“语言学与人工智能跨学科论坛”综述
2019年9月17日-18日，由武汉大学文学院和国家网络安全学院支持，国家语委科研机构中国语情与社会发展研究中心和武汉大学大数据分析与人工智能研究所主办的“语言学与人工智能跨学科论坛”在武汉大学成功举办。来自北京大学、清华大学、复旦大学、国防科技大学、教育部语用所、华为、科大讯飞等高校、科研院所及科技公司的30多位特邀专家学者莅临会议，涵盖语言学、计算机科学、人工智能、认知科学、逻辑学、伦理学、军事学等学科领域以及信息产业。武汉大学副校长吴平教授、文学院院长涂险峰教授和人文社会科学研究院陶军副处长等出席了开幕式，著名语言学家、国家教学名师、北京大学陆俭明教授，国际计算语言学会终身成就奖获得者、中国中文信息学会名誉理事长、哈尔滨工业大学李生教授作为专家代表在开幕式上致辞。来自武汉大学、华中师范大学、中南民族大学、湖北工业大学等高校的50余位师生旁听了会议。开幕式由中国语情与社会发展研究中心主任赵世举教授和武汉大学大数据分析与人工智能研究所所长姬东鸿教授共同主持。
开幕式全景（中国社会科学网记者明海英 摄）
吴平副校长代表武汉大学向本次论坛表示热烈祝贺。她对会议以“语言学与人工智能”为主题给予了高度肯定，指出：语言是人类最重要的交际工具和文化载体，人工智能是当代最前沿的核心科技，这两者的深度互动和结合，必将为科技创新和社会进步插上新的翅膀，为人类创造更多的福祉。来自不同学科领域的各位专家学者，能够共同聚焦这一重大主题，表现出高瞻远瞩的学术担当。她期待本次论坛在该领域重要问题的探讨上有新的推进和突破，为人工智能的发展贡献力量。
吴平副校长致欢迎词
陆俭明教授致辞时表示，如今我们已逐步进入云计算、大数据、万物互联、人工智能、全球化的信息时代，并即将进入“人工智能+量子计算”的高智能化时代。当今社会这一深刻变革，对各行各业来说都既是机遇，又是挑战，各行各业必须面对，未雨绸缪。武汉大学中国语情与社会发展研究中心和大数据分析与人工智能研究所，春江水暖鸭先知，引领大家一起来思考，来探究，来共磋“前沿问题，发展大计”，为国家决策建言献策，令人高兴和欣慰。人工智能不是一个单一学科，它是文、理、工等众多学科大交叉、大融合的复杂的前沿的大综合学科，特别需要不同学科的共同努力。这次论坛至少可以肯定会产生下面两大效果：第一，“语言研究对人工智能事业的发展能做出什么样的贡献？”这一问题对语言研究者来说将会敲起警钟：不能再单一地进行语言研究。科学发展的大趋势是各学科越来越相互渗透，相互融合，相互交叉。如果大家都只是闷头在本学科内单一地进行研究，可能会使自己的研究逐渐被边缘化。今后语言研究必须朝着“语言学+”的发展模式往前走。第二，这次论坛将会唤起我们，至少将会唤起我们每一位与会者，永远不忘初心，尽心尽力，做好我们的研究工作，以服务于社会，服务于祖国，服务于人类！
李生教授致辞时表示，这种跨学科论坛很好，各个不同学科坐在一起，相互碰撞之后会产生新的火花，同一个学科的人在一起可能谈多了，大家的思想方法都一样，谈一谈也会有新的火花，但是不同学科互相启发，收获会更大。他结合自己的经历回顾了人工智能的发展历程，并指出，尽管这一轮人工智能高潮掀起，取得那么大的成就，但是对于认知的问题、理解的问题还没有解决，这是下一步人工智能研究所要解决的问题。前一段流传一个说法，“自然语言处理是人工智能皇冠上的一颗明珠”。对于自然语言处理来讲，它还有难点和尖端，难点和尖端的重点在语义理解，说话人意图的理解，所以我给它修改一下：“自然语言处理是人工智能的宝石或者钻石”，而这个宝石或者钻石上真正的亮点在自然语言理解。现在自然语言处理由感知走向认知，需要大家共同探讨这个问题，这是我们做自然语言处理和人工智能的下一步所要瞄准的重点方向和重点工作。
论坛的第一场报告，由陆俭明教授、李生教授,以及中国计算机学会自然语言处理与中文计算杰出成就奖获得者、教育部语言文字应用研究所冯志伟研究员，清华大学心理学与认知科学研究中心主任、贵州民族大学民族文化与认知科学学院院长蔡曙山教授分别讲演。
陆俭明教授以《人工智能与语言研究》为题，首先回顾了人工智能发展的三个阶段，强调了以人工智能为代表的现代信息科技对新一轮科技革命和产业革命的重要意义，指出应推进语言的计算研究，使语言知识的表示成为计算机可识别的方式，从而推进人工智能的发展。
北京大学陆俭明教授报告
李生教授以《语言.智能.未来》为题，回顾了机器翻译发展的三个阶段，详细介绍了深度学习的特点，并重点比较了人类智能与人工智能的差异。他认为人工智能在理解方面还收效甚微，未来需要加强脑科学与认知科学、数学和计算机科学的基础理论研究。
哈尔滨工业大学李生教授报告
冯志伟研究员以《机器翻译与人工智能》为题，结合自身经历，畅谈了机器翻译在各发展阶段的成绩和问题。他重点谈到了语言学与机器翻译的关系问题，并指出，由于自然语言处理的研究对象是语言，当然应当有形式化的语言学知识的支持，语言学家在自然语言处理中是大有可为的，需要深入研究语言中的各种规律和规则，同时还要与时俱进，进行更新知识的再学习，把自己培养成文理兼通、博学多才的人。
教育部语言文字应用研究所冯志伟研究员报告
蔡曙山教授以《进化和构建：认知科学时代重新认识语言》为题，从认知进化的角度出发，指出不能只做单纯的语言学研究，而要和神经科学、心理学等学科结合，这样才能更好地理解人类认知发展的“神经、心理、语言、思维、文化”五个层级。
清华大学和贵州民族大学蔡曙山教授报告
随后的大会报告，聚焦四个不同主题，分为四个板块：（1）语言学与人工智能的结合研究；（2）计算机技术和人工智能技术研究；（3）人工智能技术的应用研究；（4）智能化时代的社会生活及其治理研究。先后有19位专家学者做了主题报告。
北京大学中文系袁毓林教授以《怎样用语言学知识及其资源助推“可解释的”人工智能》为题，从语言符号的离散性给处理自然语言带来的困难谈起，提出可将词的上下文信息反映到词向量中，来加强文本内容的预测，以推进“可解释的”人工智能技术的发展。
北京大学袁毓林教授报告
江苏师大语言科学与艺术学院院长杨亦鸣教授以《语言在人工智能中的核心作用》为题，强调了语言对人类进化的关键作用，指出语言在本质上是人脑的机能，要通过加强脑科学研究推动语言学在人工智能中发挥作用。
江苏师范大学杨亦鸣教授报告
复旦大学外语学院毕玉德教授报告的题目是《人工智能时代的语言知识库研究》，他以朝鲜语为例，介绍了语言知识库建构的特点和难点，指出应当充分发挥大数据和计算技术的优势拓展对语言认识的边界。
复旦大学毕玉德教授报告
福建省人工智能学会秘书长、厦门大学智能科学与技术系陈毅东副教授以《智能+语言与语言+智能：我们的一些初步思考与实践》为题，介绍了厦门大学人工智能团队在语篇翻译建模、古籍异体字处理等方面的主要工作，探讨了人工智能与语言学结合的具体路径。
厦门大学陈毅东副教授报告
国家语言资源监测与研究少数民族语言中心主任、中央民族大学赵小兵教授以《语言智能与知识》为题，从少数民族语言文字处理的实践出发，着重谈了深度学习的瓶颈和局限，指出了迁移学习、小样本学习等未来研究方向。
中央民族大学赵小兵教授报告
国家语言资源监测与研究网络媒体中心主任、华中师范大学计算机学院院长何婷婷教授以《人机对话技术的发展与展望》为题，全面解析了人机对话系统的历史和发展现状，重点介绍了开放域对话系统的关键技术，分析了从知识建模到情感建模所需要的语言学知识，并对机器人的语言伦理问题进行了探讨。
华中师范大学何婷婷教授报告
战略支援部队信息工程大学易绵竹教授以《新时代语言智能科技与工程谭要》为题，从智能的本质和语言的特质谈起，指出语言学和人工智能研究的结合具有重大战略意义，需要新范式、新数据、新算法和新算力的支撑。
战略支援部队信息工程大学洛阳校区易绵竹教授报告
苏州大学计算机学院周国栋教授以《语言理解与知识图谱》为题，解析了自然语言处理的不同层级，指出了句法结构和深层语用理解两大难点，介绍了苏州大学团队对连贯性和衔接性的相关研究。
苏州大学周国栋教授报告
武汉大学大数据分析与人工智能研究所所长、国家网络安全学院姬东鸿教授以《社交媒体情感分析及应用》为题，从社交媒体的情感分析入手，指出无论是工程型AI还是认知型AI都离不开语言学，社交媒体的话题分析和属性分析都需要语言学的支持。
武汉大学姬东鸿教授报告
武汉大学国家网络安全学院李晨亮副教授以《基于用户评论的商品推荐与可解释性》为题，介绍了武汉大学团队开发的用户评论分析系统，分析了利用语义逻辑提高用户评论数据可解释性的具体方法。
武汉大学李晨亮副教授报告
国家语委中国语言智能研究中心主任、中国人工智能学会语言智能专业委会主任、首都师范大学周建设教授以《语言智能在教育中的应用》为题，详细阐释了语言与思维的关系、语言本身的自组织关系以及语言与计算关系对人工智能研究的意义，分享了首师大团队开发的汉语作文批改系统的成功实践。
首都师范大学周建设教授报告
科大讯飞股份有限公司汉语考试业务线总监潘泽亮博士以《人工智能技术及其在语言教学中的应用》为题，介绍了科大讯飞在计算智能、感知智能和认知智能三方面所取得的成绩，重点谈了人工智能在普通话测试和学习、中小学语言能力评价以及语言精准扶贫等方面的应用。
科大讯飞股份有限公司潘泽亮博士报告
华为技术有限公司翻译中心陈圣权主任以《机器翻译在跨国企业中的应用》为题，介绍了机器翻译在华为公司不同场景的应用情况，用多个实例展示了华为翻译系统的演进，通过剖析中英互译量的变化展望了行业快速发展的美好前景。
华为技术有限公司翻译中心陈圣权主任报告
国防科技大学文理学院副院长梁晓波教授以《大数据与人工智能时代的军事语言研究》为题，联系军事领域的大数据和语言智能问题，指出了当前的语言研究在数据量及模态上发生的深刻变化，对关键信息检索和情报分析技术进行了重点阐释。
国防科技大学梁晓波教授报告
中国语情与社会发展研究中心语情监测分析室副主任、文学院讲师李佳博士以《人工智能背景下的多语学习与使用》为题，从当前热议的英语专业危机谈起，以当前外语院校人才培养模式改革为背景，剖析了人工智能助力多语学习的具体途径。
武汉大学李佳博士报告
上海师范大学期刊社苏建军副编审以《人机融合智能的伦理问题》为题，聚焦人机融合智能，对数据人、赛博格等表现形式作了深入分析，从伦理学、政治学、经济学等维度对其隐忧进行了详尽论述。
上海师范大学苏建军副编审报告
中国语情与社会发展研究中心副主任、武汉大学文学院赫琳教授以《智能化时代社会语言生活治理问题》为题，从虚拟语言生活、网络语言安全、社会语言服务和语情观测等维度对人工智能时代语言生活的变化及治理体系的建构等作了深入阐述。
武汉大学赫琳教授报告
中国语情与社会发展研究中心资源建设研究室主任、武汉大学文学院黄晓春副教授以《智能合约：智能时代语言研究的新领域》为题，从当前国际金融热议的数字加密货币谈起，对其关键技术——智能合约的语言安全性、易懂度、机器语言与自然语言的结合等问题进行了前瞻性的深入探讨。
武汉大学黄晓春副教授报告
中国语情与社会发展研究中心主任、武汉大学文学院赵世举教授以《“人机共生社会”语言领域的变革及对策》为题，分析了已经显现的“人机共生社会”的表现，剖析了语言载体、语言功能、语言生活等方面正在发生的巨大变革，呼吁构建人机语言一体化的“大语言观”，实施包含机器语言的大语言教育。
武汉大学赵世举教授报告
在闭幕式上，周建设教授做大会总结。他指出，这次论坛专家学者们围绕语言学与人工智能跨学科关系，重点回顾了人工智能发展的历程，鸟瞰了我国人工智能的研究现状，交流了当下的重点难点，展望了语言学与人工智能深度融合的发展趋势。尤其对语言、认知、智能相关的基础理论、资源建设、技术研发以及应用服务等进行了深入交流，体现出三个明显特色：一是融合性。与会者的主要研究领域，分别是语言学、心理学、逻辑学、认知科学、计算机科学、人工智能等学科，还有行业代表，体现了学科的交叉性，同时几乎所有与会者自身都对多种学科知识融会贯通，这对于推动语言学与人工智能深度融合是一种先决优势。二是前沿性。人工智能是前沿学科，语言学与人工智能跨学科论坛，就是促进人工智能逐渐逼近人脑的具有前瞻性的重要举措。三是引领性。本论坛，首先在语言学界无疑具有引领作用，而且也对其他学科开展“X+人工智能”的跨界研究，为人工智能研究注入新因素，增强人工智能的新活力，为助推我国实现2030年建成人工智能高地起到一定的引领作用。
（李佳、覃业位、辛海霞）
本网站是受国家语言文字工作委员会委托建设的语情信息资源平台，主要为学术研究提供无偿服务。如果有错误或侵权的情况，请著作权人致函zgyq@whu.edu.cn，我们将及时更正或删除。感谢支持！利用大数据和人工智能，解决英语语言教学问题
作者：郎建国（北京第二外国语学院英语学院商英系主任、副教授，2018年北京市师德先锋）
此前，有人提出建议取消英语在中小学主科地位，中国学生是否必修英语的议题又引起热议。笔者在高校从事英语教学三十多年，冒昧提出几点想法。
一、英语教与学的现状
当前，我们的英语教学进步不小，但仍难以满足我国发展的需要，需进一步提高教与学的效率和质量，尤其是中小学的英语教学。我国高中毕业生的英语水平普遍存在以下问题：了解一些语法规则，但应用能力差，听写、口语、写作和翻译均有明显的低级语法错误；有一定的英语词汇量，但仅知道常见的一两个词义，而且是汉语释义，勉强能看懂简单的英文读物，阅读速度慢；听说水平低；英文写作往往是词对词的硬翻，无法准确表达。
英语是我国讲授、学习、使用最广的外语，我国大多数学生进入大学前已经学了十余年英语，但高考英语成绩并不高。2015年的网上数据显示，北京市的高考英语及格率连续5年约为25%，其他很多省份亦类似。同时，一般高校许多学生即使在大学继续学习英语1-4年后，英语依然不理想。我国参加托福和雅思的考生，他们的英语水平相对较高。但即便是这样的考生，其英语总体成绩也往往低于全球考生的平均水平。总之，我们的英语教与学都亟待提高。
因高考题型、师资水平、学习材料和时间等诸多因素，中小学英语教学普遍缺乏足够的高质量英语听说训练，而中小学恰恰是发展英语听说能力的黄金时期。因此，必须首先提高中小学英语教学水平，然后提升大学生的英语水平。我们不能因为部分院校的学生英语成绩还可以，就误以为大学新生的英语普遍过关了。学生通过了各类考试，并不等于英语学习一定成功了，我们应注重培养学生的英语应用能力。
二、问题出在哪里
主要是观念不正确、客观条件不够、做法不当。升学考试的指挥棒效应导致了普遍的应试教学，大多数学生学英语主要是为了应试，而不是以交际或获取知识为目的。
最突出的症状就是，从最初学英语开始，大多数师生认为，学英语需要记忆大量的词汇。这种认识虽然没有大错，但反复背诵英汉词表的方法却是有问题的。这样学英语枯燥无效，严重忽略了练习更有意义的学习内容。比如，语音和朗读，常用词的搭配和语块，常用功能语句，泛读和泛听等等。这些重要项目没有练到位，必然导致英语学习效果不佳。
在最容易培养良好发音和表达习惯的中小学英语教学阶段，教师普遍未能正确引导学生跟读课文录音、复述，很少做听写练习，造成学生的语音、语法、搭配错误连连，无法准确流畅地诵读。现在学界通常认为，语言学习关键期主要是在语音学习方面起作用。小学阶段如认真进行英语语音语调的练习，会起到事半功倍的效果。许多孩子连相对流畅地朗读英语都做不到，怎么可能用英语交流呢？正是由于走了弯路，英语教学才费时低效。
另外，大规模考试因考虑时间和经济因素，题型多以单选题为主，无法直接考查学生的实际应用能力，正面反拨效应不佳。笔者连续十年对本校英语专业本科新生进行了英语水平测试，结果显示，学生做阅读和完形填空的单选题问题基本不大，但听力很差，听写尤其差：满分为10分的听写，两百多学生每年的平均成绩和中数均在5分左右；丢分点主要是拼写、语法和因听不懂而写错、漏写等。根据2018年高校生源质量排名，我们的生源质量在前100名以内。从历年全国考生的大学英语四、六级，英语专业四、八级笔试的单项均分成绩看，学生的听力、听写部分成绩最低。为了抵消这种考试效应，现在高考、大学英语四、六级以及英语专业四、八级都有改错、作文之类的主观题，而改错和听写一样，是考生失分严重的题型，可见早期的错误影响有多严重。
我们英语教学成绩差强人意，还有一个原因是，对基础阶段的英语语言教学研究重视不够。上世纪九十年代，国内曾推介张思中的16字方针外语教学法：“适当集中，反复循环，阅读原著，因材施教”，该方法已被证明的确有效，仍具有重要的理论和实践意义。本世纪初，以上海外国语大学戴炜栋教授为代表的一些大学英语教师，开展了从小学到大学的一条龙英语教学研究，研究成果虽引起较多关注，但在实践层面似多限于上海的一些学校。
我们许多高校外语教师做学术研究偏理论，研究成果适用范围小，无法充分满足国家的发展需求。《外国语》主编束定芳教授就撰文呼吁，外语学术研究应关注应用。学术刊物也应更多关注一线的教学研究，引导教师解决实际存在的、具有普遍性的外语教学问题。同时，我们应大力研究英语教学的费效比问题。在大数据时代，充分借用人工智能和计算机辅助教学，可有效解决英语教学问题。
三、技术赋能，精讲多练
英语教学要充分利用大数据和人工智能，进行线上线下混合教学，做到真正满足学生的个性化学习要求，打好英语语言基本功，提高学习效果。外语语言教学的根本原则就是四个字：精讲多练。外语语言学习很大程度上就是进行脑力体育运动，是个长期过程，需要科学规划、按部就班完成，每阶段的训练内容都需非常具体，任何疏漏和懒惰都会产生不利影响。我们英语教与学的效果不理想，一个重要原因是未能有效培养兴趣，没有做到熟能生巧。鉴于此，笔者建议：
第一，小学英语教学应重点培养学生学英语的兴趣。可通过学唱英语歌谣、欣赏内容积极向上的儿童英文影视、阅读低阶简易英文读物、模仿复述英语故事、做英语游戏等形式进行，不要让学生死记硬背词表。
第二，中学可继续大量阅读中高阶简易读物，欣赏内容积极向上的英文音像作品。同时，要注意掌握常用词用法，避免要求学生单纯记忆词表，讲授一些常用的语法规则，加强日常口语训练等。目前，智能手机、英语学习视听说电子材料，以及英语学习软件已经普及，以上操作完全可行，还可增强英语教与学的趣味性、提高效率。市面上有大量简易读物和配套音频资源，还有不少市售的英语听说训练软件或系统，广大师生应积极使用，强化语言输入，改善语言输出质量。
第三，要从英语教学一条龙角度，综合考虑英语听说读写译等技能的发展，抓好常用词汇、语法基础知识的学习和掌握，明确什么阶段解决什么问题。鉴于我国学生听力普遍弱的事实，建议中考、高考适当增加英语听写题型，切实提高学生的听力水平。听写是我国传统的语言教学手段，简便易行，既能扎实训练英语听力，又可检查英语学习的综合效果。大学的英语教学要以各校学生的英语水平为出发点，因地制宜地组织教学。
要做到上述几点并确保学习效果，单凭目前的人力难以解决。所以，各阶段的教学应充分利用计算机辅助教学管理，结合大数据和人工智能进行外语教学，让机器帮助广大师生合理有效地管理教与学，切实满足学生个性化学习的需求，切实解决语言输入和输出量与质的问题。
为此，一是要广泛调查研究各英语教学阶段的现状。二是要提供充足的高质量英语学习资源。三是要研发经济实用的计算机辅助教学平台系统。四是各层级英语教师都要不断加强英语应用能力、教学法和新技术学习。最后，也最关键，师生都要坚持做到把该练熟的东西练熟。
总之，我国的英语教学需要顶层设计。各阶段的学习内容要明确规划，合理衔接，充分利用现代技术手段保质保量完成。如此，我们的英语教与学方能有较大改观，大学阶段方能真正用英语开展专业知识学习，满足我国的发展需求。
[责编：李澍]人工智能技术与语言学理论
目前，人工智能已成为新一轮科技革命和产业变革的重要驱动力量。在这种背景下，如何进一步介绍和从事人工智能与语言学的交叉研究，是亟待思考和解决的重要问题。
人工智能是计算机学科的一个分支，也是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。人工智能从上世纪五十年代诞生起就表现出了极强的生命力，它在上世纪八十年代后期得益于计算机软硬件发展的日新月异而得到迅猛发展。人工智能作为当下科技领域最热门的技术，吸引了众多行内和行外人士的关注；它也已渗透进学术领域，正以各种方式玩转学术界。目前，人工智能技术包括大数据、计算机视觉、语音识别、自然语言处理、机器学习五大部分。人工智能技术主要是建设在机器学习的基础上，而机器学习除了先进的算法和硬件运算能力，还需要大数据。
人工智能，是一种对人类智能现象的模拟，其中包括对人类思维过程的模拟；它涉及到计算机科学、心理学、语言学和哲学等学科。人工智能的发展似乎并不遵循由低级到高级的进化过程，而是会在一些“点”上，也就是某单一维度上突然变得比人类“聪明”很多。人类智能是综合多维的，或许我们的学习、记忆、信息搜索、决策、判断或者加工能力并不是最了不起的，AlphaGo已经证明，我们人类在这些方面可能不如深度学习后产生的人工智能。
语言学，顾名思义，是研究自然语言（即人们日常使用的语言）的学科。但是语言学不是指学习某一门或几门具体的语言过程。语言学的任务是研究、描写语言的结构、功能及其历史发展，揭示语言的本质，探索语言的共同规律。因为只有人类有语言、使用有声语言进行交际，因此通过语言研究，可以更加清楚地了解人类在世界或宇宙中的位置，从而更加透彻地理解人类的本质。语言是人区别与万物的重要标准，机器理解人的语言是人工智能最后一个挑战，也是最难的一个挑战。可以说，自然语言是人类智能的最高层的抽象表达。
语言学作为研究自然语言的科学，它的历史非常古老；人类最早的语言研究是从解释古代文献开始的，是为了研究哲学、历史和文学而研究语言的。而人类的多种智能都与语言有着密切的关系；语言是人类特有的沟通方式，在生物或心理层面上反映人类高度演化的心智能力，在社会文化层面上反映人类文明进步。语言学就是要研究人类最核心本能的语言能力，透过对口语、书面语甚至手语进行分析和研究，进而了解人类的本质。除了认识人类的本质外，语言学研究还具有多种应用价值。
人的思维过程可以理解为符号处理的计算过程；人类的语言理解过程也可以理解为是一种在知识表示上的计算过程，这使得计算机理解自然语言在技术上具有可能性。因此，对语言的认知研究的自然延伸便是对语言的计算分析。可以说，对语言有处理能力是人工智能的一种高级表现形式。虽然语言学与人工智能有重要的区别，但它们的研究有着密切的联系；它们相互促进，共同发展。从理论与应用的角度看，语言学目前至少有以下几个分支学科与人工智能有关。
计算语言学
计算语言学是植根于计算机科学、语言学和数学等多学科沃土而成长起来的一门新兴学科。它通过建立形式化的数学模型，来分析、处理自然语言，并在计算机上用程序来实现分析和处理的过程，从而达到以机器来模拟人的部分乃至全部语言能力的目的。它的项目有统计资料，检索情报，研究词法、句法，识别文字，合成语音，编制机助教学程序，进行机助翻译等。拥有对语言的感悟和理解是语言计算的基础，语言与思维的密切联系，语言的变化性、变异性、内省性等都不为人们所把握和确知。计算语言学的主要目的为借助计算机科学、统计学领域中的模型与算法，解决语言学中的问题。
自然语言处理(NLP)是计算语言学的一个重要研究课题，它主要研究如何利用计算机来理解和生成自然语言。实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等。前者称为自然语言理解，后者称为自然语言生成。自然语言处理的目的是高效的可用于处理自然语言的算法，但实现自然语言理解和自然语言生成是十分困难的，造成困难的根本原因是自然语言文本和对话的各个层次上广泛存在的各种各样的歧义性或多义性。
认知语言学
认知语言学主要是在认知科学的理论背景下建立起来的，同时两者之间亦有同步发展、相辅相成的关系。认知科学既推动了认知语言学的发展，成为后者的主要理论基础，同时也汲取了认知语言学的研究成果，认知语言学成为认知科学的主要组成部分之一。因此，不少学者将认知语言学视为认知科学的一个分支，把它作为是认知研究和语言学的边缘学科。认知语言学的特点是把人们的日常经验看成是语言使用的基础,着重阐释语言和一般认知能力之间密不可分的联系。
认知语言学涉及人工智能、语言学、心理学、系统论等多种学科，它针对生成语言学，提出:语言的创建、学习及运用，从基本上都必须能够透过人类的认知而加以解释，因为认知能力是人类知识的根本。认知语言学对于构建人工智能的操作系统来说是一种指导思想。我们可以想象未来我们对人工智能的交互不是再用一行行命令，而更像是人与人之间的交流；这就要求人工智能必须具备语言能力。另外，语言也具有指导认知和思维的作用。由此可见认知语言学对于人工智能的重要性。
老年语言学
老年语言学，顾名思义，就是研究老年人语言问题的学科。它主要研究老年人运用的语言系统的性质、结构及其变化规律和言语交往问题。研究的基本内容包括老年语音、音位、词汇、语法、修辞、文字等和老年人语言风格的灵活性、阅读技能障碍以及双语老人第二语言的丧失等。在应用上，老年语言学还包括外语学习与成功老龄、老年看护沟通、临终关怀与丧慰等方面。伴随着年龄的增长，老龄人群会出现语言衰退、甚至语言障碍现象，老年语言学研究及其应用正日益受到关注。
老年语言学研究具有跨学科属性，涉及语言学、认知科学与脑科学等多个领域，也与人工智能密切相关。正常老年人及罹患神经退行性疾病老年人语言能力衰退的神经机制、疾病病理、治疗康复等问题，属于从分子、细胞及行为水平研究人脑机理的脑科学范畴；语言与感知、记忆、思维、情感、意识等紧密相关，言语理解与产出研究及言语治疗等问题，属于认知科学范畴；如何利用现代科技，对人脑的语言功能进行模仿，对语言能力衰退及其干预进行辅助，属于人工智能研究及应用范畴。
由上可见，人工智能和语言学是两个相互独立却又密切相关的研究领域。人工智能技术的发展，需将语言学理论的研究成果运用到人机对话的设计中，使机器理解“寒暄”、“安抚”甚至是“讽刺”、“幽默”这样的言语修辞行为，让机器真正读懂人类语言的复杂语义，以及背后的意图和情感，然后给予用户拟人的反馈，从而达到更好的人机自然语言交互效果。同样，人工智能也必将改变语言学研究的发展方向。传统的重理论分析而轻实例，坐着想句子的研究方法将逐渐退出舞台；真实语料、口语和书面语并重，侧重对语言形态进行统计分析的研究将大量涌现。
最后一提，我国语言学界对人工智能与语言学的交叉研究已有介绍，如著名学者王宗炎教授在《略谈美国人工智能研究的新发展》（《国外语言学》1981年第3期）一文中最早对国外学界如何进行语言学与人工智能的研究作了介绍。另一位著名学者伍铁平教授在《语言学是一门领先的科学》（北京语言学院出版社，1994年3月出版）一书中提到了语言学与人工智能的研究。这两位学术先贤为我国语言学界从事这方面研究提供了有用的信息和有益的帮助。
（作者单位：澳门大学人文学院）
责编：微科普
上一篇：自然语言处理的过去、现在与未来
下一篇：返回列表
人工智能技术与语言学理论 | 责任编辑：微科普微博微信QQ空间分享到：人工智能 计算机语言学,语言学与人工智能的未来
原标题：语言学与人工智能的未来
当
谈及人工智能，很多人会不约而同的认为---机器人！这是受到了思维定式的限制。
人工智能，是一种对人类智能现象的模拟，其中包括对人类思维过程的模拟。人工智能的发展似乎并不遵循由低级到高级的进化过程，而是会在一些“点”上，也就是某单一维度上突然变得比人类“聪明”很多。而这样的现象，在动物当中也可以发现，比如一个松鼠就可以记住成百上千的松果埋在哪里，在这方面它优于人类。
人类智能是综合多维的，或许我们的学习、记忆、信息搜索、决策、判断或者加工能力并不是最了不起的，AlphaGo已经证明，我们人类在这些方面可能不如深度学习后产生的人工智能。但是，人类大脑最大的作用是用来判断过去信息的对或错吗？
什么是人类智能？
字面上看，它包括“智”和“能”两种成分。“智”主要是指人对事物的认识能力；“能”主要是指人的行动能力，它包括各种技能和正确的习惯等等。人类的“智”和“能”是结合在一起而不可分离的，是人运用自己已有的知识和经验来学习新知识、新概念，并且把知识和概念转化为解决问题的能力。人类的劳动、学习和语言交往等活动都是“智”和“能”的统一，是人类独有的智能活动。而人类语言是人类智能的最高层的抽象表达。
人类智能可以分类为：
什么是语言？
语言是思维的工具和物质外壳，
有关人工智能的10个常见问题的答案
人工智能是本世纪的主要话题之一。人工智能的功能和无限的潜力导致了许多有趣的对话和辩论。
[[380760]]
人工智能的兴起引起了AI的许多新关注。从热情高涨的爱好者开始学习有关AI的更多信息，到渴望探索该领域的有抱负的人，或者只是想批评它的其他人。但是，无论您所处的频谱是什么，您都会想到几个问题。
在本文中，我们期待回答有关人工智能的一些最常见问题。目的是回答这两个方面，包括所有实际问题，并阐明个人对此主题可能有的疑问。让我们简要地看一下今天我们将尝试解决的各种问题。
[[380761]]什么是人工智能?AI有多强大?人工智能会偷你的工作吗?人工智能可以接管世界吗?人工智能的优点是什么?人工智能的弊端是什么?我们离AGI有多近?人工智能有哪些应用?您需要成为天才才能开始学习AI吗?如何开始使用AI?
您可以随时跳过最想要回答的问题。但是，如果您不想错过任何特定要点，强烈建议您阅读整篇文章。现在，让我们期待回答有关AI的十个最常见的问题。
1.什么是人工智能?
人工智能是指开发的软件或特定模型可以自己执行复杂的任务而无需任何人的帮助。AI的更正式定义可以描述如下：
“能够执行通常需要人类智力的任务的计算机系统的理论和开发，例如视觉感知，语音识别，决策和语言之间的翻译。”
人工智能是一个庞大的研究领域，由多个子领域组成，包括机器学习，深度学习，神经网络，计算机视觉，自然语言处理等等。
人工智能被认为是未来的技术，它可以解决机器人，医学，物流和运输，金融等众多领域的众多问题，并提供更多的工业公用服务。
我强烈建议您从下面提供的链接中查看以下有关使人工智能神秘化的文章，以更好地了解这一领域。
2.AI有多强大?
为了回答这个问题，让我们简要地看一下人工智能的复杂历史，尤其是神经网络领域。人工智能的概念及其无限的能力在几十年前就已经确定。预计AI将是为现有问题提供解决方案的下一件大事。
随着时间的流逝，人们意识到人工智能并没有想象中那么简单。而且执行复杂的活动几乎是不可能的，尤其是在那段时期内的现有技术下。
最初，AI并没有像人们认为的那样成功，原因是缺少数据以及能够执行复杂排列和组合的能力的技术资源。
但是，在当前时代，我们得出的结论是，人工智能是创造革命性世界的潜在未来。人工智能甚至可以解决某些复杂的任务，相对而言，这可能会花费更多的时间。
这个问题的简单答案-“人工智能有多强大?”在现代时代，取决于研究人员从事程序计算的能力。开发人员的技能使AI模型足够好，可以尽快解决特别复杂的任务。
随着图形处理单元(GPU)的兴起，您可以帮助更快地计算AI模型并开发创新的东西。截至目前，人工智能已经非常强大，可以高效地解决分配给它的一系列任务。但是，它还没有达到顶峰，距离这一点还差几年。
3.人工智能会取代你的工作吗?
人工智能是当今增长最快的领域。据《财富》杂志统计，人工智能专家的招聘在过去四年中增长了74%。人工智能被视为当代最“热门”的工作。
对熟练的AI专家的需求以前所未有的速度增长。人工智能子领域(如机器学习，深度学习，计算机视觉，统计和自然语言处理)的专家的要求和职位空缺每天都在增加。
自然产生的问题是，人工智能最终会变得如此强大，以至于它有能力窃取我们所有的工作吗?
我认为，关于AI将来会窃取您的工作的说法几乎可以视为神话。在这种假设情况下，人工智能将取代所有人类活动并接管现代世界的大部分任务，因为它们不易出现人为错误，并且可以更高效地执行特定任务。
在引入机器的工业革命时期，也发生了类似的事情。显然，它没有窃取工作机会。相反，它为人类控制工作铺平了道路。人类是知识分子。因此，人工智能将简化人工工作的复杂性，但实际上并不会夺走您的工作!
4.人工智能可以接管世界吗?
科幻电影改变了一些人对人工智能的认识。他们用AI编程的图像机器人将变得如此强大，以至于他们最终将摧毁他们的创造者并摧毁整个世界，从而导致新的AI控制物种的发展。
一个引人入胜的故事情节，但在不久的将来随时发生，这是不真实的!
不可否认，人工智能已经走了很长一段路，并发展成为现代世界的独特功能。尽管AI取得了进步，但是大多数任务仍然是在工作或开发阶段的人工监督下完成的。
人工智能也仅限于编程完成的特定任务。一个有趣的例子是自动驾驶汽车，其中AI负责控制汽车并将其驾驶到用户选择的所需目的地。但是，AI仅限于精确地驾驶汽车，而没有其他外部任务。
因此，对于科幻电影中所显示的AI占领世界来说，距离这样的结果至少还有几十年的时间。但是，只是为了保持对此猜测的好奇心，将来最终有可能!尽管目前，这只是虚构的。
5.人工智能的优点是什么?
由于现代对人工智能的炒作是巨大的，因此它具有许多优点。
除了先前讨论的由AI创造的大量工作机会外，它还具有其他优点，例如完成循环或人类需要执行的重复性任务，而不会出现容易发生人为错误的缺点。
人工智能类似于计算机程序，不会疲倦，因此具有在特定任务上全天工作的能力，直到实现期望的结果。
与人类的速度相比，他们能够对各种问题进行更快的计算，并获得精确的结果。他们还拥有大量现实生活中的应用程序，以使我们的日常生活更简单。人工智能的优点是不言而喻的。
6.AI的弊端是什么?
从头开始构建人工智能模型有时可能很耗时且需要大量资源。如果您希望在没有GPU的普通计算机上开发深度学习模型，则替代方法是切换到云平台，因为该模型的构建过程在您的PC上不可持续。
除了消耗大量时间和资源外，在某些情况下，人工智能模型的部署也可能非常昂贵。而且，在特殊情况下AI模型发生故障的情况下的维护成本可能很烦人。
人工智能要考虑的另一个重大缺点是缺乏使用人工智能来完成更高级的知识任务。我们仅限于人工智能。ANI对于执行许多任务是有益且必不可少的，但它并不像AGI那样有效。这一点使我们想到了下一个问题。
7.我们离AGI有多近?
人工智能是一个有趣的概念。AGI是人工智能程序可以人类水平的完整性和智能性来计算，评估和处理多个任务的时候。
尽管进行了不断的研究和技术进步，人工智能领域仍未取得丰硕成果。有关此概念的实验和研究正在不断地进行评估，以期在不久的将来获得更好的结果。
根据专家的说法，人工智能尚未实现的主要原因是由于几乎不可能复制人脑。
尽管神经网络在执行分配给它们的特定复杂任务时表现出色，但不幸的是，它们并不能替代人脑。
8.人工智能有哪些应用?
自然界中的人工智能具有广泛的应用。这些包括您从一天开始到一天结束的旅程。通常，当您使用智能手机开始新的一天时，您会利用智能面部锁定或其他指纹AI措施的AI功能来解锁手机。
然后，您决定使用Google进行搜索，就会遇到自动完成和自动更正的AI功能，该功能利用序列技术进行序列建模。除智能手机外，人工智能还有大量其他应用程序，包括电子邮件垃圾邮件检测，聊天机器人，对象字符识别等。
人工智能还可以在许多其他领域中找到其应用，例如机器人技术，医学，物流与运输，金融等主题，以及行业中更多的公用事业服务。
9.您需要成为天才才能开始学习AI吗?
这个问题有一个简单的答案-“不，你不!”
人工智能是一个神话般的领域，包含许多壮观的子领域。如果您对以下主题提供的各种有趣概念特别感兴趣，那么完全值得投资您的宝贵时间来获得有关AI主题的更多知识。
虽然从头开始学习AI有时有时会很困难，但随着您继续投入更多时间学习与AI相关的众多概念，它会变得更加有趣和酷。您将接触到数学，编程，机器学习等方面的知识，这将扩展您的大量知识。
即使您发现人工智能领域不适合您的特定兴趣，只要您学习了有关AI众多主题的知识，这还是完全可以的。
使用人工智能弄湿手最好的部分是，您从以下学科获得的知识也可以部分或全部用于各种软件应用程序和工作。
10.如何开始使用AI?
好的!因此，到这一点，希望您对人工智能的各种功能着迷，并为寻找人工智能的理想起点感到兴奋。
人工智能是一个广阔而渺小的领域。但是，不用担心!您可以利用大量宝贵的资源和生产资料来产生最佳结果。仅通过分析和研究Internet上的资料，您就可以获得广泛的知识领域。
诸如StackOverflow，DataStackExchange和GitHub之类的网站是一些最受欢迎的网站，它们可提供深入的解决方案以及对您在运行或安装程序或相应代码块时遇到的问题或错误的解答。
我建议您查看本文结论部分提供的第一个链接，以详细了解“10个最好的免费网站，以了解有关数据科学和机器学习的更多信息。”在从资源中获得大量知识的同时，这应该是分析各种观点的一个很好的起点。
结论：
在本文中，我们涵盖了有关人工智能的大多数常见问题，同时试图为众多AI主题提供可持续的信息和解决方案。我们还旨在澄清误解，并讨论有关AI的各种概念。
阅读本文之后，我希望所有的观众都能清楚地看到人工智能以及有关AI的众多主题。对AI的现实认识对于理解世界革命性未来将发生的变化具有重要意义。
因此，必不可少的是要了解复杂的细节并在人工智能方面具有丰富的知识，以避免错误的观念和其他误解。同样，了解AI并致力于确保AI的未来是一种令人愉快的经历。这是一个充满新机遇和发现的崭新领域。