關注人工智慧時代的語言學研究
9月17—18日，語言學與人工智慧跨學科論壇在武漢舉行。與會學者圍繞人工智慧技術發展中的語言學需求及語言學的作為、語言—認知—人工智慧等議題展開深入研討。
探尋深層語義理解突破口
「由於機器尚不具備『背景知識』和『世界知識』，當人和機器進行交流時，歧義現象就表現得尤為突出。自然語言處理的關鍵就是如何識別與消解自然語言的歧義。」復旦大學外國語言文學學院教授畢玉德表示，語言知識的獲取及在計算機中的表示是自然語言處理研究的基礎，是語言信息處理領域高難度的前沿課題。語言知識庫可以為語義理解任務提供寶貴的知識資源，對於自然語言理解具有重要的理論意義和實踐意義。
「從20世紀七八十年代開始，自然語言處理的研究方法從以語言學提供的形式理論和計算方法為主，轉向以基於統計方法的研究為主。但當前的研究仍然無法處理深層語義理解等問題。」首都師範大學國家語委中國語言智能研究中心主任周建設介紹稱，近年來，計算語言學等學科利用人工智慧技術，以語義分析中的指代、隱喻、情感分析等研究方向作為突破口，解釋自然語言處理過程中的語義理解等問題。越來越多的學者意識到，要真正解決語義理解問題，還應依靠傳統語言學的理論成果，單純依靠統計方法無法繼續取得跨越性的突破。
「怎樣讓計算機從大規模無標註文本數據中自動學習，得到計算機可以自動識別和處理的文本，成為自然語言處理和機器學習的緊迫任務。」北京大學中文系教授袁毓林認為，重新思考語言學研究和自然語言處理等人工智慧研究的互動關係，既有必要，也很緊迫。語言學理論研究能夠為自然語言處理提供哪些觀念與方法論上的指導？自然語言處理和相關的人工智慧研究，對語言學研究提出了什麼要求或挑戰？又帶來了哪些啟發和機遇？當前基於深度學習的自然語言處理面臨怎樣的發展瓶頸？這些問題都值得我們思考。
從認知角度挖掘研究新領域
在袁毓林看來，隨著深度學習等技術的發展與應用，人工智慧技術為自然語言處理研究帶來的變化主要表現在以下幾個方面。第一，在語言單位的表示上，使用統一的具有低維、稠密、連續特性的分散式向量，來表示不同顆粒度的語言單位（比如詞、短語、句子和篇章等）。第二，在計算處理的模型上，使用循環神經網路、卷積神經網路等學習模型，對不同的語言單位向量進行組合，以獲得更大的語言單位的向量表示，並通過在向量空間中的運算，來實現文本分類、知識推理、句子或篇章生成等各種任務及應用。
教育部語言文字應用研究所研究員馮志偉表示，近年來，在會話智能代理系統的研究中，計算語言學家把以言表意、以言行事、以言取效等言語行為綜合在一起，很有創意地提出了「信念—期望—意圖模型」，並在此基礎上成功開發了用於構建會話智能代理系統的對話管理組件。該模型對於信念、期望和意圖等概念進行了形式化的描述，使之具有可計算性，從而更加有效地表達了用戶向會話智能代理提出的告知或請求的真實意義。這個模型常常與基於公理化邏輯的行為方案集成在一起，把會話當作計劃推理的序列來處理，提高了會話智能代理系統的性能。該模型著重於言語行為形式方面的研究，使得言語行為理論由一種描述性和解釋性的理論變成了一種可計算的理論。
「在大規模數據的基礎上，語言學研究不但要有數據、模型，還需要充分發揮人工智慧技術手段，多學科深入互動，結合人工智慧研究熱點，從認知角度入手，深入挖掘、探索語言學研究新領域。」周建設提出，智能時代背景下的語言學研究應該在加強心理學、神經科學、腦科學、認知科學等多學科研究深入互動的前提下，把注意視角從語言本身轉向語言的實際使用規律、語言背後的語義及其組合機制等領域。
不斷開拓新的學科增長點
「在智能時代，語言資源比以往任何時候都更為豐富，也更容易獲得。在強大的計算能力和科學統計模型的雙重輔助下，蘊藏在海量鮮活語言樣本中的規律便存在被挖掘的可能。」周建設表示，語言學家既可以沿用傳統方式去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，並將這些知識應用到自然語言處理等人工智慧領域中。
「人工智慧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。」北京大學教授陸儉明表示，語言研究如何跟上形勢，在人工智慧事業中發揮應有的作用，需要深入研究。在他看來，語言學的發展，必須走與其他學科交叉融合的「語言學 」發展之路。需要深入探究語言學與其他不同學科間的關聯性和相互作用，找到語言學與其他學科交叉融合的契合點、著力點和支撐點，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，不斷開拓新的學科增長點。
會議由武漢大學文學院、武漢大學國家網路安全學院主辦。
