Expert Artificial Intelligence Terminology Landscape (based on English)

Hebura O. Expert Artificial Intelligence Terminology Landscape (based on English) : master’s thesis : 035 Philology ∕ supervised by PhD Nadiia Skybytska. Kyiv, 2025. 152 р

This research investigates the contemporary terminology landscape of Artificial Intelligence (AI), focusing on the specialized English vocabulary employed by experts. Given AI’s dynamic nature and profound impact, understanding the characteristics of its expert lexicon is vital for clear communication, effective knowledge transfer, and navigating the complexities of the domain. The study aims to identify, characterize, and analyze the key linguistic features of modern expert AI terminology using an empirical, corpus-based methodology.
A specialized, synchronic corpus comprising 2,865 titles and abstracts (approx. 544,000 words) from the 2024 AAAI Conference on Artificial Intelligence proceedings was compiled for this purpose. Analysis was conducted employing corpus linguistic tools, primarily within the Sketch Engine environment, alongside initial processing by the Gemini API. The specialized corpus was compared against a large general English reference corpus (English Trends 2014-today) to assess domain specificity.
The findings highlight a terminology heavily concentrated on core methodological themes such as model architectures, learning paradigms, optimization techniques, and data engineering. Structurally, the lexicon is dominated by nominal forms, exhibiting a high prevalence of multi-word terms (MWTs), particularly following N+N and Adj+N patterns, and extensive use of acronyms (e.g., LLM, GNN, RL). Keyword analysis confirmed a high degree of domain specificity, resulting from both technical neologisms unique to AI and the significant semantic specialization of common English words (e.g., model, attention, learning, training, bias, hallucination). Semantic specialization narrows general meanings to precise computational or algorithmic concepts, while metaphorical extension (e.g., mapping cognitive or psychological concepts like learning, attention, or hallucination onto computational processes) serves as a crucial mechanism for term creation and conceptualization.

Це дослідження присвячене аналізу сучасних термінів сфери штучного інтелекту (далі — ШІ) з фокусом на фаховій лексиці, якою послуговуються експерти цієї галузі. Зважаючи на значний вплив ШІ, розуміння особливостей експертного лексикону є критично важливим для чіткої комунікації, ефективної передачі знань та орієнтування у тонкощах сфери. Метою роботи є виявлення, характеристика та аналіз ключових лінгвістичних рис сучасної фахової термінології ШІ за допомогою емпіричної, корпусно-орієнтованої методології.
Для цього було скомпільовано спеціалізований синхронний корпус, який містить 2865 назв та анотацій (близько 544 000 слів) з матеріалів конференції 2024 AAAI Conference on Artificial Intelligence. Аналіз проводився з використанням інструментів корпусної лінгвістики, переважно в середовищі Sketch Engine, а також із залученням Gemini API для первинної обробки. Спеціалізований корпус порівнювався з великим референсним корпусом загальновживаної англійської мови (English Trends 2014-today) для ретельної оцінки доменної специфічності.
Результати дослідження вказують на термінологію, сконцентровану навколо ключових методологічних тем, як-от архітектури моделей ШІ, парадигм навчання, технік оптимізації та інженерії даних. Структурно у лексиконі переважає іменне словотворення, зокрема багатокомпонентні терміни, утворені за моделями N+N та Adj+N, а також акроніми (напр., LLM, GNN, RL). Аналіз ключових слів підтвердив високий ступінь доменної специфічності унаслідок появи технічних неологізмів, унікальних для ШІ, та суттєвої семантичної спеціалізації загальновживаних англійських слів (напр., model, attention, learning, training, bias, hallucination). Семантична спеціалізація звужує загальні значення до точних обчислювальних або алгоритмічних понять, тоді як метафоричне розширення слугує важливим механізмом термінотворення та концептуалізації.