AI-phasie: kunstmatige intelligentie helpt bij taalgebrek

‘Ik hoop dat mijn onderzoek het fundament heeft gelegd voor een toekomstige tool voor op de smartwatch of smartphone.’ Masterstudent Thijs van der Laan ontwikkelde een AI-taalmodel dat mensen met afasie helpt bij het vinden van woorden. Met zijn onderzoek ‘AI-phasie’ won hij vandaag de Impact Award van de Faculty of Science and Engineering aan de Rijksuniversiteit Groningen in de categorie Studenten.

FSE Science Newsroom | Myrna Kooij

Je herkent deze situatie misschien wel: je bent op bezoek bij je grootouders en midden in het verhaal loopt het plots vast. Zoekend naar dat ene woord, komen ze er maar niet uit. Hoe heet dat ook alweer?

Voor mensen die lijden aan afasie is dit dagelijkse kost. Deze taalstoornis ontstaat door hersenletsel, bijvoorbeeld na een beroerte. Daarbij raken vaak de taalgebieden van de linkerhersenhelft beschadigd, wat leidt tot moeite met spreken, lezen of schrijven.

Masterstudent kunstmatige intelligentie Van der Laan richtte zich in zijn onderzoek op de veelvoorkomende types anomische afasie en parafasie. ‘Concreet hebben deze mensen last van het niet kunnen vinden van het juiste woord of het verkeerd uitspreken van woorden,’ legt Van der Laan uit. ‘Denk aan veel uh’s en pauzes of bijvoorbeeld zinnen als “Can you cold my hand?” in plaats van “Can you hold my hand?”.’

AI-model voorspelt woorden

Van der Laan denkt graag in mogelijkheden. Daarom wilde hij onderzoeken of een taalmodel mensen met afasie kan helpen bij het vinden van woorden. Daarvoor gebruikte hij zogenaamde unidirectional large language models, zoals de taalmodellen achter Chat GPT of Gemini. Deze taalmodellen verwerken tekst van links naar rechts, en voorspellen daarbij woorden op basis van de gegeven context.

En die context is belangrijk voor het taalmodel, net als in het dagelijks leven. Van der Laan: ‘Wij spreken onze zinnen uit van links naar rechts en hebben dus op moment van luisteren alleen toegang tot de gesproken woorden voor het huidige woord.’ Zijn taalmodel sluit zo dus aan op hoe wij zelf praten.

Hoe train je een taalmodel?

Als basis voor zijn onderzoek gebruikte Van der Laan bestaande taalmodellen van Google en Meta. ‘Die zijn al getraind op veel meer data dan ik ooit zou kunnen krijgen,’ vertelt hij. Maar deze algoritmes kennen geen gebrekkige taal, zoals bij afasie voorkomt. Daarom trainde Van der Laan de algoritmes met een grote Amerikaanse dataset van mensen met afasie. ‘Het trainen betekent eigenlijk dat je het model bekend maakt met een bepaald soort tekst of context,’ legt hij uit. ‘In mijn geval de interview data van een groot aantal mensen met afasie.’

De Engelstalige deelnemers kregen daarbij uiteenlopende opdrachten: van open vragen als ‘Tell me about your recovery’ tot taken met een duidelijk kader, zoals het navertellen van het verhaal van Assepoester aan de hand van plaatjes van een sprookjesboek.

Het taalmodel had er meer moeite mee wanneer de deelnemers vrij waren om zelf te kiezen wat ze wilden vertellen. ‘De grootste moeilijkheid in het voorspellen lag binnen de open-ended categorie, waar de interview deelnemers de meeste vrijheid hadden qua onderwerp’, legt Van der Laan uit. ‘Je weet niet wat ze willen zeggen.’ Maar hoe controleer je dan of het juiste woord daadwerkelijk tussen de voorspelde opties van het taalmodel zit?

Dat blijkt een probleem: in de data van mensen met afasie ontbreekt achter de aarzeling veelal het antwoord, ofwel de ground truth. Van der Laan: ‘Soms spreken ze het bedoelde woord er wel achter uit, maar niet altijd.’ Daartoe bood de data van mensen met parafasie een oplossing. ‘Want bij de parafasie staat er in de interviews namelijk wel achter wat het had moeten zijn.’ Zo kon Van der Laan de voorspellingen van zijn taalmodel op een betrouwbare manier evalueren.

Van leestekens naar bruikbare woorden

In een van de eerste versies voorspelde het taalmodel ook allerlei leestekens. ‘Ik merkte dat veel voorspellingen eigenlijk nutteloze tekst-eenheden waren zoals punten, komma's, of persoonlijke voornaamwoorden.’ Dat is in de praktijk niet handig, want als je aan het vertellen bent en niet op een woord kan komen zoek je zelden naar een punt.

Daartoe paste Van der Laan een deel van de wiskundige functie aan tijdens het trainen van het taalmodel. ‘Daarmee zorg je er eigenlijk voor dat het model minder graag dit soort overbodige dingen voorspelt en krijg je dus met een hogere waarschijnlijkheid betere voorspellingen.’ Dat maakt het model geschikter voor gebruik bij gesproken taal.

Van masteronderzoek naar impact

Van der Laan’s Masterscriptie speelde als pilot een grote rol in de subsidieaanvraag van zijn begeleider Frank Tsiwah. ‘Wat hij deed was een proefproject voor mijn subsidie, en ik heb in mijn aanvraag vermeld dat ik dit idee al heb getest,’ vertelt Tsiwah met trots. ‘Dat gaf hen het vertrouwen dat dit kan werken.’

En met succes. Tsiwah ontving onlangs een groot geldbedrag van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO) om het onderzoek voort te zetten. De volgende stap is om ook spraakherkenning van Nederlands gesproken taal toe te voegen. ‘De Nederlandse data ga ik zelf verzamelen,’ vertelt Tsiwah. ‘De Engelstalige dataset is beschikbaar en die heeft Thijs deels gebruikt voor zijn onderzoek.’

In samenwerking met Afasie Net Nederland wil Tsiwah zo graag de basis leggen voor een AI-hulpmiddel, zoals een app op je mobiele telefoon, dat mensen met taalstoornissen tijdens gesprekken ondersteunt en helpt om de juiste woorden te vinden.

En Van der Laan zelf? Na zijn afstuderen koos hij voor een traineeship Business & IT bij de Rabobank. Tsiwah en Van der Laan houden in ieder geval contact, ze drinken geregeld nog een kop koffie samen. ‘Waar het kan probeer ik me in deze rol ook nog met AI te bemoeien, maar dan vooral vanuit een strategisch of adviserend perspectief’, licht Van der Laan toe. ‘Ik word er denk ik niet gelukkig van als ik straks alleen maar achter de computer zit te coderen. Het lijkt me ook leuk om echt met mensen bezig te zijn.’

Een verslag van de prijsuitreiking is te vinden op de nieuwspagina van FSE