وجد علماء الاجتماع أن آلية السيميائية وتحريك المعنى تتمحور حول النماذج ميكانيكية، والتي تعتبر من أهم النماذج التي تساعد على تحريك المعنى.
آلية السيميائية وتحريك المعنى
أكدت البرامج البحثية المختلفة في السيميائية على متطلبات تحريك المعنى بشكل مختلف، وتميل إلى استخدام أي منهما كمعيار للنجاح التوضيحي، وفي القواعد التوليدية والدلالات الرسمية، ولكن ليس في مجالات علم اللغة الأخرى، وأعطيت الأولوية في أبحاث علوم الكمبيوتر والذكاء الاصطناعي، ولكن ليس في علم النفس أو علم الأعصاب، ولها الأسبقية عليها، ومع ذلك يجب أن تشرح نظرية المعنى الكاملة والكافية تجريبياً كلا جانبي الكفاءة الدلالية البشرية، ويظهر هذا الهدف أخيرًا في أفق العلوم المعرفية.
وتتناول قضية الموضوع هذه آلية السيميائية وتحريك المعنى على خلفية المتطلبات، ومن وجهة نظر التطورات الأخيرة في العلوم المعرفية القائمة على النموذج، بالنظر إلى النطاق غير العادي من الشكليات التي تم اقتراحها لنمذجة التركيب النحوي والدلالي في اللغات.
وتنشأ حاجة جديدة للبحث القائم على أسس تجريبية وحسابية حول القواعد الحسابية والعصبية للتكوين ويمكن للشكليات الحالية المعروفة أن توجه الاستفسار عن آليات غير معروفة، ويمكن أن تساعد النتائج الجديدة على التنفيذ الحسابي والعصبي للعمليات ذات الصلة في الاختيار من بين النظريات الرسمية البديلة في المنطق وبناء الجملة والدلالات.
والهدف طويل المدى هو إطار عمل تكاملي حيث يتم ربط نظريات تحريك المعنى بسلاسة عبر مستويات التحليل، وتهدف المساهمات الخمسة عشر المقدمة في هذا الموضوع إلى إحراز تقدم نحو هذا الهدف، والقيام بذلك بطريقة تتفق مع ما هو معروف عن الحوسبة في الدماغ البشري، وتشمل آليات السيميائية وتحريك المعنى على:
نماذج ميكانيكية
يشير التقدم الأخير في السيميائية وعلم الدلالة إلى أن النماذج الميكانيكية للتكوين النحوي والدلالي ليست ممكنة فقط أي أن الأدوات الرسمية والحاسوبية الموجودة تسمح بتوضيح واختبار مثل هذه النماذج، ولكنها ضرورية أيضًا لمزيد من التقدم:
أولاً، تم استخدام تقنيات جديدة لتحليل البيانات في علم السيميائية وعلم الدلالة، مثل مناهج التعلم الآلي لفك تشفير البنية التمثيلية ومحتويات حالات تحريك المعنى، والآن قادرون على التحقيق في التركيب الدلالي، أي ما إذا كانت التمثيلات القشرية للرموز المعقدة مشفرة كوظائف لتمثيلات مكوناتها، وهناك حاجة الآن إلى نماذج آلية لتوجيه هذا المسعى من خلال تحديد الوظائف المضافة والمضاعفة، وما إلى ذلك التي يتطلبها التكوين.
ثانيًا، في السنوات الأخيرة تم إحراز تقدم في توصيف التكوين رسميًا وفي رسم خرائط له في مساحة عن طريق التصوير الوظيفي أو تخطيط آلي أو تخطيط دلالي، ومع ذلك فإن النماذج ذات الأساس التكويني ضرورية الآن من أجل البدء في ربط الشكلية والبيانات التجريبية.
والنماذج الميكانيكية هي أيضًا مطلب لتعزيز فهم للأنظمة المعقدة على مستويات التنظيم المتوسطة، مثل الدماغ أو الأنظمة التي تشكله، ويمكن العثور على بعض المحاولات المبكرة لفهم القيود المعرفية التي تنطوي عليها دراسة الإدراك والإدراك في النصوص الفلسفية الفيدية من استعارة الاستكشاف الجزئي والحسي لإبراز المشكلة.
وتسلط الضوء على التحديات المنهجية الكامنة في دراسة نظام معقد بدون قيود النظرية والآلية، ويمكن تفسير الملاحظة فقط من خلال عدسة التحيزات الضمنية وغير المفحوصة للمراقب، وهي قضية طويلة الأمد على المحك في فلسفة علم السيميائية.
وعلى وجه التحديد بدون النطاق العالمي الذي يتم تقديمه، يتم اختزالها وظيفيًا على بيانات من بعض الجوانب الجزئية للظاهرة، ودون القدرة على ربط هذه البيانات في صورة متماسكة، أو صياغة حساب للعمليات التي تولد تلك البيانات.
تتبنى هذه القضية الموضوعية النظرية القائلة بأن الغرض من النموذج الميكانيكي هو تحقيق تلك المآثر، أي ربط البيانات وشرح كيفية إنشاء البيانات بواسطة النظام الخاضع للتدقيق، ولا تزال النظريات الرسمية الحالية في السيميائية وعلم الدلالة تواجه مشاكل رهيبة تتعلق بالكفاية التفسيرية والقوة لتحريك المعنى.
لأنها تركز على توفير إما نماذج من البيانات مثل النماذج الإحصائية أو نماذج المهام التي تم الحصول عليها عن طريق تقريب سلوك الإنسان أو الآلة، وليس نماذج للآليات التي تولد تلك البيانات أو سلوكيات النظام التي لم يتم ملاحظتها أو لا يمكن في إعدادات جمع البيانات المقيدة.
وهذا التركيز أو عدم التركيز يتفاقم بسبب حقيقة أن النماذج الحالية لا يتم إنشاء مثيل لها ضمن نظرية تطوير القدرات البشرية، وبالطبع حققت النماذج المعاصرة تقدمًا كبيرًا فيما يتعلق بالمهام التي يمكن أن تؤديها أو تتنبأ بها أو تقريبية إحصائيًا وهذا صحيح في السيميائية.
وكذلك في علم الدلالة لكن يجب أن يتم التأكيد أن السؤال يبقى عما تفسره هذه النماذج، وكيف يحققون قوتهم التفسيرية إن وجدت بدون آلية، وتزداد كذلك بنية الشبكة وحجمها ومعلمات التدريب، ولكن بعد ذلك يصبح من الصعب أيضًا تفسير الحالات الداخلية للشبكة وتجاوز المعرفة أو القاعدة المستخدمة لتحريك المعنى، فما هو مكسب النموذج الذي قد يؤدي بشكل جيد، لكنه يمنع البصيرة في أساليب عمله؟ وأخيرًا، ما هي قيمة النموذج في الاستفسار، إذا لم يكن هناك حتى أخف حبل لتقييده لحل المشكلة بالطريقة التي يعمل بها نموذج فك التشفير؟
من أجل أن تكون توضيحية تتطلب النماذج تفسيرات محددة بوضوح ويجب أن تقوم بتبسيط معقول، يجب أن تهدف النماذج إلى تمثيل الأحداث التي يمكن ملاحظتها وغير المرصودة جزئيًا، ويجب أن تتجاوز مجرد التنبؤ بالبيانات أو تركيبها، والتقاط العمليات التي قد تولد البيانات ذات الصلة.
ويعرّف علماء السيميائية الآلية على أنها هيكل يؤدي بعض الوظائف بحكم مكونات الهيكل وتنظيمها، والآليات الكامنة وراء تحريك المعنى والإدراك البشري بشكل عام، منظمة مكانيًا وزمنيًا حيث الآلية السيميائية لها خصائص مكانية محددة (مثل التوطين والاتصال المميز، وما إلى ذلك والخصائص الزمنية مثل الترتيب والمعدل ومدة الأنشطة، وما إلى ذلك.
ويعد البحث عن الارتباطات المكانية والزمانية لتحريك المعنى أو تكوين رسم الخرائط في السيميائية خطوة ضرورية نحو النماذج الميكانيكية، علاوة على ذلك يقدم السير كابلان فكرة القوة التفسيرية للنموذج ويربطها بالبنية السببية للآلية ويحمل النموذج قوة تفسيرية إلى الحد الذي يكشف فيه عن جوانب البنية السببية للآلية السيميائية.
ويفتقر إلى القوة التفسيرية لدرجة إنه يفشل في وصف هذا الهيكل، وفي تحليله إذا كانت العلاقات بين المتغيرات في نموذج ما تفسر كيفية ظهور ظواهر معينة، وإذا كانت بعض مكونات النموذج على الأقل تتوافق مع آلية العالم الحقيقي في العمل، فعندئذ يُقال أن النموذج لديه قوة تفسيرية.
أحد التشخيصات لهذا هو تحديد ما إذا كان يمكن للمرء من خلال نموذج التحكم أو التلاعب في ظاهرة وليس مجرد توقعها، لا يستلزم التنبؤ الناجح أن يحقق النموذج نتائجه عن طريق إعادة إنتاج البنية السببية الفعلية للآلية السيميائية، وبالمثل فإن قدرة النموذج على التنبؤ بنجاح بظاهرة ما لا تجعل النموذج توضيحيًا من خلال النموذج، والتركيب السببي للآلية السيميائية وأدوارها السببية في إنتاج الظواهر موضع الاهتمام أي تطوير تفسير للسبب المتغيرات ولها العلاقات التي تقوم بها، وكيف أنها تولد البيانات المرصودة وهو ما يمنح النموذج بقوة تفسيرية.
الهدف من هذا الموضوع كما يرى بول جرايس هو تقييم النماذج الحالية على المستوى الحسابي والدلالي للمعنى فهل هذه النماذج آلية بالمعنى المناسب؟ وإذا لم يكن كذلك فما هي المكونات المفقودة؟
