسی توضیح می‌دهد: ارزش (مثبت در برابر منفی)، تحریک (هیجان‌زده در برابر آرام) و تسلط (کنترل‌کننده در برابر تسلیم). این رویکرد در روانشناسی، زبان‌شناسی و هوش مصنوعی به‌ویژه در سیستم‌های طراحی شده برای شناسایی لحن احساسی زبان نوشتاری، تأثیرگذار بوده است.
چرا زبان انسان ایمنی را بر خطر ترجیح می‌دهد؟
یکی از کشفیات غیرمنتظره این مطالعه زمانی نمایان شد که محققان بررسی کردند که کلمات چگونه در ارتباطات روزمره ظاهر می‌شوند. در میان کتاب‌ها، گزارش‌های خبری، رسانه‌های اجتماعی و زبان گفتاری، کلمات مرتبط با ایمنی به‌طور قابل توجهی بیشتر از کلمات مرتبط با خطر به کار رفته‌اند. این یافته توضیحی جدید برای پدیده‌ای آشنا به نام اصل پالیانا ارائه می‌دهد که تمایل زبان انسان به سوی کلمات مثبت را توصیف می‌کند.
محققان استدلال می‌کنند که این تمایل به مثبت بودن می‌تواند در واقع ناشی از یک تمایل بنیادی‌تر برای ایمنی باشد. به‌عبارتی، “偏差 مثبت اصل پالیانا در واقع یک پیش‌بینی یک‌بعدی از یک偏差 ایمنی پنهان است.”
زبان انسان و بقای ما
این کشف امکان جالبی را مطرح می‌کند: ساختار زبان انسان ممکن است تحت تأثیر فشارهای تکاملی مرتبط با بقا قرار گرفته باشد. از این منظر، کلمات تنها احساسات را منتقل نمی‌کنند، بلکه همچنین به افراد کمک می‌کنند تا تهدیدها را شناسایی کنند، عدم قطعیت را ارزیابی کنند و اعتماد برقرار کنند. توانایی تمایز بین ایمنی و خطر برای بقا حیاتی است.
تأثیر بر هوش مصنوعی و روانشناسی
یافته‌ها تأثیراتی فراتر از زبان‌شناسی دارند. بسیاری از سیستم‌های هوش مصنوعی از تحلیل احساسات برای تعیین اینکه آیا زبان بیانگر احساسات مثبت، منفی یا خنثی است، استفاده می‌کنند. اگر چارچوب سنتی نتواند به‌طور کامل ساختار زیرین زبان را در بر بگیرد، سیستم‌های ساخته شده بر اساس آن ممکن است تفاوت‌های مهمی را نادیده بگیرند.
این تحقیق می‌تواند به ما کمک کند تا بفهمیم چگونه زبان می‌تواند به چالش‌هایی که انسان‌ها در محیط‌های نامطمئن با آن مواجه‌اند، پاسخ دهد و در عین حال روابط را حفظ کند و تهدیدات را شناسایی کند.
ابزار جدید برای اندازه‌گیری معنا
محققان برای بررسی این الگوها، روش‌های تحلیلی جدیدی را طراحی کرده‌اند که برای اندازه‌گیری معنا در مجموعه‌های بزرگ زبان نوشتاری و گفتاری ساخته شده‌اند. یکی از نوآوری‌های کلیدی آن‌ها “اوسیومتر” است که به سرعت معنای اساسی مجموعه‌ای بزرگ از متون را ارزیابی می‌کند و یک نمره میانگین معنایی تولید می‌کند. این ابزار می‌تواند از منابع بسیار متفاوتی مانند رمان‌های جین آستین، داستان‌های شرلوک هلمز، نیویورک تایمز و توییتر استفاده کند.
بازنگری در آنچه که زبان انسانی درباره ما می‌گوید
درک این偏差 ایمنی پنهان می‌تواند عواقبی برای نحوه مطالعه ارتباطات در جامعه داشته باشد. اگر کلمات به‌طور مداوم بازتاب‌دهنده تمایل به ایمنی باشند، این تمایل می‌تواند بر نحوه روایت داستان‌ها، انتشار اطلاعات و تفسیر رویدادها و تجربیات تأثیر بگذارد.
یافته‌های این تحقیق به ما می‌گویند که زبان ممکن است به چالش‌هایی که انسان‌ها در زندگی روزمره با آن‌ها روبه‌رو هستند، پاسخ دهد و آن را به شیوه‌ای عمیق‌تر از صرفاً احساسات خوشحالی، ترس و هیجان بیان کند.
