原文摘自：《中國社會科學(xué)文摘》2023年第4期P17—P18

作者單位：中國科學(xué)院自動化研究所、腦與智能科技研究院；暨南大學(xué)人工智能學(xué)院。

語言認(rèn)知研究是探討人類大腦如何處理和理解語言的關(guān)鍵領(lǐng)域，它不僅對揭示人類語言智能的基礎(chǔ)有重要意義，還有助于推動基于腦啟發(fā)的語言技術(shù)的發(fā)展。與此同時，隨著計算機(jī)科學(xué)的進(jìn)步，機(jī)器理解和生成自然語言的能力也得到了顯著提升。這些進(jìn)展為探索語言學(xué)習(xí)、演化的機(jī)制提供了新的視角。 在探討大腦如何處理和理解語言方面，研究者們關(guān)注了文本的表征與組合方式、連續(xù)的學(xué)習(xí)能力、多模態(tài)信息融合及計算模型的可解釋性等核心問題。人類的大腦能夠高效地存儲和檢索大量的語言信息，并且通過層級編碼的方式組織復(fù)雜的句法結(jié)構(gòu)。此外，人腦的記憶系統(tǒng)允許我們快速處理新的詞匯和概念，同時將這些新知識與先前的知識相結(jié)合。 相比之下，機(jī)器學(xué)習(xí)領(lǐng)域的研究側(cè)重于構(gòu)建更加智能的語言計算模型，以實現(xiàn)更自然的對話互動和信息檢索能力。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的方法已經(jīng)可以模擬出復(fù)雜的人類語言理解過程，如預(yù)測下一個詞匯或句法結(jié)構(gòu)，并且能夠處理多模態(tài)數(shù)據(jù)輸入。 未來的研究方向?qū)⒓性谌绾谓Y(jié)合腦科學(xué)與計算機(jī)科學(xué)技術(shù)，探索更加高效、靈活的語言學(xué)習(xí)機(jī)制，以及開發(fā)具有高可解釋性的計算模型。通過解析人類大腦的工作機(jī)理，研究者們希望為設(shè)計更智能的機(jī)器語言系統(tǒng)提供理論指導(dǎo)和實踐方案。

文本表征和組合方式的研究展示了大腦如何編碼概念含義，并且使用不同的表征方式來處理不同類型的概念；在句法結(jié)構(gòu)方面，則采用層級編碼的方式如樹型結(jié)構(gòu)來組織詞匯信息。這種高效的存儲與計算機(jī)制使得人類能夠“舉一反三”地學(xué)習(xí)新知識，同時快速適應(yīng)新的語言環(huán)境。

連續(xù)學(xué)習(xí)能力的研究表明，在嬰兒期人們就已經(jīng)具備了從少量樣本中提取出大量規(guī)則的能力，并且通過記憶系統(tǒng)將這些規(guī)則儲存下來，以備將來使用。這種靈活的記憶機(jī)制為構(gòu)建能夠從小規(guī)模數(shù)據(jù)集中進(jìn)行高效學(xué)習(xí)的計算模型提供了靈感。

語言交互學(xué)習(xí)強(qiáng)調(diào)了人與他人互動過程中的語言習(xí)得方式的重要性。未來的研究可以通過借鑒這種交互式的學(xué)習(xí)模式來改進(jìn)現(xiàn)有模型的設(shè)計，在多模態(tài)信息融合方面，研究者們也在探索如何有效地結(jié)合不同類型的感官輸入（如視覺和聽覺）以提高計算系統(tǒng)的性能。

語言認(rèn)知和計算研究領(lǐng)域的交叉合作有望推動我們更好地理解人類大腦如何處理復(fù)雜的信息任務(wù)，并開發(fā)出更先進(jìn)、更具適應(yīng)性的機(jī)器學(xué)習(xí)系統(tǒng)。

(責(zé)任編輯：佚名)