Ein handelsüblicher Roboter-Mensch-Kontakter, und ein fahrender Mülleimer mit diversen Komfortfunktionen. Quelle: https://www.flickr.com/photos/gordontarpley/13442033023

Einstiegsfrage: Was macht ein führender Forscher in Sachen Artificial Intelligence an einem Biologie-Institut als Linguist?
Manche mögen sagen: Das was die meisten Linguisten machen: Taxi fahren oder putzen. Aber nein, so ist es nicht, eigentlich machen Linguisten spannende Dinge. Robolinguistik zum Beispiel.

Einstiegsfakt: Nicht jede Kultur benutzt die gleichen Methoden, um Objekte oder Orte im Raum zu lokalisieren. Es gibt ein Bergvolk in Mexiko (glaube ich), das etwas sagen würde wie „Der Tacoliegt bergaufwärts von dir.“ Es gibt ein Inselvolk irgendwo im Pazifik, das sagen würde „Achtung, wütender T-Rex landeinwärts von dir!“ Es gibt Eingeborene in Australien, die sagen würden „Mein Digeridoo steht nördlich von mir.“ (Unterschwelliger Rassismus für heute abgehakt!)
Die spannende Frage ist nun, wie sich diese verschiedenen Techniken im Laufe der Zeit entwickelt haben. Ich kann mir nicht vorstellen, dass irgendein wahlloser Uhreinwohner eines Tages sagte „Hey Steve, links und rechts ist irgendwie lame, lass mal ab jetzt immer Norden oder Süden sagen!“ Es muss einen Faktor gegeben haben, der in der Sprachentwicklung dafür gesorgt hat, dass sich unterschiedliche Methoden bilden, und es muss einen Prozess der Entwicklung gegeben haben.
Das Problem, beim Versuch, diesen Prozess zu erforschen, ist, dass er mehr oder minder abgeschlossen ist. Natürlich verändert sich Sprache immer weiter: Leute vor 300 Jahren haben komplett anders gesprochen und geschrieben als wir es heute tun, und sogar vor 30 Jahren hat man sich anders unterhalten. (Seht euch mal die 80er an: den Untergang der westlichen Zivilisation.) Die ursprüngliche Sprachentwicklung ist aber vorbei, und vermutlich gab es hier schon die ersten unterschiedlichen Ansätze, die sich an der Umgebung und Situation orientierten und den grundlegenden Aufbau des Ergebnisses maßgeblich beeinflussten. Wäre das nicht der Fall, hätte sich das deutsche System in den letzten paar hundert Jahren vermutlich zu einer Ortsbestimmung entwickelt, die Dinge relativ zu einem Bier bestimmt.
Auftritt Luc Steels. Seine Idee: Wir programmieren Roboter dazu, sich über bestimmte Dinge zu unterhalten. Anfangs haben sie keine gemeinsame Sprache, sondern erfinden Wörter und ihre Bedeutung. Daran können wir untersuchen, wie sich Sprache ausbreitet, wie und ob sie sich an der Umgebung orientiert, und auf welche Art sich Sprache entwickelt.
Ein Beispiel zum Ablauf: Es gibt eine bestimmte Menge Roboter, von denen zwei ausgesucht und in einen Raum gestellt werden. Der Raum enthält einige Objekte, an denen man sich orientieren kann, zum Beispiel eine große weiße Kiste mit einem Marker (im Prinzip ein QR-Code) der „Hier ist vorne“ kommuniziert, einige andere Objekte in unterschiedlichen Farben oder einen weiteren QR-Code an der Wand, der „Hier ist Norden“ bedeutet. Welche dieser Dinge vorhanden sind, variiert einerseits von Versuch zu Versuch („Dieses Mal interessiert uns Farbe!“), aber in geringerem Ausmaß auch zwischen einzelnen Roboterbegegnungen.
Die Roboter sind darauf programmiert, sich über die Objekte zu unterhalten, was ein wenig spektakulärer klingt, als es ist. Die Worte oder Sätze bedeuten im Endeffekt nicht mehr als „Ich meine den nördlichen Block“ oder „den rechten Block“, in den komplexesten mir bekannten Experimenten, in denen auch Grammatik verwendet wurde, konnten sogar Dinge wie „der rote Block auf dem blauen Block im Norden“ gesagt werden. Wir machen hier aber ein paar Schritte zurück.
Der Versuch läuft ab, indem ein Roboter irgendein Wort sagt, das seiner Meinung nach das Ziel charakterisiert. Wenn er noch keine Erfahrungswerte hat, erfindet er irgendein Wort. Der andere Roboter muss nun das Wort interpretieren. Wenn er es kennt, kann er das Objekt bestimmen. Wenn nicht (zum Beispiel weil der andere es gerade erfunden hat), muss er raten. Der erste Roboter bestätigt oder verneint die Antwort dann, und zeigt gegebenenfalls auf das Objekt, das er meinte. Spätestens jetzt teilen die beiden Roboter ein Wort inklusive Bedeutung miteinander, und könnten es erneut benutzen, um ein Objekt zu identifizieren.
Als nächstes werden Roboter ausgetauscht. Irgendwann wird einer dieser Roboter ein Objekt meinen, das er mit dem eben gelernten Wort beschreiben kann, und benutzt es in Diskussion mit einem anderen Roboter, der dieses Wort dadurch auch lernt. So verbreitet ein ursprünglich rein erfundenes Wort sich weiter zwischen den einzelnen Agierenden.

http://turing.b.uib.no/files/2012/09/qrio-pointing-photo-of-scene.jpg
Hier ein Beispiel mit wenigen Objekten, die beispielsweise über die Farbe, die Form, oder die Position voneinander zu unterscheiden wären.

Nehmen wir dieses Bild mal als spezifisches Beispiel. Der weiter hinten stehende Roboter, nennen wir ihn „Rob“, hat gerade das Wort „bla“ benutzt, um damit das von ihm aus rechts stehende, blaue Objekt, zu beschreiben. Für ihn bezeichnet „bla“ genau dieses Objekt und kein anderes. Der zweite Roboter, „Bot“, versucht gerade, das gesagte Wort, das ihm unbekannt ist, zu deuten, und zeigt auf das von ihm aus linke, gelbe, Objekt. Rob wird als nächstes den Kopf schütteln, um Bot zu signalisieren, dass er ein anderes Objekt meint, und dann auf das rechte, blaue, Objekt zeigen, um Bot darauf hinzuweisen, was er mit „bla“ meinte. Bot lernt nun, dass das Wort „bla“ auf das rechte, blaue, Objekt hindeutet, und kann es in zukünftigen Begegnungen benutzen, wodurch andere Roboter aus der Population ebenfalls die Bedeutung des Wortes „bla“ kennen lernen.
Auf ein Problem stoßen wir, wenn die Szene sich verändert. Nehmen wir wieder das Bild von oben, stellen uns aber vor, dass das gelbe und das blaue Objekt miteinander vertauscht sind, sodass gelb nun rechts und blau links steht. Ein Roboter würde gerne das Wort „bla“ benutzen, das aktuell „rechts blau“ bedeutet, allerdings steht rechts nun das gelbe Objekt. Er könnte für sich entscheiden, dass „bla“ eher auf die Farbe blau als auf die Position rechts verweist, weswegen er das linke, blaue, Objekt meint. Der andere Roboter steht nun ebenfalls vor dem Problem, zu entscheiden, ob „bla“ rechts oder blau bedeutet. Unabhängig davon, wie er sich entscheidet, wird er vom anderen Roboter lernen, was dieser gemeint hat, wodurch er die Bedeutung auch lernt. Das Wort „bla“ wurde in der Bedeutung verfeinert, und verweist nun auf blaue Gegenstände.
Was sagt das über die Sprachentwicklung aus? Zum Beispiel, dass alte Worte spezifischere Bedeutungen bekommen, wenn sdiese gebraucht werden, und dass neue Worte entstehen, wenn alte nicht mehr ausreichen. Ich habe noch ein besseres Beispiel, um zu zeigen, wie die äußeren Umstände die Sprache beeinflussen:
Zurück zum Beispiel oben: „bla“ bedeutet noch immer „rechts blau„, nun verändern wir die Szene aber, und färben jedes Objekt blau. Die Bedeutung von „bla“ ändert sich, und hat mit blau nichts mehr zu tun, weil diese Information komplett überflüssig ist, im aktuellen System bedeutet es nur noch „rechts„. Würde man stattdessen alle Objekte übereinander stapeln und unterschiedlich färben, wäre rechts irrelevant, und „bla“ würde nur noch „blau“ bedeuten.

Ich hoffe, irgendjemand konnte mir da folgen, denn Robolinguistik ist wirklich interessant – steckt leider aber noch in der KiTa fest, weswegen die Ergebnisse vielleicht nicht soooo beeindruckend wirken. Aber man baut darauf auf, und ein Haufen Doktoranden führt dauernd neue Experimente durch und verbessert die Systeme.

Ich habe noch ein anderes passendes Experiment, und dazu sogar ein Video. Es geht um zwei Roboter in Interaktion miteinander, die über Bewegungen sprechen. Der Kerl mit Haaren ist Luc Steels, sozusagen DER Mann, wenn es um Roboter, die miteinander sprechen sollen, geht, und über dessen Vortrag auf der IK 2015 ich hier schreibe. Vielleicht vermittelt es einen etwas besseren Eindruck von den Abläufen eines solchen Experimentes. Außerdem ist es echt putzig 😀

 

One comment on “Wie Roboter ihre eigene Sprache erfinden können

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.