Computational Approaches to Language and Meaning - CALM Group
Il significato è la facoltà umana che consente la formulazione di asserzioni sui mondi: sia il mondo reale in cui viviamo, sia i mondi possibili da noi immaginati, che spazia da decisioni quotidiane («Cosa mangiamo stasera?») fino alla costruzione di complessi universi finzionali.
Il gruppo di ricerca indaga le modalità con cui il significato emerge nella specie umana, le sue corrispondenze funzionali con gli elementi costitutivi di tali mondi e la sua estrinsecazione in enunciati linguistici osservabili e dipendenti dal parlante.
La metodologia d'elezione del gruppo è la modellistica computazionale, che consente la verifica empirica avanzata di specifiche ipotesi cognitive e linguistiche. Il gruppo è altresì sistematicamente impegnato nell'analisi di algoritmi di intelligenza artificiale di ultima generazione, finalizzata al loro posizionamento integrato nelle nostre attività di modellazione.
Linee di ricerca
- Integrazione tra approcci simbolici e distribuzionali al significato: in quest'ambito di ricerca, sviluppiamo modelli semantici in grado di formalizzare:
a) Le facoltà simboliche umane, incluse la capacità di riferirsi a entità del mondo e di effettuare inferenze logiche;
b) L'acquisizione della competenza semantica a partire da enunciati linguistici grezzi. - Significato parlante-specifico: il significato non possiede un carattere universale e presenta variazioni interindividuali tra i parlanti. Il fulcro del nostro lavoro consiste nel comprendere come tali variazioni risultino compatibili con una comunicazione efficace.
- Apprendimento incrementale (Incremental Learning): diversamente da numerosi algoritmi di machine learning, l'essere umano riorganizza le proprie conoscenze concettuali e sul mondo a fronte di ogni nuova esperienza. Indaghiamo algoritmi computazionali idonei a replicare questo tipo di apprendimento in tempo reale (online learning).
- Apprendimento su piccoli volumi di dati (Small Data Learning): laddove gran parte del machine learning si basa su algoritmi per big data, la mente umana mostra eccellenti capacità di apprendimento a partire da campioni ridotti. Per esempio, l'essere umano è in grado di apprendere il significato di un nuovo lessema dopo poche esposizioni. Miriamo a simulare questa facoltà mediante classi innovative di algoritmi.
- Decodifica cerebrale (Brain Decoding): la decodifica cerebrale consiste nel processo di traduzione di immagini ad alta risoluzione dell'attività cerebrale (es. fMRI) in parole ed enunciati, fornendo così un'architettura fondamentale per la lettura degli stati mentali. Valutiamo la qualità delle rappresentazioni decodificate per applicazioni in ambito linguistico.
Per l'elenco completo delle pubblicazioni, consultare la pagina personale di Aurélie Herbelot.
- Aurélie Herbelot - Responsabile Scientifico (Principal Investigator)
- Ludovica Pannitto - Dottoranda
- Alexandre Kabbach - Dottorando (in co-tutela con l'Università di Ginevra)
- Ann Copestake (University of Cambridge, Regno Unito)
- Katrin Erk (University of Texas at Austin, USA)
- Eugen Fischer (University of East Anglia, Regno Unito)