语言认知和语言计算的基础知识

原文摘自：《中国社会科学文摘》2023年第4期P17—P18

作者单位：中国科学院自动化研究所、脑与智能科技研究院；暨南大学人工智能学院。

语言认知研究是探讨人类大脑如何处理和理解语言的关键领域，它不仅对揭示人类语言智能的基础有重要意义，还有助于推动基于脑启发的语言技术的发展。与此同时，随着计算机科学的进步，机器理解和生成自然语言的能力也得到了显著提升。这些进展为探索语言学习、演化的机制提供了新的视角。 在探讨大脑如何处理和理解语言方面，研究者们关注了文本的表征与组合方式、连续的学习能力、多模态信息融合及计算模型的可解释性等核心问题。人类的大脑能够高效地存储和检索大量的语言信息，并且通过层级编码的方式组织复杂的句法结构。此外，人脑的记忆系统允许我们快速处理新的词汇和概念，同时将这些新知识与先前的知识相结合。 相比之下，机器学习领域的研究侧重于构建更加智能的语言计算模型，以实现更自然的对话互动和信息检索能力。随着深度学习技术的发展，基于神经网络的方法已经可以模拟出复杂的人类语言理解过程，如预测下一个词汇或句法结构，并且能够处理多模态数据输入。 未来的研究方向将集中在如何结合脑科学与计算机科学技术，探索更加高效、灵活的语言学习机制，以及开发具有高可解释性的计算模型。通过解析人类大脑的工作机理，研究者们希望为设计更智能的机器语言系统提供理论指导和实践方案。

文本表征和组合方式的研究展示了大脑如何编码概念含义，并且使用不同的表征方式来处理不同类型的概念；在句法结构方面，则采用层级编码的方式如树型结构来组织词汇信息。这种高效的存储与计算机制使得人类能够“举一反三”地学习新知识，同时快速适应新的语言环境。

连续学习能力的研究表明，在婴儿期人们就已经具备了从少量样本中提取出大量规则的能力，并且通过记忆系统将这些规则储存下来，以备将来使用。这种灵活的记忆机制为构建能够从小规模数据集中进行高效学习的计算模型提供了灵感。

语言交互学习强调了人与他人互动过程中的语言习得方式的重要性。未来的研究可以通过借鉴这种交互式的学习模式来改进现有模型的设计，在多模态信息融合方面，研究者们也在探索如何有效地结合不同类型的感官输入（如视觉和听觉）以提高计算系统的性能。

语言认知和计算研究领域的交叉合作有望推动我们更好地理解人类大脑如何处理复杂的信息任务，并开发出更先进、更具适应性的机器学习系统。

(责任编辑：佚名)