推動(dòng)語言研究跨學(xué)科發(fā)展

　日期：2024-03-20   來源：中國社會(huì)科學(xué)網(wǎng)

　　當(dāng)前語言研究的發(fā)展，已同多個(gè)學(xué)科產(chǎn)生了廣泛交叉與深度融合。語言研究不應(yīng)拘泥于某一特定學(xué)科的研究方法或研究范式，而是要根據(jù)實(shí)際情況和需求與時(shí)俱進(jìn)，不斷創(chuàng)新發(fā)展。認(rèn)知神經(jīng)科學(xué)、計(jì)算語言學(xué)、人工智能等領(lǐng)域的相關(guān)研究及對話合作，有力推動(dòng)了語言研究的跨學(xué)科發(fā)展。

　　認(rèn)知神經(jīng)科學(xué)。語言屬于人腦的高級認(rèn)知機(jī)能，認(rèn)知神經(jīng)科學(xué)的發(fā)展和相關(guān)研究成果對語言研究具有重要推動(dòng)作用。在探索心智與大腦奧秘方面，神經(jīng)科學(xué)和認(rèn)知科學(xué)的研究路徑略有不同。前者重在考察神經(jīng)系統(tǒng)內(nèi)分子和神經(jīng)元之間突觸連接變化過程及大腦中樞控制系統(tǒng)作用，對語言的研究主要基于失語癥或腦損傷患者的臨床案例，考察大腦的語言神經(jīng)機(jī)制及相關(guān)神經(jīng)基礎(chǔ)。后者則重在揭示知覺、學(xué)習(xí)、注意、記憶、推理、語言理解和產(chǎn)出等高級心理現(xiàn)象的認(rèn)知規(guī)律，多采用行為主義研究方法。20世紀(jì)70年代后期，認(rèn)知神經(jīng)科學(xué)打破了認(rèn)知科學(xué)與神經(jīng)科學(xué)的壁壘，運(yùn)用無創(chuàng)性腦功能成像技術(shù)（如PET、fMRI、SPECT、ERPs、MEG等），通過記錄與任務(wù)相關(guān)的關(guān)聯(lián)神經(jīng)元活動(dòng)軌跡，使人們觀察到腦內(nèi)進(jìn)行高級功能活動(dòng)的具體腦區(qū)激活情況，將語言學(xué)研究從描寫人類語言行為推進(jìn)到解釋人類語言能力，在認(rèn)知機(jī)制、神經(jīng)基礎(chǔ)甚至神經(jīng)元層次進(jìn)行深入探討。

　　當(dāng)前，認(rèn)知神經(jīng)科學(xué)對語言的研究和探索是腦科學(xué)領(lǐng)域“王冠上的明珠”，也是人類破解思維的密碼。研究者們通過觀察語言加工過程來討論大腦的認(rèn)知機(jī)制，進(jìn)一步檢驗(yàn)、修正相關(guān)理論，從而推進(jìn)對語言腦機(jī)制的認(rèn)識(shí)與把握。隨著認(rèn)知神經(jīng)科學(xué)的進(jìn)一步發(fā)展，語言研究范式也發(fā)生了一些新變化。比如，研究層次更為深化或微觀化，研究領(lǐng)域呈現(xiàn)交叉化和集成化態(tài)勢，研究方法和手段愈加科學(xué)化和技術(shù)化。語言研究從宏觀層次語言現(xiàn)象描述及創(chuàng)建語言認(rèn)知理論假說，到微觀層次利用技術(shù)手段解釋語言現(xiàn)象和言語行為的腦神經(jīng)機(jī)制，體現(xiàn)出對語言、心智、腦三者之間關(guān)系的研究愈趨自然科學(xué)化。

　　雖然語言研究和認(rèn)知神經(jīng)科學(xué)關(guān)系密切，但兩者之間的兼容性平臺(tái)尚未完全形成。一般而言，語言研究的方向是從理論到驗(yàn)證，而認(rèn)知神經(jīng)科學(xué)的方向則與之相反，是通過實(shí)證研究和數(shù)據(jù)支撐提出相關(guān)的理論假設(shè)。因此，認(rèn)知神經(jīng)科學(xué)的實(shí)證數(shù)據(jù)與語言研究的理論假設(shè)并不能完全對應(yīng)。兩者差異在于，語言研究的研究對象是一般語言知識(shí)，而認(rèn)知神經(jīng)科學(xué)的研究對象則是語言神經(jīng)機(jī)制。大腦中言語處理的神經(jīng)活動(dòng)在幾百毫秒內(nèi)即可完成，是神經(jīng)細(xì)胞的同步活動(dòng)。兩者對象不同，自然結(jié)果不一。此外，是否所有語言問題都可以從認(rèn)知神經(jīng)科學(xué)中找到答案？不同個(gè)體之間語言能力的差異，在腦與神經(jīng)層面存在哪些決定性因素？語言專屬的神經(jīng)腦區(qū)有何特異性？這些都是認(rèn)知神經(jīng)科學(xué)亟待解決的問題。

　　計(jì)算語言學(xué)。計(jì)算語言學(xué)是一個(gè)使用計(jì)算機(jī)處理和分析自然語言的新興學(xué)科，專注于理解和自動(dòng)生成自然語言。傳統(tǒng)語言研究希望從有限的樣本中尋找自然語言的普遍規(guī)律，但自然語言中充滿了例外，僅依據(jù)幾個(gè)特殊例子決定規(guī)則取舍的方法往往缺乏嚴(yán)謹(jǐn)性。在此背景下，以提供大量客觀、可靠的語言資源為特征的語料庫則較好地解決了這一問題。當(dāng)前，語言數(shù)據(jù)庫建設(shè)及語料庫語言學(xué)的崛起，是計(jì)算語言學(xué)發(fā)展的重要標(biāo)志?！按笠?guī)?！焙汀罢鎸?shí)”是語料庫語言數(shù)據(jù)的核心特征。面對大規(guī)模真實(shí)文本處理的現(xiàn)實(shí)需求，語料庫分析方法成為傳統(tǒng)規(guī)則分析方法的有力補(bǔ)充。在語言信息獲取方面，計(jì)算語言學(xué)從傳統(tǒng)的“內(nèi)省”方式過渡到“語料”證據(jù)方式，從“基于規(guī)則”的傳統(tǒng)研究方法轉(zhuǎn)向“基于大量自然語料”的數(shù)據(jù)統(tǒng)計(jì)方法，幫助人們從海量語言素材中總結(jié)語言規(guī)則，并將這些規(guī)則應(yīng)用于自然語言處理。

　　計(jì)算語言學(xué)對語言的研究方法，主要涉及形式化方法、自動(dòng)剖析算法以及統(tǒng)計(jì)方法。在語音、詞匯、形態(tài)、句法、語義、語用等方面的自動(dòng)處理中，經(jīng)常會(huì)使用各種形式化方法。自動(dòng)剖析算法中的“剖析”是英語parser的音譯兼意譯，指分析語言的結(jié)構(gòu)，即把線性的語言符號串轉(zhuǎn)化成某種形式化的結(jié)構(gòu)表達(dá)式（如依存關(guān)系樹、線圖等），常見的分析方法有自下而上分析法（bottom-up parser）和自上而下分析法（top-down parser）。在大規(guī)模真實(shí)文本的語料庫處理中，行之有效的統(tǒng)計(jì)方法包括自然語言的馬爾可夫模型（Markov model）、N元語法模型（N-gram model）和邏輯斯蒂回歸（logistic regression）。

　　自然語言中存在語義模糊、高語境相關(guān)性、語法靈活、不規(guī)范等現(xiàn)象。因此，計(jì)算語言學(xué)面臨文本標(biāo)注與分類（text annotation and classification）、信息檢索（information retrieval）、詞義消歧（word sense disambiguation）、本體匹配（ontology matching）等問題。相關(guān)研究發(fā)現(xiàn)，人們對句子語義的理解比較靈活，涵蓋“自下而上”和“自上而下”兩種不同的加工過程，而理解自然語言則是計(jì)算語言學(xué)的重要內(nèi)容。創(chuàng)建更準(zhǔn)確的語言模型，開發(fā)更好的算法剖析大型數(shù)據(jù)集，提高機(jī)器翻譯能力，在處理歧義、反語、隱喻、語篇結(jié)構(gòu)等復(fù)雜語言現(xiàn)象時(shí)提高效率等，成為擺在研究者面前的現(xiàn)實(shí)問題。此外，不同類型數(shù)據(jù)源的準(zhǔn)確性和可解釋性、從社交媒體收集大量文本數(shù)據(jù)時(shí)的隱私和倫理等問題也不容忽視。

　　人工智能。人工智能與人類語言研究密切相關(guān)，語言智能是人工智能的重要內(nèi)容。語言智能研究是基于語言數(shù)據(jù)的人工智能研究，主要通過各類數(shù)字技術(shù)處理和分析人類語言，從而實(shí)現(xiàn)人機(jī)交互和人機(jī)協(xié)同（如語音識(shí)別、語音合成、機(jī)器翻譯、智能問答等），并希望通過模仿人類語言智能來破解人類語言奧秘。而基于人腦生理機(jī)制和語義處理規(guī)則，借助大數(shù)據(jù)、深度學(xué)習(xí)等技術(shù)對言語信息進(jìn)行解析、標(biāo)注、加工和特征處理等，或許可以讓機(jī)器擁有更為高級的言語行為能力。

　　人工智能的快速發(fā)展，也對語言研究影響深遠(yuǎn)。作為人工智能重點(diǎn)領(lǐng)域的自然語言處理，能夠幫助人們快速處理大量文本數(shù)據(jù)，并從中提取有意義的見解，是實(shí)現(xiàn)人機(jī)對話、機(jī)器翻譯和語言教學(xué)的根基所在。比如，以大語言模型和生成式人工智能為代表的數(shù)字技術(shù)，就在語言教學(xué)與研究領(lǐng)域應(yīng)用廣泛，而且拓寬了語言學(xué)的研究視野，并為數(shù)字人文研究帶來了新的機(jī)遇。盡管人工智能可以作為語言研究的有力工具，但由于其在自然語言處理方面的解釋性和準(zhǔn)確性有限，所以目前尚不能完全取代傳統(tǒng)的語言研究方法。探索語言研究的新范式與新路徑，助推語言相關(guān)學(xué)科協(xié)同發(fā)展，幫助研究者了解和掌握數(shù)字人文研究方法，提升運(yùn)用數(shù)字技術(shù)開展語言研究的能力，是學(xué)界需要關(guān)注的問題。

　　認(rèn)知、計(jì)算、人工智能三者內(nèi)在聯(lián)系緊密。基于認(rèn)知的語言研究重在厘清言語理解及其產(chǎn)生的認(rèn)知機(jī)制與神經(jīng)基礎(chǔ)，而基于計(jì)算和人工智能的語言研究則著力于進(jìn)行智能模擬。認(rèn)知神經(jīng)科學(xué)的研究結(jié)果可以為語言研究提供理論假設(shè)和事實(shí)依據(jù)，而計(jì)算和人工智能在發(fā)展過程中則會(huì)不斷產(chǎn)生新的應(yīng)用需求，反過來又可以促進(jìn)認(rèn)知研究的發(fā)展。基于三者的辯證統(tǒng)一關(guān)系，語言研究將從單一學(xué)科模式擴(kuò)展到相關(guān)學(xué)科彼此交叉整合的跨學(xué)科模式，以此揭示語言、心智、大腦之間的奧秘。研究方法將從單一維度擴(kuò)展到多維度體系，從理論思辨和觀察行為實(shí)驗(yàn)結(jié)果的外部研究過渡到同認(rèn)知神經(jīng)科學(xué)實(shí)驗(yàn)內(nèi)部研究結(jié)果相互印證的內(nèi)外互動(dòng)系統(tǒng)。

　　隨著時(shí)代發(fā)展和科技進(jìn)步，不同學(xué)科之間的相互滲透、交叉融合不斷增多，漸趨形成協(xié)同發(fā)力、聯(lián)合攻關(guān)的新局面，這也是各學(xué)科尋求新突破的自然交融。語言研究應(yīng)加強(qiáng)跨學(xué)科交叉研究，注重吸收多種學(xué)科的研究成果，充分借鑒不同學(xué)科的研究理念和研究方法，推進(jìn)多學(xué)科視角下的語言研究融合發(fā)展，推進(jìn)新時(shí)代語言研究的理論與應(yīng)用協(xié)同發(fā)展，從而更好地服務(wù)時(shí)代和社會(huì)發(fā)展需求。

　　（本文系國家社科基金一般項(xiàng)目“基于語碼轉(zhuǎn)換加工機(jī)制的雙語能力提升路徑研究”（21BYY100）階段性成果）

　　（作者系蘇州科技大學(xué)外國語學(xué)院副教授）