Η σύγκρουση δύο διαφορετικών επιστημονικών παραδειγμάτων
Η κριτική του Noam Chomsky προς τα στατιστικά μοντέλα εστιάζει στην άποψη ότι η «επιτυχία» μέσω της προσέγγισης ακατέργαστων δεδομένων στερείται επιστημονικού βάθους. Ο Chomsky υποστηρίζει ότι η γλώσσα είναι ένα σύστημα που διέπεται από εσωτερικές δομές και κανόνες, και όχι από πιθανολογικές κατανομές. Ωστόσο, η ιστορία της επιστήμης δείχνει ότι η συλλογή δεδομένων και η μοντελοποίηση φαινομένων είναι αλληλένδετες διαδικασίες.
Η φύση των στατιστικών μοντέλων
Ένα στατιστικό μοντέλο δεν είναι απαραίτητα μόνο πιθανολογικό. Η διάκριση μεταξύ ενός ντετερμινιστικού μοντέλου (όπως ο νόμος της βαρύτητας του Νεύτωνα) και ενός πιθανολογικού μοντέλου (όπως ο νόμος των ιδανικών αερίων) έγκειται στο πώς διαχειρίζονται την αβεβαιότητα. Τα στατιστικά μοντέλα επιτρέπουν την εξαγωγή γνώσης από τεράστια σύνολα δεδομένων, προσφέροντας προβλεπτική ισχύ που τα αυστηρά δομημένα συστήματα κανόνων αδυνατούν να επιτύχουν.
Η πρακτική κυριαρχία των πιθανολογικών προσεγγίσεων
Σήμερα, η συντριπτική πλειοψηφία των συστημάτων επεξεργασίας φυσικής γλώσσας (NLP) βασίζεται σε στατιστικές μεθόδους. Από τις μηχανές αναζήτησης έως τα συστήματα μετάφρασης, η μετάβαση από τους χειροκίνητους κανόνες στη μάθηση από δεδομένα (data-driven learning) δεν ήταν απλώς μια τάση, αλλά μια αναγκαιότητα. Η επιτυχία αυτών των συστημάτων αποδεικνύει ότι η πιθανολογική αναπαράσταση της γλώσσας είναι ο πιο αποτελεσματικός τρόπος για την αντιμετώπιση της πολυπλοκότητας του πραγματικού κόσμου.
Συμπέρασμα: Επιστήμη και μηχανική
Σε τελική ανάλυση, η επιστήμη δεν αφορά μόνο την εύρεση κομψών θεωριών, αλλά και την ικανότητα να μοντελοποιούμε με ακρίβεια τον κόσμο. Η απόρριψη των στατιστικών μοντέλων επειδή δεν προσφέρουν άμεση «διορατικότητα» (insight) αγνοεί το γεγονός ότι η κατανόηση συχνά προκύπτει από την παρατήρηση των επιτυχιών και των αποτυχιών ενός μοντέλου σε κλίμακα.