تنها چهار کلمه تمام طیف احساسات انسان را در زبان به تصویر می کشد

کلمات فقط مجموعه ای از صداها یا حروف نیستند – آنها دریچه ای به عمیق ترین قلمروهای احساسات انسانی هستند. محققان ژاپنی اکنون عمیق‌تر به این رابطه پیچیده بین زبان و احساسات پرداخته‌اند و بینش‌هایی را آشکار کرده‌اند که می‌تواند درک ما از ارتباطات و شاید حتی نحوه ارتباط ما با یکدیگر را تغییر دهد.

از طریق تجزیه و تحلیل نوآورانه از چندین زبان، محققان دریافتند که برخی از احساسات، به ویژه “خوب”، “خواستن”، “بد” و “عشق” به عنوان قطب مرکزی در شبکه پیچیده ای از عبارات احساسی عمل می کنند. این نشان‌دهنده انحراف قابل توجهی از نظریه‌های سنتی است که احساسات را موجوداتی مجزا و متمایز می‌دانند. در عوض، کلماتی که ما برای توصیف احساسات استفاده می‌کنیم، به‌طور پیچیده‌ای به هم مرتبط هستند و به روش‌هایی که قبلاً غیرقابل تصور بود، همپوشانی دارند.

احساس و زبان در هم تنیده شده است

در دهه 1970، روانشناس پل اکمن شش احساس اساسی را معرفی کرد: شادی، غم، انزجار، ترس، تعجب و خشم. اکمن بعداً این محدوده عاطفی اولیه را گسترش داد تا شامل غرور، شرم، خجالت و هیجان باشد. مانند مخلوط کردن رنگ ها برای ایجاد سایه های جدید، احساسات می توانند با هم ترکیب شوند و احساسات پیچیده ای را ایجاد کنند. به عنوان مثال، ترکیبی از احساسات اولیه مانند شادی و اعتماد می تواند عشق ایجاد کند.

آ مطالعه 2017 27 دسته مختلف احساسی را شناسایی کرد که نشان‌دهنده چشم‌انداز احساسی غنی‌تر و متنوع‌تر از آنچه قبلاً تصور می‌شد را نشان می‌دهد.

به نظر می رسد که در اینجا روند گسترش پالت است احساسات انسانی. با این حال، محققان ژاپنی راه دیگری را پیش گرفته‌اند، و احساسات انسانی را – که از طریق زبان منعکس می‌شود – به اصل خود ساده‌سازی و تقطیر کرده‌اند.

پژوهش جدید بر اساس یک مفهوم کلیدی در زبان شناسی به نام مجموعه است. پیچیده به نظر می رسد، اما بسیار ساده است. Colexification زمانی اتفاق می‌افتد که یک کلمه در یک زبان مفاهیم متعددی را که از نظر معنایی به هم مرتبط هستند را در بر می‌گیرد. به عنوان مثال، کلمه اسپانیایی “malo” را در نظر بگیرید، که بسته به زمینه می تواند به معنای “بد” و “سنگین” باشد. در زبان فرانسه کلمه “mauvais” هم همینطور است. در روسی، کلمه “بد” با “سنگین” یا “زشت” ترکیب می شود. و در ایتالیایی، کلمه “ciao” می تواند به راحتی به معنای “سلام” و “خداحافظ” باشد.

محققان دانشگاه توکیو چندین زبان را تجزیه و تحلیل کردند و یک “شبکه جمع‌بندی” ایجاد کردند که مفاهیم زبان را به دقت به هم پیوند می‌داد.

به جای احساسات مجزا و متمایز، محققان استدلال می‌کنند که روشی که ما از کلمات در زبان عاطفی استفاده می‌کنیم را می‌توان به «هاب‌ها» طبقه‌بندی کرد، که هر کدام شبکه‌هایی از احساسات فرعی را تشکیل می‌دهند که از نظر معنایی بسیار به هم مرتبط هستند. چهار مرکز وجود دارد: خوب، میل، بد، و عشق.

دکتر ایکگوچی، نویسنده ارشد این مطالعه، در یک بیانیه مطبوعاتی توضیح می دهد: «در این مقاله، با تمرکز بر مجموعه، ما توانستیم احساسات مرکزی را کشف کنیم که شباهت معنایی با بسیاری از احساسات دیگر دارند.

محققان دریافتند که سه مرکز از چهار مرکز عاطفی مرکزی که آنها شناسایی کردند -خوب، بد، و میل – با احساسات اصلی که قبلاً از طریق روش‌های معنایی سنتی شناسایی شده بودند، مطابقت دارند. فرازبان معنایی طبیعی (NSM) نزدیک شدن.

برای شناسایی اعداد اول معنایی، محققان NSM چندین زبان را با استفاده از روش‌های معنایی سنتی بررسی کردند. جالب توجه است که مجموعه اعداد اول معنایی شامل سه مفهوم از چهار مفهوم مرکزی مرتبط با احساسات است: “خوب”، “بد” و “خواست”. این توافق از نتیجه گیری ما حمایت می کند که مفاهیم اصلی شناسایی شده توسط تجزیه و تحلیل مجموعه ممکن است توسط بسیاری از زبان ها مشترک باشد و مختص انگلیسی نباشد.

پیامدهای این تحقیق بسیار گسترده است. از یک سو، دیدگاه جدیدی در مورد تحول زبان و ارتباطات بین فرهنگی ارائه می دهد. درک اینکه چگونه احساسات در زبان ما بافته می شود می تواند به ما کمک کند تا پیچیدگی های تعامل و همدلی انسانی را بهتر درک کنیم.

به احتمال زیاد برخی از غول های فناوری از این اکتشافات بهره خواهند برد. مفاهیم مرتبط با احساسات در پردازش زبان طبیعی (NLP)، به ویژه تحلیل احساسات، مرکزی هستند. این شاخه از NLP بر رمزگشایی لحن احساسی پشت کلمات تمرکز دارد، ابزاری که به طور فزاینده ای در همه چیز از تجزیه و تحلیل بازار گرفته تا نظارت بر رسانه های اجتماعی استفاده می شود. ابزارهای نوشتاری هوشمند را در نظر بگیرید که به شما اطلاع می دهند که آیا ایمیل شما “عصبانی” یا “حرفه ای” به نظر می رسد. با این حال، شناخت این مراکز می تواند بیشترین سود را در زمینه هوش مصنوعی (AI) به کار گیرد.

الگوهای زبانی بزرگ (LLM) ستون فقرات بسیاری از سیستم‌های هوش مصنوعی مدرن را تشکیل می‌دهند که در پردازش اطلاعات و تولید محتوا استفاده می‌شوند، مانند ChatGPT معروف. با درک مراکز عاطفی مرکزی زبان، توسعه‌دهندگان می‌توانند الگوریتم‌های پردازش زبان پیچیده‌تر و ظریف‌تری ایجاد کنند.

آخرین اما نه کم‌اهمیت، در دنیایی که زبان واقعیت ما را شکل می‌دهد، این مطالعه قدرت کلمات برای اتصال، درک و احساس را به ما یادآوری می‌کند.

یافته ها در مجله گزارش شده است گزارش های علمی.