人工智能時代語言學家面臨的機遇和挑戰

張樂 唐亮

摘要：人工智能作為一個新興的、極具發展前景的研究領域，其與語言學研究有著深厚的淵源。一方面，語言研究的成果為人工智能的發展提供了動力，另一方面人工智能對語言學提出了更高的要求，影響著語言研究的范圍和方向，促進著語言研究的深入發展。在介紹人工智能及語言智能概念的基礎上，闡述人工智能時代語言研究的新形勢。從語言學家的視角出發，探究語言學內部的多個子學科面臨的機遇及挑戰。語言學家要順應智能趨勢，為人工智能的發展貢獻更大的力量。

關鍵詞： 人工智能; 語言學; 自然語言處理; 機器翻譯; 融合創新

中圖分類號：TP18 ? ? ? 文獻標識碼：A

文章編號：1009-3044（2020）24-0195-03

Abstract： As an emerging and promising research field， artificial intelligence has a deep relationship with linguistic research. On the one hand， the results of language research provide the impetus for the development of artificial intelligence; on the other hand， artificial intelligence puts forward higher requirements for linguistics， affects the scope and direction of language research， and promotes the in-depth development of language research. Based on the introduction of the concepts of artificial intelligence and language intelligence， the new situation of language research in the era of artificial intelligence is explained. From the perspective of linguists， explore the opportunities and challenges faced by multiple subdisciplines within linguistics. Linguists should follow the trend of intelligence and contribute greater power to the development of artificial intelligence.

Key words：artificial intelligence; ?linguistics; ?natural language processing; ?machine translation; ?integration and innovation

1 引言

近年來，隨著計算機的發展和科學技術的進步，人工智能技術得到迅猛發展，社會的這一深刻變革給各行各業都提供了更多的機遇，但隨之而來的是在新形勢下攸關“生死存亡”的重大挑戰，不容忽視?？梢哉f，人工智能是一把“雙刃劍”。這敲響了語言學家心中的警鐘，以研究自然語言為任務的語言學在人工智能時代將走上怎樣的發展道路？筆者認為語言學家不必擔心，新形勢下語言研究面臨的機遇是大于挑戰的。語言是人類思維的表現形式，人工智能其根本目的是用計算機來模擬人類思維，要實現這一目標就必須以模擬人類的自然語言作為出發點。另外，中國計算語言學先驅，馮志偉先生曾說過一句名言：“人工智能領域，得語言者得天下?！瘪T先生所言肯定了語言及語言研究的重要地位，為語言學家們鼓舞了士氣。語言研究是一個永恒的課題，特別是在人工智能、人機對話火熱的今天，語言無疑是影響人工智能突破進展的關鍵。因此，在人工智能的時代背景下，語言研究如何一方面應對科技帶來的挑戰，更好地生存和發展，另一方面抓住機遇拓展新思路和新領域，為人工智能的發展貢獻力量，是當前語言學家必須要思考的問題。

2 人工智能及語言智能

人工智能（Artificial Intelligence）簡稱AI，旨在用人工的方法和技術，使用各種自動化機器或智能機器（主要指計算機）模仿和擴展人類智能，實現某些機器思維或腦力勞動自動化。自1956年被正式提出以后，從此成為一個新興的研究領域，在之后半個多世紀的發展歷程中，人工智能潮起潮落，印證了前途的光明和道路的曲折。2016年被譽為人工智能跨越式發展的一年，這一年有許多標志性的成果出現，最為人稱道的就是AlphaGo戰勝了人類圍棋冠軍李世石，時隔不久AlphaZero又戰勝了AlphaGo。機器智能在某些領域已經達到甚至超越人類智能，但是目前的人工智能屬于弱人工智能，即讓機器具有某種智能的行為。真正有知覺、能夠推理和解決問題的強人工智能目前只是出現在好萊塢的科幻電影里或強人工智能者的信仰里。迄今為止，并沒有任何一部真正理解人類語言的機器，因此更不會有像人一樣能夠進行創造性思維的機器和具有人一樣的文化生存方式的機器。

語言是人類特有的能力和智能的體現，有研究表明，即使是像黑猩猩這樣的人類近親，也不具備這樣的能力。語言對于人類來說有著極為重要的地位，它將人類的思想表達出來，是人類思維的工具，同時承載了人類想要表達的所有信息，是最重要的信息載體。為了模仿人類智能，人工智能的一種高級表現形式就是運用計算機和信息技術對人類語言進行分析和處理，我們把它稱作“語言智能”。語言智能不僅是人工智能的核心部分，更是人機交互認知的重要基礎和手段，因此被譽為人工智能皇冠上的明珠。

人工智能發展到今天取得了非常多耀眼的成績，這其中數據、算法、硬件功不可沒，使得一部分人陶醉于機器學習、深度學習和神經網絡的成功之中。事實上，數據和算法的優勢固然重要，但這些只是表面的因素，最終對人工智能的瓶頸起突破作用的將是語言、認知和其他學科。人們越來越深刻地認識到，人機之間的交互溝通離不開語言，只有在語言智能上獲得關鍵性突破，才能推動弱人工智能逐步發展為強人工智能。

3 人工智能時代的語言學

處在科技領域前沿的人工智能并非是一個單一的學科，其發展是建立在計算機科學、心理學、語言學等多種學科相互滲透的基礎之上的。雖然語言學與人工智能看起來區別很大，實則有著深厚的淵源，它為人工智能的發展提供合格的構建材料。

語言學是一門研究人類語言即自然語言的學科，包括了多個分支子學科。語言學的歷史追溯起來較為久遠，人類對語言的認識是逐漸深入的，今天的語言學與60年前也大不相同。縱觀現代語言學的發展可以看出，語言學家們以揭示語言的本質為目的，在語言的結構、語義以及語言的社會功能等許多方面都進行了深入的研究。語言學的傳統方法和理論被從事機器解決智能課題的計算機學家使用，早期取得了一些成果，但由于在計算機領域實踐的實用性不強，并且研究后勁不足，影響其在人工智能方面的應用，已不能滿足人工智能時代的需要。人工智能時代的語言學更加注重能否被計算機理解和使用，語言學應與計算機科學深度結合。

自然語言處理（Natural Language Processing）簡稱NLP，主要研究如何用計算機來分析處理自然語言，對文本包含理解和生成兩部分，是人工智能學科研究和應用的主要領域。NLP的具體任務包括自動文摘、機器翻譯、語音識別等。在早期的NLP領域存在著“厚此薄彼”的現象，簡單解釋就是語言學家遭受到計算機學家的無視甚至排斥，不僅很多和自然語言相關的大型項目里面語言學家的參與度不夠，就連谷歌的諾維格和語言學家喬姆斯基之間的爭論也是很不友好的。這一現象很快出現了轉折，曾經大受追捧的統計方法在人工智能時代遇到了發展瓶頸，由于過度依賴語料，忽視句法、語義等語言學知識，深層的語言學知識并未得到探索和利用，造成NLP的發展受到桎梏。遇到今天的瓶頸，還需要更多更深入的語言學研究來解決。

以NLP的具體任務為例，機器翻譯從誕生之日起就與語言學緊密聯系，語言學和機器翻譯很多情況下是共同發展的。最初成功的機器翻譯是基于語言學規則，而后來出現的統計機器翻譯和神經網絡機器翻譯中，傳統的語言學逐漸被移出機器翻譯的核心算法，但是仍然扮演重要的角色，特別是在數據不足的情況下。統計機器翻譯中大可以從語言學角度出發，在基于統計的方法上添加規則。神經網絡機器翻譯添加語法、語義等信息可能會取得更好的效果，目前來看這些信息還沒有較好的應用。除了機器翻譯核心算法，一個完整的機器翻譯系統還包括數據獲取，數據預處理，結果后處理，性能評測等部件，在這些方面語言學還是大有用武之地的。

現階段，機器翻譯的發展主要由計算機專家主導，而語言學家日漸式微，這難免造成科技界的過分樂觀和語言學界的擔憂。語言不是輕而易舉就能轉譯成功的，即使谷歌等公司宣稱機器翻譯技術達到了人類專業水平，翻譯問題仍然存在。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出語言本身才是制約譯文質量的瓶頸，不能光靠程序設計來改良機譯系統，只有解決語言本身的問題，才能真正提高機譯的質量。機器畢竟不是人，很多人文性、藝術性、感情性的內容最終還是需要由人來完成。馮志偉教授指出，科技界過分強調語言的符號性，卻忽視了語言是凝結文化的復雜系統，這不利于機器翻譯解決反諷等多樣化翻譯難題;而語言學界也不必妄自菲薄，語言學家們應該擁抱技術革新，同時致力于機器翻譯背后原理的探究，破解尚存的“黑箱”問題。

機器翻譯的歷史和現實促使語言學家必須進行新的探索，繼續挖掘自然語言 的特點和規律，完善自然語言的表述模式，進一步加強機器翻譯基礎理論和應用技術的研究。自然語言是人類智能的一種展現，既然是智能的展現，那么通過研究自然語言，就可以挖掘出智能的一些本質。而一旦語言被機器認知理解，那么真正的人工智能就有更多實現的可能。人們越來越意識到，對于自然語言的關鍵問題，突破的鑰匙其實是掌握在語言學家或者是通曉語言學成果的人手里。

4 語言學家的機遇和挑戰

現代語音識別和自然語言處理研究的先驅Frederick Jelinek 1988年說道：“Every time I fire a linguist，the performance of the speech recognizer goes up.”這句話給人們提供了錯誤的信息：在自然語言處理技術發展的進程中，語言專家的作用微乎其微。這就引起了語言學界的大討論：人工智能不需要語言學家，依靠計算機，依靠物理學家就可以完成，那語言學的實用價值在哪里呢？語言學家存在的意義又在哪里呢？筆者認為其實語言學家不需擔心，人工智能在語言方面并不會一直如此發展下去，當遇到瓶頸期時，語言學的價值就體現出來了。本章將從語言學的幾個分支學科的角度來探討語言學家的機遇和挑戰。

4.1 語音學

隨著大數據的發展，很多智能產品已經慢慢進入我們的生活，尤其人工智能已經能夠與人無障礙的溝通交流，他們甚至可以自創語言。但細細研究，這背后的成果并不來自語言學家，而是計算機程序，其工作原理是“深度學習”。計算機程序內部有一套處理任務的系統，將語言做成數據輸入計算機，計算機自己去識別語言中內在的規則，并應用該規則輸出成語言，與人進行正常溝通。

然而仔細觀察就會發現，人工智能輸出的話語與人說出的話并不相同。人在說出話語時是帶有情緒的，說的同時也在表達自己的觀點，一升一降都包含著豐富的意義，而并不是單純的輸出某一句話或某一段話，這就使得交流變得生動活潑。人工智能則不同，比如Apple的語音助手Siri，它在輸出一句話時其實并沒有任何情緒的表達，只是單純客觀地敘說某一件事。這些話沒有升降的表達，更沒有語氣，這就使得語言的表達是呆板、枯燥的。

這就給語言學的分支——語音學留下一席之地。語音學是語音識別的理論基礎，語音學特征知識在語音識別中起著十分關鍵的作用。早期的語音識別由于忽略了聲調這一最顯著的區別特征，識別效果并不理想。再加上上文提到的一些AI生成的語音枯燥呆板的現象，都在提醒著語言學家，加強對語音學特征知識特別是語調、語氣的研究是個迫在眉睫的任務，只有充分地綜合利用這些區別性特征信息，將其有效運用于語音系統，才能讓語音識別和生成更上一個臺階。相信在不久的將來，語音學對語調、語氣的研究將會對人工智能進一步發展做出重大貢獻。

4.2 語義學

語言一直是智能的核心，語義問題是人工智能前進道路上不可避免且須迎頭面對的困難。如今，在人工智能發展日新月異的情況下，人工智能語義問題或者比我們所想象的更加具有緊迫性和現實性。

越來越多的學者意識到，單純依靠統計方法無法繼續取得跨越性的突破，想要真正解決語義理解問題，必須依靠語言學的理論成果。語言學家可以在語義知識表示研究以及語義基礎設施建設，比如大規模語義知識庫構建等方面發揮應有的作用，語言知識庫可以為語義理解任務提供寶貴的知識資源。在人工智能的背景下，一方面，大規模知識庫構建任務需要時間和精力，對語言學家仍是一個不小的挑戰，另一方面，知識庫自動構建技術的成果也為語言學家減輕了很多負擔。

4.3 計算語言學

計算語言學的傳統研究方法及理論已經取得了豐碩的成果，可以為自然語言處理提供方法論的指導。智能時代要求語言學家開辟新的視野，探索新的研究方法。

在強大的計算能力和科學統計模型的雙重輔助下，語言學家既可以沿用傳統方式從語言樣本中挖掘有理論價值的語言事實，給出詳盡合理的解釋;也能夠使用大數據技術，挖掘、整理海量語言數據知識，并將這些知識應用到自然語言處理等人工智能領域中。當前，大數據驅動的方法已經接近天花板，通過大知識驅動實現NLP的突破，是當前語言智能發展的新趨勢。人工智能科學的發展有可能推進語言的計算研究，從而使語言知識的表示成為計算機可識別的方式。這將會使語言學成為真正的科學。

4.4 認知語言學

人工智能發展至今，雖已取得了許多令人矚目的成就，但現有的人工智能還只是弱人工智能。人工智能可能的突破性進展還要依賴于認知科學的參與。如今人類已經基本從神經層面了解了大腦的工作方式，這對于研制AI來說是硬件理論，操作系統是實現高級功能的關鍵。語言也具有指導認知和思維的作用，認知語言學對于構建AI的操作系統來說是一種指導思想，認知語言學的研究成果對于人工智能的發展有著強有力的推動作用。人工智能正處于認知智能階段，認知語言學應該與計算機科學更多地結合起來，語言學家需配合計算機學家，著力解決語言認知的瓶頸。在人工智能時代創造大規模數據的基礎上，語言學研究不但要有數據、模型，還需要結合人工智能研究熱點，從認知角度入手，把注意視角從語言本身轉向語言的實際使用規律、語言背后的語義及其組合機制等領域。

5 語言學家應學會融合創新

人工智能的發展不僅對語言研究的各個領域提出了要求，而且對語言學家的研究方法提出了新的要求，促使他們開放思維、探索創新。語言學家可以從事跨學科的語言研究，通過研究語言來輔助解決社會問題如種族歧視和性別歧視、生態問題如物種滅絕、心理問題如抑郁癥等。語言研究是包括語言學家在內的諸多學科專家和衷共濟的事業，語言學家需與其他學科的專家合力攻關前沿課題如人工智能中的自然語言理解等，實現優勢互補、合作共贏。

在人工智能的時代背景下，語言研究不應再囿于單純的本學科領域，而是要跨學科、跨領域，與其他學科交叉融合，逐步形成眾多的語言學與其他學科交叉融合的新的分支學科，這樣才能將研究不斷引向深入，才能更好地適應新形勢，在人工智能事業中發揮應有的作用。融合創新可以讓現代語言學研究煥發新的生機和活力。

6 結束語

作為人類最重要的交際工具和文化載體，語言與人工智能之間有著千絲萬縷的聯系，二者相互促進，共同發展。人工智能時代科學技術的飛速發展，為語言學家的研究提供了便利條件，同時，新時代對語言研究提出了很多新課題。在此背景下，語言學家不僅要做“變革者”，熟悉技術、利用技術開展新研究，還要做“合作者”，增加與其他學科之間的對話，建立密切的學術溝通和交流，充分做到學者交流、學科交叉、學術交融，走多元融合和理論創新發展之路。

參考文獻：

[1] 林堯瑞，馬少平.人工智能導論[M].北京：清華大學出版社，1989.

[2] 王永慶.人工智能原理與方法[M].西安：西安交通大學出版社，1998.

[3] 蔡自興，徐光祐.人工智能及其應用[M].北京：清華大學出版社，2004.

[4] 卓新賢.人工智能的語言學問題[J].現代外語，1994，17（4）：1-5，72.

[5] 柳青峰.語言學與人工智能的語言培育[J].管理學家，2014（2）：2.

[6] 蔡曙山，薛小迪.人工智能與人類智能——從認知科學五個層級的理論看人機大戰[J].北京大學學報（哲學社會科學版），2016，53（4）：145-154.

[7] 劉益光，方昱.大數據時代的語言研究研討會暨馮志偉先生八十壽誕慶祝會成功舉行[J].現代語文，2018（4）：190-191.

[8] 漢語堂.“譯者” 在人工智能時代扮演什么樣的角色？[J].現代語文（語言研究版），2017（8）：161.

[9] 郭燕慧，王樅，鐘義信.語言認知與主題內容識別[J].北京郵電大學學報，2006，29（z2）：88-92.

[10] 王連柱.語言研究多元融合與理論創新——“第二屆（功能）語言學融合與發展高端論壇”綜述（Ⅰ）[J].北京科技大學學報（社會科學版），2019，35（3）：30-35.

【通聯編輯：唐一東】