Project

Back to overview

Conceptual variability and collective intelligence in modeling the evolution of language

Applicant Kabbach Alexandre
Number 194892
Funding scheme Doc.Mobility
Research institution Institute for Logic, Language & Computation University of Amsterdam (ILLC)
Institution of higher education Institution abroad - IACH
Main discipline Applied linguistics
Start/End 01.07.2021 - 31.12.2022
Show all

All Disciplines (2)

Discipline
Applied linguistics
Information Technology

Keywords (7)

language evolution; communication; coordination; computational linguistics; origins of human language; artificial conversational agents; conceptual variability

Lay Summary (French)

Lead
Mon projet de recherche porte sur l'étude de la fonction première du langage humain du point de vue de l'évolution. Je propose de démontrer que le langage a évolué et est en réalité optimisé pour la coordination au sein de l’espèce humaine davantage que pour la communication.
Lay summary

Le langage, nous dit-on, est une des principales caractéristiques qui distingue l'être humain de l'animal : en nous permettant d'échanger des idées, même les plus abstraites, il confère à notre espèce un avantage décisif du point de vue de l'évolution et constitue un système de communication aussi complexe qu'efficace.

Pourtant, nous faisons quotidiennement l’expérience de ce qui, au sein même du langage humain, semble faire obstacle à une communication efficiente, tels que l'ambiguïté ou le flou sémantique.

Ainsi, les messages que nous tentons de transmettre à nos interlocut·rices doivent sans cesse être précisés, voire même "négociés", d'autant plus que les mots que nous utilisons ne semblent pas toujours faire référence aux mêmes concepts pour chacun·e d'entre nous.

Et si, au fond, loin d'être anecdotiques, ces phénomènes linguistiques constituaient autant d'attestations de ce que le langage n'est en réalité pas optimisé pour la communication, mais pour autre chose ?

Dans mon projet de recherche, je propose de démontrer que le langage humain a évolué et est en réalité optimisé pour la coordination plus que pour la communication.

Je définis la coordination comme un processus qui, pour aboutir avec succès -- et contrairement à la communication -- ne requiert pas que chaque signal linguistique soit décodé de manière identique par chaque individu.  Se coordonner au sein d'un groupe, c'est faire entrer en correspondance des espaces conceptuels distincts, permettant par là-même de réconcilier les spécificités des expériences individuelles.

Ce faisant, je propose d'explorer l'avantage sélectif que confère à notre espèce le langage humain vu comme système de coordination. J'émets l'hypothèse que le langage permet de catalyser l'intelligence collective, définie comme la capacité pour l'espèce de s'adapter à un défi environnemental mettant en jeu sa survie, ou plus simplement de trouver une solution optimale face à un problème donné. En permettant à chaque membre de l'espèce d'entretenir autant de représentations du monde différentes, je postule de plus que le langage permet à l'échelle du groupe d'explorer et de partager autant de solutions possibles à un problème donné.

D'un point de vue méthodologique, mon projet met en concurrence différentes hypothèses quant à la fonction du langage humain, en créant pour chacune d'entre elle un système informatique spécifique qui modélise tour-à-tour les processus de communication et de coordination. L'objectif est ainsi de pouvoir reproduire artificiellement l'évolution de deux populations d'individus sur plusieurs générations, et d'analyser comparativement les bénéfices de la communication et de la coordination sur leurs développements respectifs.

Direct link to Lay Summary Last update: 22.04.2021

Responsible applicant and co-applicants

Abstract

Psychological approaches to semantic and conceptual knowledge rely on intertwined yet distinct notions of concepts and words (Malt et al., 2015; Malt, 2019). Concepts, unlike words, are assumed to be private mental entities, which poses a major challenge for communication, for how could two speakers communicate if the words they utter do not refer to identical concepts? (Fodor, 1977; Pelletier, 2017).A proposed solution to this conundrum-referred to as the socialization hypothesis-rests on the inherently social nature of the lexical acquisition process (Clark, 1996). Indeed, if children do acquire lexical items by matching new words to previously learned concepts (e.g. Bloom, 2000), they do not do so randomly: they learn through socialization which concepts go with which words, so that the internal mental representations associated with words are shaped by many years of interactions with other speakers of the same (linguistic) community. As a result, speakers of the same community should relate words to very similar concepts (Murphy, 2002; Barsalou, 2017).Yet, this notion of conceptual similarity remains frustratingly under-specified in the scientific literature, and appears more and more to rely on arbitrary theoretical prerequisites rather than empirical observations. When tested experimentally, human subjects never quite indeed seem to agree on their judgments of conceptual similarity. How could language, then, constitute an efficient and effective communication system?In our doctoral research, we follow Chomsky (2002) and Reboul (2017) in considering that language did not primarily evolve for communication but for other cognitive purposes, and as such does not constitute an optimized communication system. We distinguish ourselves from past research, however, in focusing specifically on the link between conceptual variability and the function of language. We argue that conceptual variability across speakers is not a mere byproduct of different social experiences, or an artifact of noise in the communication channel, but in fact a structural property of language that makes it optimized not for communication, but for collective intelligence.In our mobility project at the Institute for Logic, Language and Computation of the University of Amsterdam, we propose to focus more specifically on providing an experimental characterization of our collective intelligence hypothesis. We first define collective intelligence as the dual constraint of conceptual innovation and innovation spread, exercised over the human species modeled as a network of conversational agents. We then define conceptual innovation as the productive process which creates new concepts by combination of pre-existing ones, and innovation spread as the ability for the network to update the conceptual spaces of each of its agent nodes given the innovation produced by a single one.Our hypothesis is that maintaining distinct conceptual spaces across humans constitutes a selective advantage at the scale of the species as it increases the likelihood for the group of finding relevant conceptual innovations when exposed to a wide range of environmental challenges. Following standard computational approaches in bioinformatics, we assimilate our problem to an evolutionary dynamic stimulus-response problem and formally define the response of a network of agents to environmental stimuli as the minimization of a specific cost function. We evaluate our hypothesis by comparing the ability of two separate models to minimize this cost function. The first model is a standard communication model where agent nodes in the network cannot map different concepts to identical linguistic signals. The second model is our proposed collective intelligence model where distinct agent nodes in the network are able to map different concepts to identical linguistic signals. Our hypothesis will be validated if our collective intelligence model can better minimize the given cost function in comparison to the standard communication model.If our hypothesis is confirmed, our work will contribute to the question of the origins and evolution of language by providing additional experimental arguments in favor of the view that language originally emerged in humans-and is optimized-for cognitive rather than communicative purposes.
-