Az ember fejében számos nyelvi mintázat van jelen valamilyen formában, amelyeket nyelvtanuláskor tudatosan próbálunk bővíteni explicit konstrukciók segítésével. Az ilyen mintázatok korpuszból történő kinyeréséhez jelenleg két fő megközelítés adódik: a nyelvészek az elméleti hipotéziseikhez manuális keresésekkel gyűjtenek bizonyítékokat, míg a nagy nyelvmodellek statisztikai eljárásokkal kódolt összefüggések segítségével képesek egyre emberszerűbb kimenetet generálni. Ugyanakkor e módszerek gyengesége, hogy a nyelv­modellek nyelvi tudása nem inter­pre­tál­ható, tisztán statisztikai megközelítés­re épül, ezért nem össze­egyeztethető a nyelv­tudomány eddigi eredményeivel. A manuális keresések adatai pedig a kutató intuíciójával terheltek, így statisztikailag nem jól formáltak.

A Mozaik módszer kiterjesztéseként létrejött modell célja, hogy csökkentse a kutató intuíciójának szerepét és így a manuális munkát a korpuszbeli minták keresésekor. A megközelítés moduláris természete miatt nyelvi jelenségek széles skálája vizsgálható vele, és ezáltal a nagy nyelvmodellekhez hasonló képességekkel bíró, interpretálható modell jön létre, amely tovább tudja építeni a nyelvről alkotott ismereteinket, hidat képezve a két megközelítés között.

Az előadásomban különböző nyelvtudományi irányzatok felől közelítve ismertetem a motivációt a modell mögött. Bemutatom a rendszer alapját képező Mozaik módszer működését, valamint esettanulmányokon keresztül az egész eljárás jelenlegi állását, működését és relevanciáját. Végül pedig kitekintést adok a további fejlesztési és alkalmazási lehetőségekre.