大數據時代的語言哲學研究*
——從概念變化到范式轉變

杜世洪

(西南大學，重慶 400715)

1　引言

托馬斯·庫恩(Thomas Kuhn)說：“歷史如果不被我們看成軼事或年表的堆棧的話，那么，它就能對我們現在所深信不疑的科學現象產生一個決定性的轉變”(庫恩 2003：1)。庫恩道出科學革命的“概念變化”(conceptual change)具有決定性作用。無論科學發展是緩慢還是急速，科學的每一次革命都會體現出相應的概念變化和研究方法的“范式轉變”(paradigm shift)。畢竟，“科學革命主要指的是科學觀念的變革”(李醒民 2010:1126)。庫恩的《科學革命的結構》最早發表于1962年，距今已有五十多年，也正是在這五十多年里科學研究的信息化與數據化腳步急速加快，科學研究進入“大數據時代”(Big Data Era)，正在“催生最大的數據變革”(徐子沛 2013：285)。大數據技術為哲學社會科學開啟新的研究領域(Foster et al. 2017:1)。

2001年美國著名IT分析公司美達集團的分析師道格·雷尼(Doug Laney)對大數據概念進行界定(Laney 2001)。2012年美國IT分析界巨頭嘉特納集團公司正式提出大數據的概念和分析框架。2012年3月29日，美國政府網站白宮網發文說，奧巴馬政府于今日公布“大數據研究與發展倡議”(Big Data Research and Development Ini-tiative)(Kalil 2012)。這一信息的發布標志著世界迎來“大數據元年”，大數據時代的序幕拉開(Qiu，Wicks 2014:xxi)。

隨著大數據時代的到來，不但自然科學研究進入新時期，而且人文社會科學研究也會因此而面臨新的機遇和挑戰，正如文旭(2014)等學者預言的那樣，外語教育的科研工作和認知語言學的研究等都會出現新的研究局面。這就意味著各具體科學會因為大數據時代的到來而發生變化。

大數據不只是信息技術的創新，“我們在廣泛運用大數據技術的同時必須深入挖掘其中的人文精神”(陳仕偉 2016：50)。從哲學的方法論看，大數據時代將會引發科學研究的概念變化和范式轉變，將會引起新一輪科學革命。既然科學革命具有概念變化和范式轉變，那么在大數據時代里，以概念考察為核心內容的語言哲學研究將會面臨怎樣的概念變化和范式轉變呢？這正契合錢冠連(2017)關于“語言哲學家在第二次哲學啟蒙的時點上如何自處”的問題。

2　大數據時代特征與語言哲學研究的關系

要討論語言哲學研究的概念變化和范式轉變，就要探究語言哲學研究同大數據之間的關系，這就要從大數據的特點和影響談起。邁爾-舍恩伯格和庫克耶在其合著的《大數據：一場將轉變我們生活、工作和思維的革命》(BigData:ARe-volutionthatWillTransformHowWeLive,Work,andThink)里說：大數據標志著一場重大革命的到來，它不僅會改變我們的生活方式和工作方式，而且還會改變我們的思維方式(Mayer-Sch?nberger，Cukier 2013：11)。

在維特根斯坦看來，生活、工作和思維這3者往往通過語言而交織在一起。畢竟，想象一門語言就是想象與之對應的生活形式(維特根斯坦 2001:13)。我們的生活形式具有海量數據的儲存，大數據勢必會為語言認知、自然語言處理帶來巨大變化(Agerri et al. 2015：36-42)。既然在大數據時代里，我們的生活方式和思維方式會出現改變，那么引起這些改變的大數據時代的特點是什么。

大數據時代的標志是數據的海量匯集，指數據或信息量特別巨大而無法再用傳統的常規辦法加以處理，需要信息處理方法的轉變。大數據實質上是，在互聯網時代人工智能和計算科學研究的數據化進程中，涉及到信息處理的自然科學領域里出現規模極大的數據收集與處理。目前，對“究竟什么是大數據”(Mauro et al. 2014)這一問題雖然爭議不大，但是，以大數據為發展目標的數據化進程變化很大，因而在認識上存在一些差異。大數據的數據化進程以信息的“海量匯集”和“專門利用”為特征，它經歷漸變、巨變、聚變直至信息爆炸這一過程，是最近五十多年里(特別是互聯網時代里)多種學科、多種技術交融與衍化的結果(Hurwitz et al. 2013:10)。大數據本身源于社會，而大數據化進程首先體現在自然科學研究領域，然后逐步邁向人文社會科學，并最后以滲透的方式又回歸到整個人類社會。從而引發一場轉變我們生活、工作和思維的革命。

大數據時代的實踐特征就是大數據的專門利用。2001年，雷尼根據大數據的特點使用volume，velocity和variety(簡稱3V)正式界定“大數據”概念，這里的3V可簡略為“三極”：極大——數據量與規模極大；極速——數據處理速度達到極速; 極多——數據類型分布極多(Laney 2001)。嘉特納集團兼并美達集團后，2012年對大數據的特征做出補充，在原有的3V基礎上增加veracity，極真——大數據提供的信息極為真實。后來，人們發現大數據的特征還有“第五極”，極高——大數據的價值極高。這“五極”(5V)是對大數據的正面特征的認識。隨著研究的推進，人們又發現大數據還具有負面特征：極易變化(variability)和極為復雜(complexity)。既然大數據的“七極”特征是極大、極速、極多、極高、極真、極易變化和極為復雜，那么正確的“數據挖掘”(data-mining)至關重要(Ji et al. 2013：1)。

大數據時代信息處理的行為特征是正確的數據挖掘，而數據挖掘究竟同語言哲學研究具有什么聯系？數據挖掘本身屬于經驗科學操作層面的“數據計算”和“數據使用”的行為，它為解決管理、行政、商務、社會、媒介、人工智能、自然科學和生物科學等領域的復雜問題，提供可靠的信息支持(Chu 2014:V)。因為有大數據作為支撐，加上正確的數據挖掘，在大數據的專門利用中，過去那種因為經驗狹隘、數據不足以及方法局限造成的“大海撈針”式的難題，將不再是難題。人類行為會因為“大海撈針”的成功而出現新的思想特征。

人類行為模式的突破是思想認識疆域的延伸。正確的數據挖掘這種行為反映大數據時代的思想特征。如果擁有的數據種類與樣式足夠豐富、數據匯集足夠完整、行為目標足夠明確，那么擁有這樣的大數據，人類在認知活動中就仿若擁有“天眼”。這意味著“上帝之眼”走向人間，不再虛幻而會真實地出現在大數據時代的認知活動中。這會在各門具體學科研究領域里，引發思想重心的轉變和問題焦點的轉變。有大數據的存在，對真之本體論式追問(如“什么是真？”)就會讓位給對意義的追問，因為一切的真都會在大數據里自然存在，反映出多元世界觀里多元的真，“真”與“真”的關系成為研究中心。這在思想重心上，會出現從追求事物的因果(cause)關系到追求事物的相關(correlation)關系的轉變。在具體研究問題的關注焦點上，會出現從對“為什么”的追問到有多少個“什么”存在上來(Mayer-Sch?nberger, Cukier 2013：18)，即轉移到追問“有多少具體的什么”存在于大數據中。

大數據時代的數據挖掘不僅因其實用價值而越來越重要，而且在方法論上越來越復雜，涉及的領域越來越寬。因此，正確的方法論是大數據時代急需的哲學指導，這就需要從大數據的“經驗科學”層面升華到“理性的思辨”層面上來。

邁克爾·達米特(Michael Dummett)在《真理和其它迷團》(TruthandOtherEnigmas)里說，語言哲學是一切的基礎，語言哲學是哲學思辨的基礎，因為我們只能通過語言分析才能進入思想考察(Dummett 1996：441-442)。從達米特的這一觀點看，關于大數據的哲學思辨終究離不開語言分析。其實，理論層面的大數據研究并不能離開語言層面的研究。2013年5月30日在法國蒙彼利埃(Montpellier)舉辦的第十屆世界電子世界杯(ESWC)學術研討會的主題是“語義學和大數據”(Semantics and Big Data)。這次會議明確指出，大數據的研究不能僅僅局限于人工智能和計算科學等領域，因為大數據的研究在本質上是語義學的研究，大數據研究會涉及到龐大的“語義網絡”(the semantic web)(Cimiao et al. 2013：18)和“智能網絡”(the intelligent web)的研發與利用(Shroff 2013：xiv)。

綜上所述，大數據時代的認知特征和語言哲學研究的關系可以概括如下：大數據時代因其構成特征、思想特征和行為特征而給人們生活、工作和思維帶來巨大變革；在大數據時代到來之前，“大海撈針”式的難題總是無法解決，而大數據時代就是要讓傳統的“大海撈針”式的各種難題得到充足的數據支撐直至問題的消解或解決。這是大數據時代帶來的巨大變革。這種變革首先體現為思想上的概念變化，然后逐步形成科學研究和哲學研究的范式轉變。大數據時代的哲學研究會出現兩大轉變：其一，從追問事物間“因果關系”轉變到重視事物間的“相關關系”的追問；其二，從追問事物內在性質“為什么”的“所以然”轉變到追問“有多少個什么”相互存在的“量與然”的認知活動上來。這兩大轉變終究會體現在我們賴以生活的語言里，因為語言不僅是存在之家，而且語言分析還是思想分析的必由之路；因此，大數據時代的語言分析也會發生相應的轉變，其轉變首先表現為概念變化，然后會在語言哲學研究領域里形成新的研究范式——從對概念屬性的考察轉變為對概念變化的考察。

3　從概念屬性考察到概念變化考察

關于大數據的研究，本質上離不開語義研究。Erl等人說，大數據的儲存以概念為單位，對大數據的利用其實就是對概念做語義考察(Erl et al. 2016:91)。在大數據時代里，語義考察離不開概念考察，因此，維特根斯坦的論斷仍然具有指導作用。維特根斯坦說，哲學活動就是“通過能夠說清楚的”把“不能說清楚的指示出來”(Baker, Hacker 1980：467； Wittgenstein 1999：77)；哲學嘗試在我們的知識體系里為語言建立一種秩序，而帶著這一理念，哲學的全部工作就是通過“語言分析”和“概念考察”來澄清、治療或消解哲學問題(Baker，Hacker 1980:484；Wittgenstein 1999：51；杜世洪 2010：7-13)。哲學的概念考察首先要回答“什么是概念”，然后在具體的認識指導下進行與之對應的語言概念分析活動。沿著這一路徑，大數據時代的概念考察勢必會發生從概念屬性考察到概念變化考察的范式轉變。不過，在大數據時代語言哲學的范式轉變過程中，對概念屬性的考察雖不再是焦點，但仍是考察的出發點。

在概念屬性的考察上，大數據時代的語言哲學研究仍然需要回答“什么是概念”。這一問題屬于對概念本質的追問。在哲學研究的傳統中，追問“什么是概念”如同追問“什么是本質”以及“什么是真”一樣，屬于“形上學”(metaphysics)的本體論問題，而回答本體論問題的方式卻離不開知識論的方法。在后現代思潮影響下，語言哲學研究，正如布蘭頓所說，對真的追問已經不太重要，而重要的是對意義的考察(Brandom 2009:156)。維特根斯坦說，“本質對我們隱藏著”，哲學要“把一切擺到那里，不解釋也不推論。既然一切都公開擺在那里，也就沒什么要解釋的，而我們對隱藏起來的東西不感興趣”(維特根斯坦 2001:65，76)。維特根斯坦這話切合的正是大數據時代對事物的關系認識的方法與內容的轉變：在方法上是從解釋轉變到描寫，大數據面前無需解釋；而在內容上是從注重事物間的因果性轉移到事物間的具體聯系上來，大數據面前“是什么”顯而易見而不須探究“為什么”。“什么是概念”這一問題在大數據面前必將有海量數據來顯示概念如其所是的存在狀態，而概念的本質在存在中顯現出來。

概念到底是什么呢？哲學、心理科學、認知科學和語言學等就這一問題給出不盡相同的回答，但無論什么樣的回答，關于概念的認識都不會是孤立的(Jakendoff 1999:305)。對于概念性質的認識，保羅·薩迦德(Paul Thagard)認為概念大體上分為兩大類別：實體概念與非實體概念(見表1所示)。

表1 　哲學和心理學關于概念性質的不同認識

注：此表改編自薩迦德的分類表(Thagard 1992:18)

薩迦德在表1中提供的是關于概念性質的認識，其中令人思考的問題是，就概念本身而論，為什么會出現這么多的認識。而且既有的關于概念的認識仍然處于爭論之中。正如福多(J.A. Fodor)所說，無論是認知科學還是哲學，關于概念研究的那些現有理論都很難說是嚴格而有效的(Fodor 1998:23)。這話出自福多的《概念：認知科學犯錯之處》(Concepts:WhereCognitiveScienceWentWrong)一書。正如這本書名所示，福多所言是對現代認知科學關于概念研究的批判，認為概念是認知科學研究的核心內容，而認知科學恰恰就在對概念本身的認識上出現錯誤。那么，現有的關于概念的理論有哪些，它們為何會出現錯誤。

關于“概念是什么”的研究，目前大致有5類方法：定義法、原型法、詞匯表征法、心理框架法和命題結構法。定義法和原型法相似性很大，主要是用區別性特征和典型特征來界定具體的概念。定義法和原型法是“經典方法”(Smith 1998:501-526)，思想源頭可以追溯到柏拉圖和亞里士多德，這種方法對抽象的和具體的實體概念具有一定的定義效果，比如定義“什么是善”、“什么是幸福”以及“什么是鳥”等。原型法常與范疇界定關聯。詞匯表征法常常涉及單個詞匯攜帶的概念內容。心理框架法主要把概念當成思想、信念和知識的基本單位，概念本身具有一系列知識屬性。命題結構法把概念看成“主詞—謂詞”構成的“論元結構”。盡管這5類方法關于“概念是什么”看法各有差別，但是它們擁有共同的認識——“概念具有屬性”。

從現代哲學看，無論是像弗雷格(G. Frege)那樣把概念同“對象”(object)及其呈現方式結合起來考察，還是維特根斯坦那樣把概念同語詞使用中的“意義”(meaning)聯系起來研究，概念考察其實離不開對概念屬性的考察。這一點在詞匯表征法和心理框架法中尤為明顯。回答“某一概念X是什么”，其實就是回答“擁有某一概念X的情形是什么樣子”，“擁有一個概念X就擁有一定的認知能力，即擁有X這個概念就能夠識別X的一切” (Fodor 1995：1-25)。在實用主義范式下，擁有一個概念就是能夠做符合該概念性質的事情，而不是簡單地能夠思考該概念的性質。

關于概念屬性的考察實際上是對概念的生成或者說起源的考察。其實，概念的起源問題是一個哲學上的因果論問題，即追問什么引起什么概念。在“語言分析哲學”(杜世洪 李飛 2013：9-15)，特別是“實用主義語言哲學”(杜世洪 2014：1-7)的視野下，概念總是同“語言表達式”聯系在一起。考察概念勢必要借助于相應的“語言表達式”，其實對概念屬性的考察仍離不開語言表達式。這里的語言表達式可能是表達“自然類別”(natural kinds)的語詞(如“鳥”的概念)，可能是用于概括某種系統知識的術語(如“量子力學”這一概念)，可能是認知主體的心理意向在語言符號上的凝定(如“我心有大海”)，可能是心理某種觀念的語言符號化(如“他要做個大善人”)，可能是借助語詞在經驗層面上對客觀世界或主觀世界進行的綜合判斷(如“王冕死了父親”“我的心在流血”等)，可能是借助于語詞在先驗層面上進行的分析判斷(如“平面三角形有3個內角”)，等等。

語言表達式只是概念的表現形式。在語言形式長度上，概念表現為語詞、詞組和命題語句等。這樣的表現形式是靜態的。值得注意的是，語詞最為基本，是所有概念表達式都具有的成分。弗雷格認為，要區分概念(concept)和對象(Frege 1952：42-55)。對象通常是用專名的形式表達出來，而且對象本身是完整的和飽和的，但對象的專名本身又可成為概念。概念的語言表達式是不完整的(incomplete)和未飽和的(unsaturated)。在概念層面上，語詞或詞組是未飽和的表達，未飽和的表達可以作為謂詞與某個專名聯系在一起而形成命題。在弗雷格看來，關于X的概念可以用函數關系來表示：f(x)=(X)+謂詞(1-n)，n分布范圍從1到無窮大(唐其敏 杜世洪 2016:63-69)。

從弗雷格的概念觀出發，我們認為概念表現形式可以用公式來表示：概念的語言表達式=(主詞)+(謂詞)。二者加上括號，意思是一個概念表達的是“主詞”和“謂詞”的關系，主詞承載的是“概念核”，謂詞負載的是概念屬性，用公式表示為：概念的語言表達式=(概念核)+(概念屬性)。一個“概念核”完全可能具有多種屬性，而且同一概念核與不同的屬性結合起來，會形成不同的語言表達式。如圖1所示。

圖1　概念的語言表達式的成分

在語言表達中，承載“概念核”的主詞不能省略，而負載概念屬性的謂詞可以省略，而且即便在沒有省略謂詞的情況下，表達出來的謂詞也只是某一概念的一種屬性或者部分屬性。即，要表達一個概念，一定要把“概念核”以主詞的形式表達出來，而一個概念的屬性不可能而且沒必要全部同時表達出來，甚至根本不需要明確表達這一概念的任何屬性。例如，“中國人”可能會是省略屬性表達的一個概念表達式，也可能以“中國人”為主詞把中國人的屬性表達出來，于是就有“中國人很勤勞”“中國人站起來了”“中國人到處都是”“中國人是亞洲人”“中國人什么都吃”“中國人發明了火藥”等。如圖1所示，靜態的概念屬性考察，就要盡量窮盡一個“概念核”到底會與多少個概念屬性發生聯系，從而形成命題，通過相應的語言表達式呈現出來。

在日常語言中，屬于自然語詞的“哈密瓜”“鳥”等， 屬于虛構語詞的“王母娘娘”“金山”“獨角獸”等，屬于心理感受的抽象語詞如“幸福”“嫉妒”等，屬于特殊場景的語詞如“國宴”“化妝舞會”等，屬于學科知識的專業術語如“量子力學”“轉基因”等，這些一個個孤立的語詞都可能成為單獨的概念表達式，因為它們都可以作為主詞而與某些能負載概念屬性的謂詞結合起來。當然，這些看起來孤立的語詞完全可以同其它語詞結合使用，形成完整的表達，以便實現話語交流的目的。這里要注意的是，擁有這樣的同一語詞并不意味著擁有同一的概念。例如，艾滋病這一語詞，在普通人、艾滋病專家和艾滋病患者這3類人中具有不同的理解，因為他們擁有不同的關于艾滋病的概念屬性。又如，當有人說“我對國宴沒什么概念”時，似乎是說“我”沒有參加國宴的經歷，其實，這里體現的是“我”雖然能使用“國宴”這一語詞，但是“我”沒有關于“國宴”的構成屬性。

“艾滋病”和“國宴”這兩個例子反映出語言哲學的基本問題：指稱問題、意義問題以及語詞使用與概念考察的問題。語言哲學界關于通名、專名的問題、關于指稱的問題、關于名稱的外延與內涵的問題等都屬于概念考察工作。在方法上屬于分析方法，其實，在追問“指稱”和“意義”這些概念的性質時，語言哲學研究仍然具有本體論的追問方式，仍然離不開形上學。即便在追問“指稱的呈現方式”和“意義的表達方式”時，語言哲學的研究仍然屬于靜態的概念考察，即聚焦到某一概念上，對這個概念進行詳盡的屬性分析。

大數據時代的概念考察無疑要繼承概念考察的傳統，更重要的是要開啟概念考察的動態方法。因為統一在靜態語詞下的概念屬性一直在變化，即承載概念核的主詞會與不同的新增屬性發生關系，在這樣的情況下，概念考察勢必要由原來的靜態屬性考察轉變到各概念屬性的相關性揭示上來。動態的概念考察必定要考察概念屬性的時空變化問題，還說明概念的活性問題，即進行專門用途的數據挖掘時，不須要考察某一概念的全部屬性，而須要考察該概念的相關屬性。這可以用圖2表示。

圖2　概念相關屬性示意圖

4　大數據時代關于概念活性與概念屬性的時空變化的考察

大數據時代注重追問事物之間的相關性。這在語言哲學研究中對應的是關于概念活性的考察以及概念屬性的時空變化的考察。一個概念有多個屬性，而且還會增加新的屬性，但是只有那些具有活性的屬性才會與其它事物對應的屬性發生關系。這就是說，對事物相關性的考察其實就是對概念活性的考察。

科學上的重大革命在概念層面上都是針對具體的概念屬性進行的，當人們專注考察某種特定的屬性時，受到關注的屬性就屬于概念的活性屬性。哥白尼的日心說取代托勒密的地心說，其中的活性屬性考察重點就是“誰是天體運行的中心”。牛頓的機械力學，加上他的物理學，取代笛卡爾的宇宙觀；愛因斯坦的相對論對牛頓物理學進行揚棄；而量子力學的出現是對牛頓物理學的徹底革命。所有這些重大變革其實都是圍繞某一特定概念的活性屬性的考察進行的。既然大數據時代會帶來重大的變革，那么其中的概念考察就要圍繞概念活性進行。這方面的考察工作需要在龐大的語義網和智力網中搜尋相關屬性及其賴以存在的“數據語境”(datum context)。在數據語境中對活性屬性的考察，這是今后的研究方向。這一研究方向雖然目前尚需大量研究的投入，但在學理上，這種研究可以追溯到羅素及穆爾的感覺—資料的研究。

大數據時代關于概念變化的考察會在“語言內”(intra-lingual)和“語際間”(inter-lingual)反映出來。概念是由具體的語言表達式呈現出來，那么用于概念表達的語詞會反映出概念屬性的時空變化，即語詞既會承載時間維度下保留的概念屬性，又會承載空間維度下保留的概念屬性。例如，很多年前的冬天，大雪紛飛，后院的樹雪滿枝頭。很多年后，在一個夏天的夜晚，如果還說：后院的樹雪滿枝頭。這時，“后院的樹雪滿枝頭”這句話會留下什么思考呢，這句話的內容是否為真。在極端的直接指稱論者面前，這句話在多年前的冬天是真實的，因為當時確實如此，而在多年后的夏天，面對后院的這棵樹說這話，就不真，而且似乎也沒有意義。對此，弗雷格會說，這里涉及到兩個層面的理解：“真”是指語句內容同外部世界具體情況相符合，這是極端指稱論的理解，是弗雷格要批判的理解；按照這一理解，“后院的樹雪滿枝頭”在多年前的冬天說是真的，而在多年后的夏夜卻是假的；這里要注意的是，判斷這句話的真假時，表面上使用的是外部世界的指稱的符合狀況，其實，這里還存在著思想觀念層面上的判斷，而這個用來判斷冬天和夏天時說同一句話的思想觀念卻并沒有變；所以，另一種理解就是“真”，指關于外部世界形成的思想，這是弗雷格認同的理解；根據這種理解，冬天里說“后院的樹雪滿枝頭”與夏天里說“后院的樹雪滿枝頭”具有同樣的指稱內容，同樣是真的，因為有同樣的思想，而不同點在于這句話呈現的時空發生變化，使用這句話的意義也就不一樣。

在大數據時代里，面對海量的數據，尤其須要注意對概念時空變化的考察。例如，語言內的時空變化現象，語詞“床”屬于自然詞類，它的靜態概念屬性后來出現“窄化”，于是，就會出現用“窄化”的“床”來理解唐代的“床”。于是，李白《靜夜思》中“床前明月光”的“床”被誤解為睡覺的“床”，而鮮有人知道那是指“井欄桿”。同樣，《水滸傳》的“病關索楊雄”“病大蟲薛永”等中的“病”字，在宋元時代卻還有“賽得過，比得上”的意思。概念的時空變化體現在語言上是以細枝末節的方式進行，而大數據為這些細節變化的知識累積及理解提供支撐(Olsher 2014：131)。

語際間概念屬性的時空變化仍然會通過語言內的時空變化來體現，即當一種語言內部遇到難以解決的問題時，可以借鑒另一種語言的相關概念來解決。例如，現代漢語對“王冕死了父親”的解釋圍繞“死了”的語法性質和概念性質出現很多爭論。在這些爭論中，“王冕死了父親”這句話一直被當作漢語特有的語句來整體處理，沒有給予英文翻譯。試想一下，“王冕死了父親”該怎樣譯成英語。譯成英語后，原來爭論的問題是否還存在。

在大數據時代里，隨著概念屬性發生時空變化，概念考察工作就要考察那些能夠引起概念本身變化的屬性是什么，確定屬性變化的數據結構，給概念的時空變化予以同步解釋。

5　結束語

綜上所述，大數據時代的基本特征足以說明我們思維中的概念正在發生變化，這種變化發生在兩個維度：概念整體數量的飛速增加和概念個體屬性的不斷累積。那么，以概念考察為核心工作的語言哲學研究就要面對因概念變化引起的范式轉變。大數據時代的語言哲學研究正在發生范式轉變，這范式轉變的基本特點就是從靜態地追問“存在”“真”“意義”等哲學概念轉變到動態地考察“有什么存在”“有哪些真”“意義的累積過程”等這樣的研究上來，這正與語言哲學研究的實用主義轉向契合(Bernstein 2010:13)。在大數據時代里，追問具體的“存在”不再是假定有某種至高無上的“存在”，而追問柏拉圖式那種難以企及的理性存在，而是根據相關性特點追問具體存在涉及的概念或者概念屬性之間的關系。具有相關性的概念或者概念屬性，它們處于巨大的語義網絡中。在這語義網絡中，按相關性要求，對活性概念或者說對具有活性的概念屬性的追問，這才是大數據時代語言哲學研究的新課題。概念在大數據時代之所以呈現活性，就在于數據匯聚過程中會出現概念變化，這種變化體現在概念的時空延伸上，這就會出現概念累積的差異。因此，在大數據時代做語言哲學研究的意義追問，就是要追問意義的累積性質。

大數據時代以其海量數據讓一些過去看似不可能解決的問題能夠得到解決，讓人們在意義追問中能夠分辨出意義的時空性質和累積特性。大數據帶來的不是數據之大所面臨的處理壓力，而是有大量數據為依托的研究動力。

陳仕偉. 大數據技術異化的倫理治理[J]. 自然辯證法研究, 2016(1).

杜世洪. 關于假裝的語言分析和概念考察——對中國后語言哲學的一個思考[J]. 外語學刊, 2010(2).

杜世洪. 實用主義語言哲學思想探析——皮爾士的意義理論[J]. 外語學刊, 2014(3).

杜世洪李 飛. “語言分析哲學”的一個新動態——布蘭頓意義理論概覽[J]. 自然辯證法研究, 2013(9).

李醒民. 科學論：科學的三維世界(下卷)[M]. 北京：中國人民大學出版社, 2010.

錢冠連. 后語言哲學參與第二次哲學啟蒙[J]. 外語學刊, 2017(1).

唐其敏杜世洪. 關于英語學習者的語言意識與概念充實的思考[J]. 當代外語研究, 2016(6).

托馬斯·庫恩. 科學革命的結構[M]. 北京：北京大學出版社, 2003.

維特根斯坦. 哲學研究[M]. 上海：上海人民出版社, 2001.

文旭. 語言的認知基礎[M]. 北京：科學出版社, 2014.

徐子沛. 大數據——正在到來的數據革命[M].桂林：廣西師范大學出版社, 2013.

Agerri, R., Artola, X., Beloki, Z., Rigau, G., Soroa, A. Big Data for Natural Language Processing: A Streaming Approach[J].Knowledge-basedSystems, 2015(79).

Baker, G.P., Hacker, P.M.S.Wittgenstein:UnderstandingandMeaning[M]. Chicago: The University of Chicago Press, 1980.

Bernstein, R.J.ThePragmaticTurn[M]. Cambridge: Polity Press, 2010.

Brandom, R.B. Why Truth Is Not Important in Philosophy[A]. In: Brandom, R.B.(Ed.),ReasoninPhilosophy[C]. Cambridge: Belknap Press of Harvard University Press, 2009.

Chu, W.M.DataMiningandKnowledgeDiscoveryforBigData:Methodologies,ChallengeandOpportunities[M]. Berlin: Springer, 2014.

Cimiano, P., Corcho, O., Prasutti, V.TheSemanticWeb:SemanticsandBigData[M]. Berlin: Springer, 2013.

Dummett, M.TruthandOtherEnigmas[M]. New York: Harvard University Press, 1996.

Erl, T., Khattak, W., Buller, P.BigDataFundamentals:Concepts,DriversandTechniques[M]. Boston: Prentice Hall, 2016.

Fodor, J.A. Concepts: A Potboiler[J].PhilosophicalIssues, 1995(6).

Fodor, J.A.Concepts:WhereCognitiveScienceWentWrong[M]. Oxford: Oxford University Press, 1998.

Foster, I., Ghani, R., Jarmin, R.S., Kreater, F., Lane, J.BigDataandSocialScience:APracticalGuidetoMe-thodsandTools[M]. London: CRC Press, Taylor & Francis Group, 2017.

Frege, G. On Concept and Object[A]. In: Geach, P., Black, M.(Eds.),TranslationsfromthePhilosophicalWritingsofGottlobFrege[C]. Oxford: Oxford University Press, 1952.

Hurwitz, J., Nugent, A., Halper, F., Kaufman, M.BigDataforDummies[M]. Hoboken: John Wiley & Sons, Inc., 2013.

Jakendoff, R. What Is a Concept, That a Person May Grasp It?[A]. In: Margolis, E., Laurence, S.(Eds.),Concepts:CoreReadings[C]. Cambridge: The MIT Press, 1999.

Kalil, T. Big Data Is a Big Deal[Z]. http://www.whitehouse.gov/blog/2012/03/29/big-data-big-deal, 2012.

Laney, D. 3D Data Management: Controlling Data Volume, Velocity, and Variety[Z]. META Group, 2001.

Ji, C., Li, Y., Qiu, W., Jin, Y., Xu, Y. Big Data Proce-ssing: Big Challenges and Opportunities[J].JournalofInterconnectionNetworks, 2013(3).

Mauro, A.D., Greco, M., Grimaldi, M.WhatIsBigData?AConsensualDefinitionandaReviewofKeyResearchTopics[Z]. International Conference on Integrated Information, 2014.

Mayer-Sch?nberger, M., Cukier, K.BigData:ARevolutionThatWillTransformHowWeLive,Work,andThink[M]. New York: Houghton Mifflin Harcourt Publishing Company, 2013.

Olsher, D. Semantically-based Priors and Nuanced Know-ledge Core for Big Data, Social AI, and Language Understanding[J].NeuralNetworks, 2014(10).

Qiu, R., Wicks, M.CognitiveNetworkedSensingandBigData[M]. New York: Springer, 2014.

Shroff, G.TheIntelligentWeb:Search,SmartAlgorithms,andBigData[M]. Oxford: Oxford University Press, 2013.

Smith, E. Concepts and Induction[A]. In: Posner, M.(Ed.),FoundationsofCognitiveScience[C]. Cambridge: The MIT Press, 1998.

Thagard, P.ConceptualRevolution[M]. Princeton: Princeton University Press, 1992.

Wittgenstein, L.TractatusLogico-Philosophicus(TLP)[M].PhilosophicalInvestigations(PI)[M]. Beijing: China Social Sciences Publishing House, 1999.