Modulo 13: Linguistica Computazionale
La linguistica computazionale è un campo interdisciplinare che si occupa dell'applicazione di metodi informatici e di apprendimento automatico all'elaborazione del linguaggio naturale. Il suo scopo è quello di comprendere il linguaggio umano attraverso algoritmi e modelli per migliorare compiti come la traduzione automatica, l'analisi del testo e il riconoscimento automatico del parlato.
​
La linguistica e il lavoro con i computer non hanno nulla a che vedere l'una con l'altro? Ti stai sbagliando! Qui puoi farti una prima idea e immergerti nel mondo della linguistica computazionale.
Il campo del machine speech tagging è un metodo per assegnare automaticamente informazioni grammaticali a ciascuna parola di un testo. Funziona quindi come base per la comprensione del parlato da parte di ausili informatici.
Natural Language Processing (NLP) o elaborazione del linguaggio naturale è il campo dedicato allo sviluppo di sistemi in grado di interagire con il linguaggio umano (o con dati simili ad esso) per come viene presentato, espresso e strutturato.
Il termine Large Language Models (LLM) indica dei sistemi computazionali, addestrati su una grande quantità di dati testuali, in grado di generare frasi coerenti e contestualmente pertinenti attraverso il riconoscimento e l'analisi predittiva di schemi linguistici.
Bias è un'importante ambito di ricerca della linguistica computazionale. Da un lato, la disciplina deve affrontare la sfida di analizzare e ridurre le distorsioni nei propri processi. Dall'altro, gli strumenti della linguistica computazionale possono essere utilizzati per rilevare pregiudizi nei testi digitali online creati da esseri umani o da algoritmi linguistici computazionali.
Quiz Finale
Domande​
-
Come si potrebbe costruire una frase con i seguenti tag? Articolo - Aggettivo - Nome - Verbo - Avverbio - Preposizione - Articolo - Nome.
-
In che modo la scelta dei corpora influenza i risultati di un'analisi di corpus?
-
A che cosa serve l’analisi del sentiment?
-
Come si chiama l'applicazione che crea in automatico delle chat online?
-
Cosa distingue un Large Language Model (LLM) come GPT-4 dai tradizionali sistemi di intelligenza artificiale basati su regole?
-
I Large Language Model (LLM) vengono addestrati su grandi quantità di dati. Qual è lo scopo principale di questo addestramento?
-
Che cos'è il bias storico e come può essere esemplificato?
-
In che modo i ricercatori hanno identificato gli indizi linguistici dei pregiudizi negli articoli di Wikipedia?
Suggerimento per rendere il quiz più coinvolgente:
​​
Versione in stile pub-quiz
Gli studenti e le studentesse possono rispondere individualmente al quiz oppure riunirsi in gruppi di quattro. L'insegnante legge le domande e la classe ha a disposizione un minuto a domanda per scrivere le risposte. Per ogni risposta corretta si ottengono cinque punti. Alla fine del quiz, l'insegnante può raccogliere i fogli, controllare le risposte, sommare i punti e leggere il punteggio delle tre squadre migliori.
Queste soluzioni sono state create da studenti/esse di linguistica e non sono state controllate da esperti/e. Usarle come referenza.
Fonti utilizzate
ILLUSTRAZIONI
​
Kotur, A. (2023, August 11). Building a Natural Language Processing (NLP) App. Medium. https://blog.gopenai.com/building-a-natural-language-processing-nlp-app-423cb545ffb9
​
Kurbatova, O. (2022, October 12) Verarbeitung natürlicher Sprache oder Neurolinguistische Programmierung, Technologie der künstlichen Intelligenz. Kopf mit Gehirnen und Zahnrädern, Menschen lernen online. Vektor-Cartoon-Flat-NLP-Konzept – Vektor Illustration https://www.istockphoto.com/de/vektor/verarbeitung-nat%C3%BCrlicher-sprache-oder-neurolinguistische-programmierung-technologie-gm1432682882-474852675
​
Pixabay (2017). https://pixabay.com/de/vectors/daten-grafiken-analyse-gui-2311261/
​
Pixabay (2018). https://pixabay.com/de/illustrations/problem-l%C3%B6sung-hilfe-support-3303396/
​
Smit, K. (2022, August 18). Interpretability and Fairness in NLP: Learnings from NAACL. Medium. https://klaviyo.tech/interpretability-and-fairness-in-nlp-learnings-from-naacl-1daff75acd5e
​
Sajid, H. (2023, June 1). A comprehensive overview of large language models. Wisecube.ai https://www.wisecube.ai/wp-content/uploads/2023/05/Featured-Blog-Image-A-Comprehensive-Overview-of-Large-Language-Models-1080x675.jpg
​
​
​
Modulo a cura di:
Ramon Wolf
Lea-Maria Stalder
Antonios Tsouvalakis
Gina Schaffer