Originality of the categories of sense and absurdity concerning neural network modeling

Abstract

The article highlights the neural network modeling of linguistic units in the context of the originality of the categories of sense and absurdity as a promising and innovative tool for modern scientific research. It is emphasized that the relevance of using the above categories in the context of this process naturally produces their existence as an important component of the modern scientific and technical paradigm. First of all, this is due to the ability of computer systems to analyze, process, process, and generate data, which in turn creates the problem of actualizing the original categories of sense and absurdity in this context. In turn, in addition to the conventional understanding of the categories of sense and absurdity, it is necessary to understand the pragmatic aspect of their functioning in the context of neural network modeling. Thus, the concept of sense should be positioned as the ability of a certain system to analyze, recognize, etc. (in fact, we are talking about any possible actions with data aimed at achieving an “output” result). Therefore, the above context produces an understanding of sense as an indicator of efficiency, an axiological determinant of the process of an artificial neural network. Accordingly, if the sense here is the ability of a neural network model to parameterize data to obtain a certain result, it becomes an indicator of the latter’s ability to form coherent structures or reproduce various patterns. Thus, the sense in neural network modeling is more related to the efficiency of the artificial neural network, being a component of the evaluation of its results (current tasks of analyzing certain data). Instead, absurdity in the context of the same neural network modeling should be positioned as another relevant component of its work. First of all, we are talking about the existence of several absurd, illogical, and inappropriate solutions to the problem that neural network models use. For example, these can be repetitions or alternative versions of a translation during machine translation; arbitrarily interpreted information provided by a neural network model at the user’s request, etc. Thus, the problem of the originality of the categories of sense and absurdity concerning neural network modeling lies in the complementary rather than antagonistic nature of their interaction, specific actualization, etc. First of all, the above-mentioned produces the prospects and productivity of studying these categories in integrated scientific research. In particular, the categories of sense and absurdity concerning neural network modeling complement each other, forming a special fruitful environment for the development and improvement of research on the language poly system. We are talking about the development and improvement of machine and deep learning algorithms, machine translation, etc. in the context of integrated and multidisciplinary linguistic research.

У статті висвітлено нейромережеве моделювання мовних одиниць в контексті самобутності категорій смислу і абсурду як перспективний та інноваційний інструментарій сучасних наукових досліджень. Підкреслено, що актуальність використання вищезазначених категорій в контексті цього процесу закономірно продукує їх побутування як важливого складника сучасної науково-технічної парадигми. Першою чергою, це викликано здатністю комп’ютерних систем аналізувати, обробляти, перероблювати та генерувати дані, своєю чергою, вищезазначене продукує проблему актуалізації самобутніх категорій смислу й абсурду в цьому контексті. Своєю чергою, окрім узвичаєного розуміння категорій смислу й абсурду, варто розуміти саме прагматичний момент їх функціонування у контексті нейромережевого моделювання. Так, поняття смислу доцільно позиціонувати як здатність певної системи до аналізу, розпізнавання тощо (власне, мовиться про будь-які можливі дії з даними, які мають за мету досягнення результату «на виході»). Відтак, вищезазначений контекст продукує розуміння смислу як показника ефективності, аксіологічної детермінанти процесу роботи штучної нейронної мережі. Відповідно, якщо смисл тут виступає здатністю нейромережевої моделі до параметризаційних видозмін даних з метою набуття певного результату, то він стає показником можливості останньої у формуванні зв’язних структур або відтворення тих чи тих закономірностей. Отже, смисл у нейромережевому моделюванні більшою мірою пов’язаний з ефективністю роботи штучної нейронної мережі, виступаючи складником оцінки її результатів (поточних завдань щодо аналізу тих чи тих даних). Натомість абсурд в контексті того ж нейромережевого моделювання доцільно позиціонувати іншим релевантним складником її роботи. Першою чергою, мовиться про наявність цілої низки абсурдних, алогічних, непитомих відносно завдання рішень, до яких вдаються нейромережеві моделі. До прикладу, це можуть бути повтори або альтернативні версії перекладу під час machine translation; довільно витлумачена інформація, надана нейромережевою моделюю на запит користувача тощо. Отже, проблема самобутності категорій смислу й абсурду щодо нейромережевого моделювання криється у комплементарній, а не антогоністичній природі їх взаємодії, специфічній актуалізації тощо. Першою чергою, вищезазначене продукує перспективність та продуктивність вивчення цих категорій у інтегрованих наукових дослідженнях. Зокрема, категорії смислу й абсурду щодо нейромережевого моделювання взаємодоповнюють одна одну, формуюючи особливе плідне середовище для розвитку та вдосконалення досліджень мовної полісистеми. Мовиться про розвиток і вдосконалення алгоритмів machine та deep learning, machine translation тощо у контексті інтегрованих та поліпредметних лінгвістичних досліджень.