Hebt u al met Eliza gepraat? Eliza is een psychotherapeute die goed luistert en kritische vragen stelt. Stelt u haar een vraag, dan komt ze met een genadeloze wedervraag, bijvoorbeeld: ‘waarom wilt u daar zo graag een antwoord op hebben?’ Het gesprek met Eliza verloopt niet altijd even soepel. Eliza is namelijk geen mens, maar een computerprogramma. Ze werd bijna 50 jaar geleden ontwikkeld in een poging om een computer zo menselijk mogelijk te laten communiceren.

Een computer die in de communicatie niet meer van een mens te onderscheiden is, slaagt voor de zogenaamde Turingtest. Afgelopen zaterdag was het precies 100 jaar geleden dat de bedenker van die test, Alan Turing, geboren werd. De door hem verzonnen test is alweer ruim een halve eeuw oud, maar nog steeds is geen enkele computer ervoor geslaagd, zeker ook Eliza met haar respectabele leeftijd niet. In de hoop een communicatievere computer te kunnen bouwen, probeert de wetenschap nog steeds te doorgronden hoe mensen taal precies verwerken. Een recent stuk in Science onderzoekt hoe mensen context gebruiken om woorden te interpreteren.

Spraakverwarring

Iemand die vraagt: ‘kun je die bloem even geven?’ kan hiermee twee dingen bedoelen. Of hij wil graag dat de ander een bloem plukt en die overhandigt, of hij heeft een pak meel op het oog. Wanneer deze persoon in de keuken staat om een taart te bakken, moge uit de context duidelijk zijn dat hij het laatste bedoelt.

Een menselijke luisteraar die het zinnetje ‘kun je die bloem even geven’ hoort, zal razendsnel een inschatting maken van de kans dat de spreker meel bedoelt versus de kans dat de spreker een deel van een plant bedoelt. Onderzoekers Michael Frank en Noah Goodman van de universiteit van Stanford ontwikkelden een model waarin ze deze kans expliciet berekenen, waardoor ook een computer in staat is zo’n inschatting te maken.

Deze onderzoekers gaan ervan uit dat menselijke luisteraars gebruik maken van eerdere ervaringen. Op basis daarvan weet iemand bijvoorbeeld hoe groot de kans is dat de ander in deze keuken-context ‘bloem’ zal zeggen als hij meel bedoelt. Wat de luisteraar wil weten, is echter precies de omdraaiing van deze kans: de kans dat iemand meel bedoelt als hij ‘bloem’ heeft gezegd in de keuken. Het omdraaien van die kans kun je doen zodra je ook weet hoe vaak überhaupt, zonder enige context, gerefereerd wordt aan meel. De regel van Bayes geeft je dan eenvoudig de gezochte kans, namelijk de kans dat de spreker je zojuist gevraagd heeft een pak meel aan te reiken.

Ervaringen opdoen

Om een computer in staat te stellen dit principe toe te passen, was het zaak om ook die eerdere ervaringen expliciet te kwantificeren. Daarvoor lieten Frank en Goodman proefpersonen naar allerlei uitspraken kijken, om zo de gezochte kansen experimenteel vast te stellen. Een computer die dit model in praktijk zou gaan brengen, zou dit nog veel uitvoeriger moeten doen: allerlei kansen moeten eerst aangeleerd worden. Bijvoorbeeld de kans dat iemand met ‘bank’ doelt op een meubelstuk, en met een ‘kater’ op een lichamelijk ongemak.

Als die computer uiteindelijk al deze kansen in zijn hoofd heeft gestampt wordt het wellicht eindelijk mogelijk een serieus gesprek te voeren met een computer, in plaats van dat die alleen maar wedervragen stelt. Want een gesprek met Eliza wordt na verloop van tijd toch wel erg vermoeiend: <CV: How are you?> <Eliza: Why are you interested in whether or not I am?>