Interacción sintáctico-semántica en modelos computacionales biológicamente inspirados para adquisición temprana de gramática en dinámica cortical

RIZZI, SILVIO; ZANUTTO, SILVANO; THIRUVATHUKAL, GEORGE; DEMATTÍES, DARÍO; WAINSELBOIM, ALEJANDRO

Mendoza

Congreso; I Encuentro Latinoamericano de Interfaces Gramaticales; 2019

Universidad Nacional de Cuyo- CONICET

El cerebro humano está dotado con herramientas de adquisición estadística por medio de las cuales realiza inferencias probabilísticas, estimando variables causales a partir de estímulos sensoriales ambiguos. Por ejemplo, se ha visto que infantes de 8 meses de edad pueden adquirir secuencias de sílabas basados en las relaciones estadísticas entre sílabas adyacentes. Adicionalmente, infantes crean estructuras gramaticales complejas interrelacionando información sintáctica y semántica, mediante el aprendizaje de restricciones secuenciales. Estas restricciones aceleran el procesamiento del lenguaje, pero conllevan un costo cuando la información de entrada es poco predecible en relación a la experiencia adquirida. En tal sentido, los Potenciales Relacionados con Eventos (PRE) N400 y P600 constituyen respuestas cerebrales relacionadas a eventos cognitivos producidos por violaciones secuenciales de tipo semánticas y sintácticas respectivamente. En el presente trabajo, desarrollamos un modelo computacional inspirado en la arquitectura y fisiología de la corteza cerebral, para investigar la interrelación existente entre la sintaxis y la semántica durante la comprensión de oraciones, y la generación de los potenciales N400 y P600. A diferencia de los desarrollos computacionales utilizados actualmente para procesamiento de lenguaje, nuestro enfoque computacional es no supervisado, incorporando propiedades neurofisiológicas y anatómicas relevantes tales como: i) organización columnar, ii) formación microcolumnar espontánea, iii) adaptación a activaciones contextuales y iv) Representaciones Dispersas Distribuídas producidas por medio de depolarizaciones parciales. El modelo produce Eventos de Disparo Masivos cuando el flujo de entrada secuencial no ha sido correctamente predicho. De esta manera simulamos PREs a través de la reacción de los algoritmos frente a fallas de predicción. El modelo ya ha mostrado propiedades de generalización e invarianza en la clasificación fonética de palabras con diferentes números de sílabas y condiciones ambientales, estando basado en principios corticales auto-organizados sin ninguna guía que minimice funciones de costo hipotéticas dentro de la red (e.g. backpropagation). El desarrollo del proyecto podría proveer a la comunidad científica con un modelo computacional bio-inspirado de alta escalabilidad para testear hipótesis de adquisición y procesamiento del lenguaje a través de diferentes configuraciones de sus parámetros.