文/唐良元（作者單位：英國倫敦大學高等研究院）

中國著名學者周海中先生曾經指出：“語言智能是人工智能皇冠上的明珠，它對于發展人類的表達能力、思維能力、理解能力等具有十分重要的意義。”近年來，由于人工智能的快速發展，語言智能越來越受到學術界，尤其是語言學界的高度重視和深入研究；在這方面，學術界已經取得了不少可喜的成果。

語言智能（英文language intelligence）是語言信息智能化的過程，也是運用信息技術模仿人類的智能，分析和處理人類語言的過程，更是人工智能的重要組成部分及人機交互認知的重要基礎和手段。另外，語言智能還有力促進語言教學、語言學習的智能化，拓展語言學研究的新領域，在未來教育發展中將發揮越來越重要的作用。

(相關資料圖)

語言智能是信息技術創新發展的時代產物。發展語言智能必須增強科學意識，只有深刻認識語言智能的科學原理，才能深入研究語言智能這個前沿領域。語言智能基于人腦生理屬性、言語認知路徑、語義生成規律，利用大數據與人工智能技術，對語言信息進行標注、抽取、加工、存儲和特征分析，構擬人機語義同構關系，讓機器實施類人言語行為。

語言智能具有文化傳承的服務優勢；語言是文化載體，語言精神反映民族精神。從浩瀚的古典文獻中精選優秀傳統文化素材，從當下日新月異的語言信息洪流中洗練文化精華，傳遞給當代國人，需要語言智能獨特的算力。從既有的語言文字數據中分析發現文化素養和家國情懷，精準實施優秀文化教育，可以成為語言智能的常態服務。

上世紀80年代，美國著名學者霍華德?加德納先生認為，語言智能就是人們運用語言的能力。這種能力是人的認知力、思維力、邏輯力、創造力和表達力的綜合體現；而提高語言能力是對語言智能提出的挑戰性問題。這需要采集相應數據，科學分析個人的知識基礎、思維類型、能力潛質等，分析經驗積累和知識攝取狀況，并通過智能技術手段來推薦個性化知識學習內容。

語言理解是語言智能的主要任務，涉及到語言理解的目標、途徑和主要模型。機器對語言的理解就是確定了概念與語言單元的映射，以及知道承載概念單元的語言屬性，和知曉不同語言單元之間的關系。而語義理解是語言理解的核心，它包括對自然語言知識和常識的學習；語義理解可以通過一系列的人工智能算法以及多場景智能語義分析，將文本解析為結構化的、機器可讀的意圖與詞槽信息。

目前語言智能在多個領域都有應用，主要是四種類型：分類、生成、抽取和校對。分類問題就是給語言對象打標簽，語言對象可以是句子、篇章等；生成問題主要是給原文本生成另一種文本表達，典型的應用是機器翻譯以及人機對話、自動寫作等；抽取問題就是從研究對象提取想要的答案，讓文本信息處理更加方便；校對問題主要是讓機器對給定的處理對象，回答對應信息是否齊全、是否一致、是否準確的問題。

近期由美國人工智能公司OpenAI開發的軟件ChatGPT-4帶來了比ChatGPT背后GPT-3.5更強的推理、計算、邏輯能力，也引發了全民使用的熱潮。在技術發展方面，GPT-4的訓練數據涵蓋了互聯網上的大量網頁、書籍、新聞報道等，數據量達到了45TB，模型規模也更大，擁有1750億個參數。我們期待看到更多的語言模型應用在實際場景中，為語言智能帶來突破性進展，也為人類社會帶來更多的便利和創新。

由上可知，語言智能在人工智能研究中扮演著非常重要的角色。其實，人類對語言的學習與理解并不是完全通過文本本身來完成的，語言只是其背后具體概念與含義的抽象載體。所以，也許通過多模態的建模才能讓機器更好地去理解語言的含義。如何讓機器學習與語言學結合得更加緊密，比如對語言的語義信息、語用信息構建合適的任務形式、模型結構、數據采集與存儲等也是未來值得關注的研究方向。

關鍵詞：