ConlangCrafter laat AI talen bouwen met een eigen grammatica

Een onderzoeksteam heeft een systeem ontwikkeld dat vrijwel vanaf nul een kunsttaal kan beschrijven: klanken, regels voor woordvorming, zinsvolgorde, woordenschat en vertaalde voorbeelden. ConlangCrafter werd gepresenteerd op ACL 2026, een belangrijke conferentie over computationele taalkunde.

Het gaat niet om een geheime taal die spontaan tussen machines is ontstaan. ConlangCrafter is een bewust ontworpen workflow die bestaande taalmodellen aanstuurt. De vernieuwing zit in het opdelen van een ingewikkeld taalontwerp in controleerbare stappen en in pogingen om de uitkomsten onderling samenhangend te houden.

Eerst klanken, daarna grammatica en woordenschat

Het systeem begint met een “taalschets”, een referentiedocument dat tijdens de generatie wordt uitgebreid. Eerst legt het de fonologie vast: beschikbare klanken, mogelijke combinaties en uitspraakbeperkingen. Daarna volgen morfologie en syntaxis, en vervolgens een eerste woordenschat die bij die regels past.

De volgorde is belangrijk. Woordvormen moeten het klanksysteem volgen en voorbeeldzinnen moeten de gekozen grammatica toepassen. Eén algemene opdracht aan een taalmodel levert daarentegen vaak een aantrekkelijke maar onvolledige, repetitieve of tegenstrijdige beschrijving op.

In een tweede fase voert het systeem “constructieve vertaling” uit. Ontbreekt een woord of regel voor een nieuwe zin, dan kan het die toevoeging voorstellen, in de taalschets opnemen en later opnieuw gebruiken.

Toeval helpt vaste modelgewoonten doorbreken

Zonder extra beperkingen vallen grote modellen vaak terug op structuren die veel in hun trainingsmateriaal voorkomen. ConlangCrafter laat daarom eerst lijsten met mogelijke typologische kenmerken opstellen. Een willekeurige generator kiest vervolgens opties voordat de fonologie en grammatica worden uitgewerkt.

Zo kunnen minder gebruikelijke combinaties ontstaan: een atypische volgorde van onderwerp, werkwoord en object, een tonaal systeem, verschillende grammaticale aligneringen of zeldzame klankonderscheidingen. Het model moet een taal rond die keuzes bouwen in plaats van zijn favoriete patroon te herhalen.

Een criticus zoekt fouten, een editor herstelt ze

Na iedere stap zoekt een revisielus naar dubbelzinnigheden en tegenstrijdigheden. Het basismodel krijgt afwisselend twee rollen. Als criticus wijst het problemen aan; als editor herziet het de beschrijving. De cyclus stopt wanneer geen nieuwe fout wordt gevonden of wanneer het maximale aantal rondes is bereikt.

De onderzoekers testten de methode met DeepSeek-R1 en met de Flash- en Pro-versies van Gemini 2.5. Per configuratie werden ongeveer twintig talen gemaakt, met telkens tien controlezinnen voor de vertaaltest.

Meer variatie, maar nog geen perfecte taal

De studie meet diversiteit aan de hand van zestien kenmerken uit de World Atlas of Language Structures. Binnen precies die meetmethode haalt ConlangCrafter scores van 0,56 tot 0,60, tegenover 0,25 tot 0,35 voor een generatie in één stap. Voor een referentieset van 1.874 natuurlijke talen bedroeg de berekende waarde 0,43.

Dat betekent niet dat de kunsttalen in algemene zin rijker zijn dan menselijke talen. Het toont dat het gegenereerde staal op de zestien gekozen dimensies meer typologische combinaties verkent.

Interne samenhang blijft de grootste beperking. Afhankelijk van het gebruikte model lag het automatisch gemeten aandeel volledig conforme vertalingen slechts tussen 0,38 en 0,54. Dat is beter dan de basismethode, maar uitgebreide taalbeschrijvingen bevatten nog altijd regels die moeilijk consequent toe te passen zijn.

Twee doctoraatsstudenten in de taalkunde besteedden ongeveer 35 uur aan een kleinere handmatige controle. Hun beoordeling ondersteunt het nut van de automatische maatstaven, maar laat ook zien hoe moeilijk het is om een nieuw ontworpen taal zonder vaste referentie te beoordelen.

Creatief hulpmiddel en taalkundige testomgeving

ConlangCrafter kan het ontwerpen van fictieve werelden versnellen, een maker helpen een grammatica uit te breiden of ongebruikelijke testgevallen opleveren voor het metalinguïstische redeneervermogen van modellen. De auteurs noemen ook mogelijke toepassingen voor talen met weinig digitale hulpmiddelen, maar daarvoor is afzonderlijke validatie met betrokken gemeenschappen en specialisten nodig.

Op de projectwebsite van ConlangCrafter zijn gegenereerde talen, klanksystemen en voorbeelden te bekijken. Het onderzoekspaper beschrijft de methode, experimenten en beperkingen.