11、人工智能与自然语言：从语言学理论到技术探索

人工智能与自然语言：从语言学理论到技术探索

在人工智能的发展进程中，如何让机器理解和运用自然语言一直是一个关键挑战。其中一个难题在于向机器传递能赋予标签或价值的结构。为此，有人提出了一种能处理静态或序列数据的结构，它具备关系准则，可复制原始数据的特征。

在深度学习领域，潜在变量参数可应用于深度神经网络。不过，机器需从有限的高维数据点中学习复杂的概率分布，且这种基于概率的理论存在弱点，它无法反映现实情况。因此，有人建议将自然语言的公理 - 逻辑结构应用于机器，并考虑外部现实的语境，这一策略涉及一种潜在的学习算法，通过关系准则概括一组因素的执行，使机器能直观地行动。

语言学概述

语言的概念广泛而复杂。“没有语言，就无法接触现实；没有语言，就没有思想”。人们借助语言和非语言符号表达想法、示意行为以引发反应，所以语言并不局限于符号。语言的一个重要属性是其从有限元素进行无限组合的特性，这形成了语言单位的层级结构。语言学家面临的最大挑战是分析和呈现言语，因为与书写不同，言语的层级语言结构没有限制。有研究发现了神经言语处理的时间尺度层级，这指向了自然语言的公理 - 逻辑本质，但语言并非一直被如此看待。

19 世纪，语言学的构建源于用语言谈论语言，即使用符号来描述语言本身（元语言）。每门科学都需要元语言来确立定义、概念、对象和分析程序。元语言有形式和非形式之分，语言学虽属人文科学，但重视形式元语言，这使其在人文学科中占据重要地位。20 世纪 50 年代，美国语言学家诺姆·乔姆斯基使语言学走向严谨的形式化书写，并与系统理论、数学相结合，但这一做法也引发了争议，有人支持形式化，有人则认为它忽略了语言的本质特征。

在语言学思想史上，主要有两种趋势：一种关注语言的心理路径