原文摘自：《中國社會科學文摘》2023年第4期P17—P18

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

語言認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，隨著計算機科學的進步，機器理解和生成自然語言的能力也得到了顯著提升。這些進展為探索語言學習、演化的機制提供了新的視角。 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)的學習能力、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，機器學習領(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。隨著深度學習技術(shù)的發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的方法已經(jīng)可以模擬出復雜的人類語言理解過程，如預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)合腦科學與計算機科學技術(shù)，探索更加高效、靈活的語言學習機制，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理，研究者們希望為設(shè)計更智能的機器語言系統(tǒng)提供理論指導和實踐方案。

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制使得人類能夠“舉一反三”地學習新知識，同時快速適應(yīng)新的語言環(huán)境。

連續(xù)學習能力的研究表明，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。這種靈活的記憶機制為構(gòu)建能夠從小規(guī)模數(shù)據(jù)集中進行高效學習的計算模型提供了靈感。

語言交互學習強調(diào)了人與他人互動過程中的語言習得方式的重要性。未來的研究可以通過借鑒這種交互式的學習模式來改進現(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雜的信息任務(wù)，并開發(fā)出更先進、更具適應(yīng)性的機器學習系統(tǒng)。

(責任編輯：佚名)