简述计算机语言学的研究目标,语言学的研究目标与作用

语言学的研究目标与作用​

印世海​2005.9.4​

tonyyin555的博客

http://blog.sina.com.cn/u/1190702794

(若引用本文观点,请务必注明出处)

人们经常问两个问题,语言学是干什么的?有什么用?

语言学的研究目的与价值,即便是一些长期在语言学领域研究的学者也并不十分清晰。语言学者有时候给出的回答往往令语言学内外的人并不觉得,语言学很有价值,更不认为,在信息、网络、知识爆炸、人工智能时代,语言学对人类的和平、新一代计算机的开发、机器人智能水平的不断提高、教育与科学研究,对整个人类文明的进步,都是具有重大作用的学科。

概括而言,与其它任何学科理论研究的目标一样,语言学的理论研究目标,也是探索研究对象(即语言)的规律和原理。语言学内通常的说法是,语言学的研究目标对语言现象进行描写与解释。这个说法不如“研究语言的规律和原理”好,因为语言学绝不只是为了对语言现象进行描写和解释。任何学科都有理论研究任务,即发现现象背后的规律和原理,了解现象(包括描写现象)并揭开现象之谜(即用规律和原理解释现象),但任何学科都不能止于此。任何学科必须最终走向应用,应用它所发现的规律和原理去解决实际问题,去发明新的东西。语言学理论的应用有很多,例如应用语言学发现的规律和原理,创造新的语言学习与教学方法,以提高学习和教学效率、创造新的翻译方法、创造新表达形式(新的概念和思想在不断产生,这一点,要求不断产生新的词汇,甚至新的句式。如网络时代,人们无意识地创造了许多符合语言表达规律和原理的新词,如雷人、颜值、躲猫猫、打酱油);应用语言原理,分析一个人的语言表现,了解其思维方法、知识水平、个人特质、潜意识、所作所为(可以应用于刑事侦查)、测量智商,诊断语言和大脑神经系统的缺陷;在人工智能时代,语言学的应用价值更大了。计算机科学家要应用语言的规律,编写语言处理软件,使计算机具备人一样的处理语言的能力。

语言的规律和原理研究是语言学理论研究目标。我们举一个例子,更详细地说明语言学理论研究的巨大价值。

​语言对人类最大的作用是,由于语言记录了人类祖祖辈辈的知识和智慧,使人类不必像没有高级语言的动物那样,总是从头学起。人类可以通过语言获得最前沿的知识或理论,并站在这个最高起点上进一步探索新的知识和技术。动物靠经验相传,只能通过亲身经历,学习到父辈的经验。未经历的,其它群体的经验,它们是无法学习到的。父辈具有但下一辈未经历的,也可能失传。因为它们没有语言记录,积累,将经验和智慧传世。所以动物只能低水平的重复学习。

人类有了语言,古人的智慧,古希腊的知识,美国的智慧,通过书面语言的记录,我们在中国就可以学习到。互联网,通过语言可以传播全人类的智慧和知识。有了语言,人类可以高起点地继承前人的智慧。有了语言,人类才可能有教育和学校。

可以说,没有语言,我们绝无可能达到现代文明水平。

人类从语言中获取知识和智慧的效率,不仅决定一个人知识水平和智慧程度,也决定一个民族的知识和智慧水平。

那么,思考一个非常重要的问题,目前,我们从语言获取知识和智慧的效率高吗?

显然,不够高,1、你看不懂语言学的好多内容吧!你看不懂数学,物理吧!2、很多人看不懂英语文献吧!3、即便你读书能力强,可是,你一天能读多少本书呢?

人类 现有的文献浩如烟海,然而,我们从中获取的信息实在少的可怜。沧海一粟都谈不上。

掌握了语言的规律和原理,当然可以帮助人们提高获取语言信息的效率。

这是传统的语言学价值。

人类进入信息时代后,知识大爆炸。传统获取知识的方法已经无法满足我们通过语言获取信息的需要了。

怎么办?

一个办法是,让机器掌握语言的规律后,替代人类的阅读,让机器帮我们获取所需要的记录在语言中的信息。

这就是机器阅读。语言人工智能的一个研究目标。但要实现这个目标,你首先得探明语言的规律和原理。

当然,语言学的其它应用方面多着呢,价值大着呢!例如,语言是窥探人类心智的窗口。通过语言,我们可以了解人类的认知规律。

语言学应用于哪个领域,你就得有此相关领域的知识。没有计算机知识,那你就寻找翻译,教学等领域去应用。

但是,要充分发挥语言学的价值,必须首先探寻语言的规律和原理。否则。语言学的价值是无法发挥的。

探寻语言的规律和原理是语言学的理论研究部分。其应用,在语言人工智能,语言教学,翻译等等领域。中国外语教学长期“费时、费力、低效”,关键原因是我们对语言的规律和原理了解不多。目前的外语学习主要是靠机械记忆的学习。这种学习,当然“费时、费力、低效”。

当前,语言学研究,对比数学、物理。还比较落后,​尤其是对语言原理研究。举一个例子。

​构式语法是认知语言学的一个分支。它们有何问题? Goldberg提出,C 是一个独立的构式,当且仅当C 是一个形式( Fi)和意义( Si) 的对应体〈Fi,Si〉,而无论是形式还是意义的某些特征,都不能完全从C 这个结构的组成成分或其他业已存在的结构推知。( Goldberg 1995: 4)。

国内语言学家对这句话转引来转引去。可是,有谁知道,为什么构式的整体意义不能完全从C 这个结构的组成成分推知????​

我们太多的人,从I like you这个构式一看就知道其意思,哪儿存在什么从其组成成分推知的问题?没有组成成分,咋知道这个句子意思?如果不能从其构成成分推知句子的意思,人类是怎样明白语言的???

不是语言学研究者,不会思考这种问题。Goldberg提出“构式的整体意义不能完全从C 这个结构的组成成分推知”,对吗?为什么对???

她,整个构式语法界,从来都不解释其原理。因为他们只是发现了这一点,但不知道其原理,即为什么。

这种类似结论,即无法解释其原理的结论,在认知语言学中较多。这使得许多学习者很难读懂,因为它不告诉你,为什么,即原理。

学科向精深处发展,必须有原理,有精确的数学表达式。认知语言学还没有做到这一步。其结论多有含混、笼统之处。

例如,认知语言学反对乔姆斯基的句法自治观,认为,语法与人类的心理经验、认知模型、知识结构、生理结构等密切相关的。可是,只要问,语法与生理结构到底是什么关系?哪些语法与生理结构相关?说话者立马哑口无言。这就是混合、笼统,经不起细致推敲和反问。

他们常常一言以蔽之,文科不像数学那样,能够做到那么精确的。如果总是以这种借口搪塞,语言学就没有希望了。语言人工智能绝不可能指望这种语言学家的研究结果。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多模态学习是指在一个系统融合多种信息源的学习方法,其信息源可以包括文本、图像、音频、视频等。近年来,多模态学习在机器学习、自然语言处理、计算机视觉、语音识别等领域得到了广泛应用和研究。 在多模态学习领域,最主要的研究进展包括以下几个方面: 1.模态融合:多模态学习的一个主要挑战是如何融合不同模态的信息。目前,有许多模态融合方法被提出,如基于注意力机制的模态融合、基于卷积神经网络的模态融合、基于循环神经网络的模态融合等。 2.跨模态学习:跨模态学习是指在一个模态的数据上进行训练,并在另一个模态的数据上进行测试和应用。跨模态学习的一个主要应用是语音识别,其通过在语音数据上训练模型,并在文本数据上进行测试,从而实现语音识别的功能。 3.多模态生成:多模态生成是指通过多种模态的数据生成一个新的多模态数据。目前,多模态生成的一个主要应用是图像生成,其通过将文本描述与图像数据融合,从而生成新的图像数据。 4.多模态表示学习:多模态表示学习是指将多种模态的数据映射到一个共同的表示空间。目前,多模态表示学习的一个主要应用是图像和文本的关联学习,其通过将图像和文本数据映射到同一表示空间,从而实现图像和文本的检索和关联分析。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值