鄭 偉 尹嘉怡

一 人工智能、心智與語(yǔ)言

1956 年，“人工智能”（artificial intelligence，簡(jiǎn)稱“AI”）這一概念在美國(guó)達(dá)特茅斯會(huì)議上被正式提出，在此之后的近七十年里，人工智能已經(jīng)由一個(gè)新生領(lǐng)域迅速成長(zhǎng)為21 世紀(jì)的時(shí)代主題之一。人工智能的出現(xiàn)和崛起伴隨著計(jì)算機(jī)科學(xué)各領(lǐng)域的高速發(fā)展，短短幾十年間，它們共同打造了這個(gè)時(shí)代的特殊行為方式，甚至塑造了帶有鮮明時(shí)代特征的思維模式。如今，弱人工智能階段結(jié)下的碩果使得人們對(duì)于強(qiáng)人工智能時(shí)代的到來(lái)充滿了幻想。然而，擁有心智的強(qiáng)人工智能可能不會(huì)如期而至，通往通用人工智能的道路尚不明晰，其中最關(guān)鍵的原因就是人類對(duì)于自身智能和心智的了解還十分有限。

另一方面，在人類對(duì)于自身智能的探索中，語(yǔ)言問(wèn)題始終是其核心之一。就目前的知識(shí)水平而言，我們認(rèn)為語(yǔ)言不但是人區(qū)別于其他動(dòng)物的“高級(jí)”行為，更是人的思維工具，同時(shí)還是人反觀自身心智（mind）的窗口。只有人類了解清楚自身的運(yùn)行方式，機(jī)器對(duì)人的模擬才能有據(jù)可依。達(dá)特茅斯夏季人工智能研究項(xiàng)目提案中曾明確表示，（人工智能）這項(xiàng)研究是在這樣一個(gè)假設(shè)的基礎(chǔ)上開展的，即假設(shè)學(xué)習(xí)的每一個(gè)方面或智能的任何其他特征原則上都可以被精確地描述，從而使得機(jī)器可以模擬它。(1)② McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E., “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”, August 31, 1955.AI Magazine, vol.27, no.4, 2006, p.2.因此，無(wú)論是為了賦予機(jī)器智能，還是為了探索人類自身，語(yǔ)言始終是人類的重要課題之一。

（一）何謂人工智能？

要對(duì)人工智能下一個(gè)精準(zhǔn)的定義，無(wú)疑是有點(diǎn)困難的。人工智能在短短幾十年間經(jīng)歷了高速發(fā)展，它從機(jī)器模擬人類智能這一設(shè)想出發(fā)，經(jīng)過(guò)數(shù)學(xué)、計(jì)算機(jī)科學(xué)、生理學(xué)、認(rèn)知科學(xué)、語(yǔ)言學(xué)等學(xué)科的推動(dòng)，發(fā)展為橫跨多個(gè)研究領(lǐng)域、遍布各個(gè)應(yīng)用場(chǎng)景的一項(xiàng)技術(shù)。

人工智能的概念往往會(huì)伴隨其自身發(fā)展水平以及人類的期望發(fā)生變化。起初，人工智能的目標(biāo)是使計(jì)算機(jī)使用語(yǔ)言，形成抽象的概念，解決人類的各種問(wèn)題，以及提升自身。②如今看來(lái)，機(jī)器語(yǔ)言的發(fā)展已經(jīng)較為成熟，計(jì)算機(jī)提取和分析信息的能力也大大提升，機(jī)器學(xué)習(xí)的效果有所提高，計(jì)算機(jī)針對(duì)特定任務(wù)的表現(xiàn)也令人驚喜。但是，這些成果在今天大多被歸結(jié)為計(jì)算而非智能。人工智能在上一階段取得的成果往往很快被排除在人工智能的新定義之外，這一現(xiàn)象被稱為“人工智能效應(yīng)”。因此，對(duì)于“計(jì)算機(jī)所表現(xiàn)出的智能”這一議題，當(dāng)下存在兩種大相徑庭的理解：一種認(rèn)為人工智能指的是一個(gè)系統(tǒng)正確地解釋外部數(shù)據(jù)，從這些數(shù)據(jù)中學(xué)習(xí)，并通過(guò)靈活的適應(yīng)使用這些學(xué)習(xí)來(lái)實(shí)現(xiàn)特定目標(biāo)和任務(wù)的能力，(2)Haenlein, M., & Kaplan, A., “A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence”,California Management Review, vol.61, no.4, 2019, pp.5-14.即弱人工智能；另一種則認(rèn)為人工智能可以達(dá)到與人類擁有同等或超越人類智慧的水平，即強(qiáng)人工智能，又名通用人工智能。(3)Kurzweil, R.,The Singularity Is Near: When Humans Transcend Biology, London: Viking Penguin, 2005, p.204.在前者的含義中，人工智能只能實(shí)現(xiàn)人類智能的部分內(nèi)容；而后者則認(rèn)為人工智能最終可以復(fù)現(xiàn)甚至超越人類智能。目前人工智能領(lǐng)域的成果與工作都屬于弱人工智能，而強(qiáng)人工智能僅僅是一個(gè)頗具科幻色彩的愿景。當(dāng)然，強(qiáng)人工智能的到來(lái)對(duì)于人類來(lái)說(shuō)無(wú)疑是充滿吸引力的。當(dāng)被問(wèn)及人工智能的目標(biāo)是否是人類水平的智能時(shí)，人工智能之父麥卡錫（John McCarthy）對(duì)此表示認(rèn)同，他說(shuō)道：“最終的努力是制造出能解決問(wèn)題并且達(dá)成世界和人類的目標(biāo)的計(jì)算機(jī)程序。”(4)此段話英文原文引自麥卡錫于2007 年一篇題為“What is artificial intelligence”的訪談錄（第5 頁(yè)），可參看以下網(wǎng)頁(yè)：wwwformal.stanford.edu/jmc/。這意味著人工智能還有很長(zhǎng)的路要走。

人工智能的進(jìn)步與人類對(duì)自身智能的認(rèn)識(shí)的增長(zhǎng)是密不可分、相輔相成的。作為啟蒙人工智能的天才設(shè)想，圖靈機(jī)的形象也啟發(fā)了人類對(duì)于自身心智構(gòu)造的想象。在對(duì)信息的處理過(guò)程中，人腦和計(jì)算機(jī)都可以通過(guò)符號(hào)進(jìn)行表征，進(jìn)一步進(jìn)行邏輯推理和計(jì)算。基于這一符號(hào)主義的思想，人工智能一路高歌猛進(jìn)，最終在模擬人的計(jì)算推理能力上取得了重大突破。2017 年，人工智能機(jī)器人阿爾法圍棋（AlphaGo）戰(zhàn)勝了圍棋世界冠軍。在涉及大規(guī)模計(jì)算和推理的任務(wù)中，人工智能已經(jīng)可以實(shí)現(xiàn)比人腦更出色的性能。然而，正好像日行千里的飛機(jī)并不等同或者優(yōu)于鳥類，同樣地，在智能的其他方面，人工智能的表現(xiàn)甚至不如一個(gè)孩童。當(dāng)符號(hào)主義帶來(lái)的狂歡逐漸落幕，近年來(lái)人工智能重新將視線投向聯(lián)結(jié)主義（connectionism），即另一副人類心智構(gòu)造的理論形象，這也帶來(lái)了當(dāng)前以深度人工神經(jīng)網(wǎng)絡(luò)為代表的新一輪人工智能發(fā)展浪潮。

此外，基于行為主義和控制論的另一派從人工智能與外部環(huán)境的交互這一角度出發(fā)，也在探索著心智的來(lái)源。總之，無(wú)論從哪個(gè)方向推進(jìn)人工智能，其目標(biāo)都是更多地將人類智能遷移到人工智能上，其中的關(guān)鍵就在于人類對(duì)于心智這一黑箱的解密。可以說(shuō)，人工智能的形象是變化的，而人工智能的目標(biāo)是永恒的。

（二）心智與智能

無(wú)可否認(rèn)的是，人類這一物種與自然界其他產(chǎn)物的最大區(qū)別就是人類是有意識(shí)的。人可以調(diào)動(dòng)思維協(xié)調(diào)自身的感知與外部世界互動(dòng)，并對(duì)這些經(jīng)驗(yàn)進(jìn)行加工，產(chǎn)生記憶、智力、想象、情感、語(yǔ)言等能力。正如同笛卡爾（Rene? Descartes）所經(jīng)歷的那樣，他無(wú)法懷疑他自己作為一個(gè)有自我意識(shí)的存在正在思考，我們也無(wú)時(shí)無(wú)刻處在思考之中。自從發(fā)現(xiàn)自身的這些機(jī)制起，人就一直在嘗試著定義和描述它們。但相比于描述物理世界中其他作為客體的存在，對(duì)人的精神層面的要素、結(jié)構(gòu)、運(yùn)作方式等進(jìn)行描述是更加困難的。在科學(xué)尚未建立的年代，先哲們多采用“心靈”（soul）一詞來(lái)概括人的這種機(jī)制，是否擁有心靈這一屬性也被認(rèn)為是判斷物體有無(wú)生命的依據(jù)。隨著人進(jìn)一步探索自身的心理狀態(tài)和思維活動(dòng)，“心智”（mind）一詞在心理學(xué)中被廣泛接受。對(duì)于心智的研究包括與認(rèn)知相關(guān)的部分，例如意識(shí)、思維、記憶、想象、推理、語(yǔ)言等能力。人的注意、感覺、情緒、情感、潛意識(shí)等屬性也是心理學(xué)關(guān)注和研究的對(duì)象。

當(dāng)年麥卡錫選擇“人工智能”這個(gè)名稱來(lái)命名這一新生學(xué)科，但比起“心智”這一廣泛的概念，“智能”幾乎不關(guān)注人的知覺、情緒、潛意識(shí)、情感等部分，而是著眼于人類心智中理性的部分，這種西方的理性主義傳統(tǒng)在人工智能的進(jìn)程中也得到了彰顯。智能的概念還包含著進(jìn)化主義的色彩，即人類的心智能力同其他能力一樣，是人類在漫長(zhǎng)的進(jìn)化進(jìn)程中獲得的，因此，可以假設(shè)機(jī)器也能夠獲得這種能力，甚至能夠循著人類進(jìn)化的軌跡，通過(guò)模仿人的結(jié)構(gòu)和行為以獲得智能。據(jù)戴維斯（Randall Davis）的觀點(diǎn)，與本能和刺激—反應(yīng)關(guān)聯(lián)相比，智能行為具有以下特征：（1）預(yù)測(cè)；（2）對(duì)變化的反應(yīng)；（3）意向性的行動(dòng)；（4）推理。(5)Davis, Randall, “What Are Intelligence? and Why?” , 1996 AAAI Presidential Address,Ai Magazine, vol.19, no.1, 1998, pp. 91-110.除意向性問(wèn)題外，目前人工智能已經(jīng)基本具備了預(yù)測(cè)、對(duì)變化作出反應(yīng)以及推理的能力，但我們依然不能承認(rèn)人工智能已經(jīng)具備了全面的智能，其中的緣由就包括意向性問(wèn)題難以得到解決。塞爾（John Searle）認(rèn)為：“意向性是某些心理狀態(tài)和事件的特征，它是心理狀態(tài)和事件（在以下這些詞的特殊含義上）指向、關(guān)于、涉及或表現(xiàn)某些其他客體和事態(tài)的特征?！?6)[ 美 ]約翰·塞爾：《心、腦與科學(xué)》，楊音萊譯，上海：上海譯文出版社，2016 年，第110 頁(yè)。意向性是比意圖、意識(shí)更為基礎(chǔ)的結(jié)構(gòu)，意圖只是意向性的一種，并非所有的意向狀態(tài)都是有意識(shí)的。(7)陶鋒：《人工智能語(yǔ)言的哲學(xué)闡釋》，《南開學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》 2020 年第3 期，第80 頁(yè)。也就是說(shuō)，人類的行動(dòng)都處于意向狀態(tài)中，即使機(jī)器實(shí)現(xiàn)了多種智能行為，但它仍然是由人操控的，其行動(dòng)并不具有意向性。但是，就人的意向性從何而來(lái)這一問(wèn)題我們還無(wú)從下手。

除了上述對(duì)于智能行為本身研究的困難，隨著人工智能技術(shù)的廣泛應(yīng)用以及人工智能的升級(jí)需要，現(xiàn)今對(duì)于所謂“智能”的構(gòu)想中已經(jīng)包含了心智的其他部分。除了高性能計(jì)算外，人工智能的發(fā)展前景中大量涉及其對(duì)人類心智中其他部分的理解，例如機(jī)器感知、情緒識(shí)別、語(yǔ)義理解以及人機(jī)交互的各類情景?？梢灶A(yù)見，未來(lái)對(duì)于人類智能的研究將會(huì)繼續(xù)深入，人工智能的質(zhì)變也將取決于我們對(duì)心智的突破性認(rèn)識(shí)。作為人類恒久而又強(qiáng)烈的疑問(wèn)，心智問(wèn)題是當(dāng)代所有學(xué)科共同面對(duì)的課題。

（三）機(jī)器語(yǔ)言與自然語(yǔ)言

笛卡爾的貢獻(xiàn)之一，是提出了人類心理與動(dòng)物心理比較的可能性，并正確地認(rèn)識(shí)到，人類“擁有能夠表現(xiàn)發(fā)射性的理性思維的創(chuàng)造性語(yǔ)言”，同時(shí)也把“語(yǔ)言看作人類一種獨(dú)有的天生的能力”。(8)[ 美 ]黎黑（T. H. Leahey）：《心理學(xué)史：心理學(xué)思想的主要趨勢(shì)》，劉恩久等譯，上海：上海譯文出版社，1990 年，第124 頁(yè)。思維使得人在與世界的互動(dòng)中具有獨(dú)特性。它使得人類在與世界互動(dòng)、獲得經(jīng)驗(yàn)時(shí)具有自我意識(shí)，也使得人可以采取相較于動(dòng)物更有靈活性的行動(dòng)。最重要的是，思維使人能夠運(yùn)用語(yǔ)言。在人類心智的各個(gè)組成部分中，語(yǔ)言具有無(wú)可替代的特殊地位。語(yǔ)言是我們組織和建構(gòu)自身心智其他成分的工具。通過(guò)語(yǔ)言，心智的其他部分得以顯現(xiàn)，人類得以傳遞感受、表達(dá)思想。在個(gè)體和其他個(gè)體的交流中，語(yǔ)言是重要的媒介。最后，語(yǔ)言在社群中的廣泛使用使得語(yǔ)言成為一種建構(gòu)社會(huì)文化、形成社會(huì)經(jīng)驗(yàn)、塑造社會(huì)思維方式的力量。正是基于對(duì)人類語(yǔ)言的觀察和思考，1710 年萊布尼茨（G. W. Leibniz）提出建立一種人工的普遍語(yǔ)言的設(shè)想，這種由符號(hào)和數(shù)理邏輯建構(gòu)起來(lái)的語(yǔ)言比自然語(yǔ)言更為簡(jiǎn)潔和明確。(9)劉輝：《普遍語(yǔ)言與人工智能——萊布尼茨的語(yǔ)言觀探析》，《外語(yǔ)學(xué)刊》 2020 年第1 期，第124 頁(yè)。這一構(gòu)想在日后隨著計(jì)算機(jī)的誕生和發(fā)展衍生成為程序語(yǔ)言。因此，我們可以將程序語(yǔ)言看作人類自然語(yǔ)言的一個(gè)變種。對(duì)于機(jī)器來(lái)說(shuō)，程序語(yǔ)言的出現(xiàn)賦予了它進(jìn)行邏輯思維的工具。與人類語(yǔ)言的性能和表現(xiàn)類似，程序語(yǔ)言使計(jì)算機(jī)能夠組織和調(diào)用內(nèi)部的各個(gè)要素，同時(shí)它使得計(jì)算機(jī)可以反饋信息處理的結(jié)果，機(jī)器與機(jī)器之間也可以傳遞信號(hào)，最終在計(jì)算機(jī)領(lǐng)域形成特定的運(yùn)作模式和文化。程序語(yǔ)言已經(jīng)發(fā)展成熟，成為了計(jì)算機(jī)的基本組成部分之一。從使用機(jī)器語(yǔ)言到產(chǎn)出邏輯思維結(jié)果來(lái)看，如今人工智能確實(shí)已經(jīng)了達(dá)到了多種和人近似的表現(xiàn)。除了上文提到超出人類的計(jì)算表現(xiàn)，語(yǔ)音識(shí)別、機(jī)器翻譯以及各類人工智能終端產(chǎn)品中的人機(jī)交互都仿佛顯示了人工智能可以成功理解和模擬人的行為。

但是，當(dāng)我們從另一個(gè)角度理解人的語(yǔ)言與機(jī)器的語(yǔ)言，進(jìn)而探討人工智能是否能獲得思維能力時(shí)，人工智能的“進(jìn)化”或許并不十分順利。笛卡爾假設(shè)人類心靈中有一種內(nèi)在語(yǔ)言，這區(qū)別于不同族群所使用的特定的語(yǔ)言，這是人類特有的心智屬性。(10)[ 美 ]黎黑：《心理學(xué)史：心理學(xué)思想的主要流派》（第6 版），蔣柯等譯，上海：上海人民出版社，2013 年，第120 頁(yè)。從這一觀點(diǎn)來(lái)看，語(yǔ)言并不只是人為的產(chǎn)物，它是根植于人類這一物種的特有的機(jī)制和能力。這種人類語(yǔ)言“內(nèi)在主義”（internalist）的觀念在喬姆斯基（Noam Chomsky）那里得到了繼承，進(jìn)而影響至今。喬姆斯基將這種人類特有的能力稱為“語(yǔ)言官能”(11)或譯作“語(yǔ)言器官”“語(yǔ)言機(jī)能”等。（language faculty）。他還區(qū)分了語(yǔ)言能力（linguistic competence）和語(yǔ)言運(yùn)用（linguistic performance），語(yǔ)言能力是內(nèi)化語(yǔ)言規(guī)則所形成的認(rèn)知能力，語(yǔ)言運(yùn)用則是一個(gè)人調(diào)用語(yǔ)言能力的外在表現(xiàn)。兒童可以理解一句從未聽過(guò)的話并快速習(xí)得，人在日常的語(yǔ)言使用中也可以創(chuàng)造和運(yùn)用各種“不合文法”的口頭禪。隨著互聯(lián)網(wǎng)和人工智能深入我們的日常生活，人類的語(yǔ)言運(yùn)用中驚人的創(chuàng)造力也回應(yīng)了海德格爾（Martin Heidegger）對(duì)于“語(yǔ)言機(jī)器”的擔(dān)憂。1957 年，海德格爾就可以進(jìn)行思考和翻譯的機(jī)器展開討論，他認(rèn)為語(yǔ)言機(jī)器從“機(jī)器的能量和功能中已經(jīng)規(guī)整并限定了我們語(yǔ)言的可能使用方式”。(12)陶鋒：《人工智能語(yǔ)言的哲學(xué)闡釋》，《南開學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》 2020 年第3 期，第82 頁(yè)。

目前我們看到的是，計(jì)算機(jī)和互聯(lián)網(wǎng)的發(fā)展非但沒有限制人類的語(yǔ)言運(yùn)用，它們反而給使用網(wǎng)絡(luò)語(yǔ)言的流行文化提供了一片沃土。同時(shí)，一個(gè)人可以一邊使用程序語(yǔ)言與機(jī)器交流，一邊和身邊的人輕松地對(duì)話，這證明了人類對(duì)于符號(hào)的操縱能力遠(yuǎn)遠(yuǎn)高出機(jī)器的能力。我們認(rèn)為，當(dāng)前的主要議題應(yīng)該是機(jī)器對(duì)自然語(yǔ)言的存儲(chǔ)、理解以及反饋，而非擔(dān)心人類特有的“詩(shī)的語(yǔ)言”的消亡。

總之，人的自然語(yǔ)言難以被計(jì)算機(jī)完全“習(xí)得”，一方面是由于人類語(yǔ)言運(yùn)用所產(chǎn)出的語(yǔ)言事實(shí)是海量的、復(fù)雜的、不完全受規(guī)則限制的；另一方面，人的語(yǔ)言能力的內(nèi)部結(jié)構(gòu)和生理基礎(chǔ)尚不明確。由于心智對(duì)人來(lái)說(shuō)仍然是一個(gè)巨大的謎團(tuán)，因此，當(dāng)下人工智能學(xué)科的性質(zhì)仍然是智能化機(jī)器建造的工程學(xué)科與對(duì)人類智能計(jì)算建模的經(jīng)驗(yàn)學(xué)科。我們認(rèn)為，未來(lái)很長(zhǎng)一段時(shí)間，機(jī)器語(yǔ)言需要學(xué)習(xí)的仍然是人類自然語(yǔ)言中可以被符號(hào)化、形式化、結(jié)構(gòu)化的部分，其目標(biāo)是提升性能和表現(xiàn)，而非模仿人的方方面面。

二 探索語(yǔ)言的兩種路徑：語(yǔ)言學(xué)和人工智能

語(yǔ)言是介于人類思想與外部世界中間的一扇窗，也是人類認(rèn)識(shí)心智和改造世界的鎖鑰?？梢哉f(shuō)，對(duì)語(yǔ)言的發(fā)問(wèn)和求索是有關(guān)整個(gè)人類歷史最重要的主題之一。在人類對(duì)語(yǔ)言的探索過(guò)程中，語(yǔ)言學(xué)與人工智能從不同的觀察視角和研究路徑出發(fā)。在這條道路上，這兩個(gè)學(xué)科對(duì)彼此的進(jìn)程也產(chǎn)生了深刻的影響。

語(yǔ)言的系統(tǒng)研究并非始于對(duì)心智的好奇。起初，語(yǔ)言對(duì)人來(lái)說(shuō)是一套約定俗成的規(guī)范。隨著語(yǔ)言材料的大量積累，19 世紀(jì)的歷史比較語(yǔ)言學(xué)開始系統(tǒng)地對(duì)語(yǔ)言展開研究，并從中發(fā)現(xiàn)了不同語(yǔ)言之間的發(fā)生學(xué)關(guān)系，語(yǔ)言的共性（universal）研究開始浮現(xiàn)。在那些被觀察到的語(yǔ)言事實(shí)中，一部分是符合規(guī)范的、穩(wěn)定的，而另一部分是隨意的、多變的?！艾F(xiàn)代語(yǔ)言學(xué)之父”索緒爾（F. D. Saussure）將人類語(yǔ)言活動(dòng)中的這兩者定義為語(yǔ)言（langue）和言語(yǔ)（parole）。他將語(yǔ)言看作一個(gè)獨(dú)立的系統(tǒng)，大力倡導(dǎo)從共時(shí)（synchronic）角度分析語(yǔ)言系統(tǒng)內(nèi)部要素的關(guān)系和規(guī)律。索緒爾一反歷史比較語(yǔ)言學(xué)之研究傳統(tǒng)，拋棄了“言語(yǔ)、外部、歷時(shí)、實(shí)體”等研究對(duì)象，力主以“語(yǔ)言、內(nèi)部、共時(shí)、形式”為中心建立起現(xiàn)代語(yǔ)言學(xué)理論。自此，結(jié)構(gòu)主義學(xué)派對(duì)于語(yǔ)言系統(tǒng)內(nèi)部的分析描繪出了人類語(yǔ)言的成分、結(jié)構(gòu)和關(guān)系。這一時(shí)期對(duì)于語(yǔ)言的關(guān)注，無(wú)疑使人獲得了觀察和理解語(yǔ)言的新視角，在不同的地域和種族內(nèi)，語(yǔ)言系統(tǒng)如同初始設(shè)置一樣伴隨著人類存在。

20 世紀(jì)50 年代，隨著人工智能、認(rèn)知心理學(xué)等學(xué)科逐步建立與發(fā)展，人們對(duì)心智的好奇心被重新喚醒。在語(yǔ)言問(wèn)題上，人也不僅僅滿足于對(duì)語(yǔ)言事實(shí)的描寫和分析，開始更關(guān)心語(yǔ)言究竟從何而來(lái)、又何以至此。喬姆斯基是這一轉(zhuǎn)向的代表人物，他堅(jiān)定地將其理論基點(diǎn)定位于“語(yǔ)言與心智”的關(guān)系上，這從其專著《語(yǔ)言與心智》(13)Chomsky, Noam,Language and Mind, New York: Harcourt Brace Jovanovich, 1968 (Extended Edition 1972)；[ 美 ]喬姆斯基：《語(yǔ)言學(xué)對(duì)心智研究的貢獻(xiàn)》，《喬姆斯基語(yǔ)言哲學(xué)文選》，徐烈炯、尹大貽、程雨民譯，北京：商務(wù)印書館，1992 年，第13—123 頁(yè)。中可見一斑。他的名言“語(yǔ)言是心智的窗口”是這一立場(chǎng)的具體反映。喬姆斯基力圖描繪人類語(yǔ)言能力中的規(guī)則，他將之命名為普遍語(yǔ)法（universal grammar）。普遍語(yǔ)法并不是規(guī)則的集合，相反地，它討論了人類語(yǔ)言中“有限規(guī)則的無(wú)限使用”，即語(yǔ)言的生成性。對(duì)于生成性的解釋，喬姆斯基受到了圖靈（Alan M. Turing）的啟發(fā)。圖靈在心智的計(jì)算理論上的一個(gè)重要貢獻(xiàn)就是清晰地提出了遞歸函數(shù)理論用以刻畫心智的計(jì)算操作，這對(duì)喬姆斯基的影響無(wú)疑是巨大的。(14)李曙光：《喬姆斯基語(yǔ)言心智理論中的計(jì)算主義思想：源頭、實(shí)質(zhì)與影響》，《南京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》 2020 年第1 期，第146 頁(yè)。遞歸性的發(fā)現(xiàn)使得我們能夠理解人類語(yǔ)言的生成性。由此可見，計(jì)算理論的發(fā)展也極大地啟發(fā)了人類對(duì)于語(yǔ)言和心智的理解。蘊(yùn)藏在句法背后的，不僅僅是一套規(guī)則，而是無(wú)窮的動(dòng)態(tài)性和創(chuàng)造性。直到今天，人工智能模擬和學(xué)習(xí)人的語(yǔ)言，不僅僅帶來(lái)了各種人工智能技術(shù)及產(chǎn)品，更重要的是它向人類展示了它們所擁有的自然語(yǔ)言的潛力與深度。在機(jī)器與人的競(jìng)賽中，它可以在計(jì)算這一單元遠(yuǎn)勝人類，卻無(wú)法成功應(yīng)對(duì)來(lái)自語(yǔ)言的挑戰(zhàn)。從這個(gè)角度來(lái)說(shuō)，未來(lái)人工智能在自然語(yǔ)言分析方面的努力仍然有著漫長(zhǎng)的道路要走。

雖然轉(zhuǎn)換生成語(yǔ)法學(xué)派帶來(lái)的影響力不可忽視，在對(duì)人類語(yǔ)言的理性闡釋中仍然占據(jù)著主流地位，但隨著科技和認(rèn)知的發(fā)展，語(yǔ)義問(wèn)題與語(yǔ)言的體驗(yàn)性逐漸進(jìn)入科學(xué)的視線。20 世紀(jì)50、60 年代以來(lái)，認(rèn)知功能語(yǔ)言學(xué)派從認(rèn)知和體驗(yàn)的角度對(duì)轉(zhuǎn)換生成語(yǔ)言學(xué)派展開批判和補(bǔ)充。這一學(xué)科的出現(xiàn)拓寬了語(yǔ)言學(xué)的研究視野，使得人們可以分別從內(nèi)省和經(jīng)驗(yàn)兩個(gè)方向來(lái)研究語(yǔ)言及心智。事實(shí)上，認(rèn)知語(yǔ)言學(xué)與未來(lái)人工智能所關(guān)心的課題是十分相近的。從研究主題上來(lái)說(shuō)，認(rèn)知語(yǔ)言學(xué)中許多理論與當(dāng)下人工智能的發(fā)展需求不謀而合。例如，原型范疇、概念、隱喻—轉(zhuǎn)喻理論與自然語(yǔ)言理解的需求聯(lián)系非常緊密；具身性（embodied）經(jīng)驗(yàn)、互動(dòng)經(jīng)驗(yàn)也與人工智能機(jī)器人的研究理念相契合。

理想化的情況，當(dāng)然是語(yǔ)言學(xué)理論可直接應(yīng)用于人工智能發(fā)展，但現(xiàn)狀并非如此。過(guò)去，語(yǔ)言學(xué)確實(shí)為人工智能語(yǔ)言的構(gòu)建提供了理想的參照。例如，喬姆斯基的語(yǔ)言學(xué)研究成果推動(dòng)了早期人工智能的發(fā)展。在機(jī)器翻譯的早期研究中，美國(guó)的METAL（MEchanical Translation and Analysis of Language）充分利用了喬姆斯基的轉(zhuǎn)換生成語(yǔ)法和短語(yǔ)結(jié)構(gòu)理論。(15)王巍、寇世琪：《喬姆斯基與人工智能》，《自然辯證法研究》 1996 年第10 期，第39 頁(yè)。他所提出的管轄與約束理論（Government and Binding Theory）也被認(rèn)為對(duì)機(jī)器翻譯的提升非常有意義。

正如許多學(xué)科所關(guān)注的，語(yǔ)言學(xué)也在因循著挖掘人類心智的奧秘前進(jìn)。在語(yǔ)言學(xué)的視角中，語(yǔ)言早已不只是簡(jiǎn)單的符號(hào)和規(guī)則的堆砌，相反，它所暗藏的是人類理解自身和世界的方式。更何況，在機(jī)器學(xué)習(xí)人類語(yǔ)言這一“實(shí)驗(yàn)”中，人的語(yǔ)言的復(fù)雜性和靈活性早已經(jīng)不言自明。因此，今天的語(yǔ)言學(xué)理論并不局限于描述的、分析的，更多的是抽象的、辯證的，而使用符號(hào)和規(guī)則的機(jī)器注定無(wú)法直接理解這些內(nèi)容。但與之相對(duì)的是，人工智能并不是一門純理論的學(xué)科。相反，它是一門從經(jīng)驗(yàn)中成長(zhǎng)起來(lái)的學(xué)科。在有了一定的理論基礎(chǔ)后，人工智能需要處理應(yīng)對(duì)的是大量復(fù)雜的數(shù)據(jù)。因此，出于實(shí)用主義，語(yǔ)言學(xué)理論往往不是人工智能的首選?？傊煌膶W(xué)科特性和需求注定了當(dāng)前語(yǔ)言學(xué)與人工智能兩個(gè)學(xué)科存在著分道揚(yáng)鑣、各說(shuō)各話的局面。

現(xiàn)今人工智能為語(yǔ)言學(xué)帶來(lái)了強(qiáng)大的技術(shù)支持，但它對(duì)語(yǔ)言學(xué)研究的傳統(tǒng)所造成的沖擊也不容小覷。康奈爾大學(xué)語(yǔ)言學(xué)系主任約翰·惠特曼（John Whitman）教授在一次采訪中表示：“我認(rèn)為語(yǔ)言學(xué)理論面臨的挑戰(zhàn)并不是轉(zhuǎn)換生成語(yǔ)法與認(rèn)知語(yǔ)言學(xué)的競(jìng)爭(zhēng)，而是語(yǔ)言學(xué)理論日益受到計(jì)算語(yǔ)言學(xué)的挑戰(zhàn)。”(16)③ 鄭國(guó)鋒、John Whitman：《語(yǔ)言學(xué)、語(yǔ)言學(xué)流派、語(yǔ)言學(xué)教育：康奈爾大學(xué)語(yǔ)言學(xué)系主任約翰·惠特曼（John Whitman）教授訪談錄》，《外國(guó)語(yǔ)》 2020 年第5 期，第123 頁(yè)；第123—124 頁(yè)。隨著計(jì)算機(jī)語(yǔ)言處理技術(shù)的發(fā)展，計(jì)算語(yǔ)言學(xué)逐漸發(fā)展為一門獨(dú)立的學(xué)科。它使用計(jì)算機(jī)研究語(yǔ)言，關(guān)注語(yǔ)言中可計(jì)算的部分?；萏芈岬剑?jì)算語(yǔ)言學(xué)依賴于大規(guī)模的語(yǔ)料庫(kù)和統(tǒng)計(jì)分析。轉(zhuǎn)換生成語(yǔ)法與認(rèn)知語(yǔ)言學(xué)的共同之處在于建構(gòu)語(yǔ)言表征，語(yǔ)言學(xué)家們都在討論語(yǔ)義或者結(jié)構(gòu)的表征。與此不同，計(jì)算語(yǔ)言學(xué)家們對(duì)表征沒有興趣，他們對(duì)通過(guò)統(tǒng)計(jì)方法預(yù)測(cè)語(yǔ)言模式感興趣。③

總的來(lái)看，現(xiàn)代語(yǔ)言學(xué)的各種研究學(xué)派之間的論爭(zhēng)圍繞語(yǔ)言研究的不同前提（形式或功能）和哲學(xué)基礎(chǔ)（理性主義或經(jīng)驗(yàn)主義）展開。然而計(jì)算機(jī)和人工智能時(shí)代對(duì)語(yǔ)言研究的挑戰(zhàn)是顛覆性的，算法、算力的發(fā)展促使越來(lái)越多的研究者關(guān)注一般的而非特殊的、現(xiàn)象的而非本質(zhì)的問(wèn)題。不僅僅是計(jì)算語(yǔ)言學(xué)內(nèi)部熱衷于采取這種研究方式，語(yǔ)言學(xué)的其他各個(gè)分支也受到了不同程度的影響。為了迎合機(jī)器的理解需求，我們傾向于挑選語(yǔ)言中一般性的、已知的、易被機(jī)器理解的語(yǔ)言材料，隨后把它們丟進(jìn)模型中即可。如果語(yǔ)言學(xué)研究普遍轉(zhuǎn)向采取這種方法而非分析，那么這種經(jīng)驗(yàn)主義色彩的做法相當(dāng)于使我們看待語(yǔ)言的方式回到了現(xiàn)代語(yǔ)言學(xué)建立之前的狀態(tài)，區(qū)別僅僅是我們可同時(shí)處理的語(yǔ)言材料數(shù)量更大、處理速度更快而已。這種做法的流行很可能使一些語(yǔ)言學(xué)研究者偏離正確的軌道，進(jìn)而偏離了對(duì)語(yǔ)言本質(zhì)的探索。

因此，語(yǔ)言學(xué)需要謹(jǐn)慎地追隨人工智能的浪潮，并始終保持語(yǔ)言學(xué)研究的初心?？茖W(xué)對(duì)普遍真理的追求是建立在對(duì)特殊事物的觀察基礎(chǔ)上的，(17)[ 美 ]黎黑：《心理學(xué)史: 心理學(xué)思想的主要流派》（第6 版），蔣柯等譯，第120 頁(yè)。這一點(diǎn)對(duì)于語(yǔ)言學(xué)研究來(lái)說(shuō)也是適用的。惠特曼對(duì)此持有同樣的看法，“我們應(yīng)該記?。阂晃徽Z(yǔ)言學(xué)工作者不僅僅要致力于弄明白漢語(yǔ)或者英語(yǔ)的基本事實(shí)，更應(yīng)該引導(dǎo)人們明白人類語(yǔ)言的可能事實(shí)。也正是這個(gè)原因，我們致力于少數(shù)民族語(yǔ)言研究、拯救瀕危語(yǔ)言”。(18)鄭國(guó)鋒、John Whitman：《語(yǔ)言學(xué)、語(yǔ)言學(xué)流派、語(yǔ)言學(xué)教育：康奈爾大學(xué)語(yǔ)言學(xué)系主任約翰·惠特曼（John Whitman）教授訪談錄》，《外國(guó)語(yǔ)》 2020 年第5 期，第124 頁(yè)。同時(shí)，計(jì)算主義下的語(yǔ)言學(xué)研究本身也面臨著巨大的挑戰(zhàn)，我國(guó)計(jì)算語(yǔ)言學(xué)發(fā)展中存在著對(duì)于深度學(xué)習(xí)算法本身迷信、忽視語(yǔ)言本體研究、人工智能尚未達(dá)到應(yīng)有的理解水平等問(wèn)題。(19)耿立波、酆格斐、詹衛(wèi)東、楊亦鳴：《中國(guó)計(jì)算語(yǔ)言學(xué)研究現(xiàn)狀與展望》，《語(yǔ)言科學(xué)》 2021 年第5 期，第195 頁(yè)?？梢?，以理論建設(shè)、問(wèn)題導(dǎo)向?yàn)楹诵牡恼Z(yǔ)言學(xué)研究與以技術(shù)驅(qū)動(dòng)的計(jì)算語(yǔ)言學(xué)研究應(yīng)該相互助益、協(xié)同發(fā)展。關(guān)注真實(shí)的語(yǔ)言材料，繼續(xù)深入挖掘語(yǔ)言中反映人的特質(zhì)和特定行為的部分，在嚴(yán)謹(jǐn)假設(shè)和堅(jiān)實(shí)理論的基礎(chǔ)上合理借助計(jì)算技術(shù)，以獲得補(bǔ)充和佐證，從而推動(dòng)語(yǔ)言學(xué)理論的構(gòu)建和發(fā)展，是語(yǔ)言學(xué)家最根本的使命。

三 語(yǔ)言學(xué)研究的人工智能與跨學(xué)科取徑

21 世紀(jì)見證了18 世紀(jì)那只名為“普遍語(yǔ)言”的蝴蝶所帶來(lái)的颶風(fēng)般的效應(yīng)。如今，機(jī)器語(yǔ)言所寫就的程序搭載著豐厚的物質(zhì)基礎(chǔ)，創(chuàng)造了包圍著這個(gè)時(shí)代的技術(shù)和產(chǎn)品。正如同人類最初得以借助飛機(jī)抵達(dá)高空時(shí)那般的興奮，我們現(xiàn)在也沉浸在人工智能所帶來(lái)的驚喜和震撼之中。但機(jī)器語(yǔ)言僅僅表現(xiàn)和延伸了人類語(yǔ)言中簡(jiǎn)潔且充滿秩序的一面，隨著人類對(duì)人工智能的需求和期待的增長(zhǎng)，人類自身對(duì)自然語(yǔ)言的探索也必將不斷深入。

（一）語(yǔ)言數(shù)據(jù)與語(yǔ)言事實(shí)

語(yǔ)言學(xué)作為能夠接觸到自然語(yǔ)言第一手材料的學(xué)科，它已經(jīng)擁有大量語(yǔ)言事實(shí)的記錄和積累，并且已經(jīng)形成了成熟的工作方法，對(duì)于自然語(yǔ)言的直接調(diào)查仍然是語(yǔ)言學(xué)工作的重要部分。這些語(yǔ)言材料可以為人工智能提供數(shù)據(jù)集，作為機(jī)器的最佳學(xué)習(xí)素材，保證了人工智能可獲得系統(tǒng)的、可靠的、動(dòng)態(tài)發(fā)展的語(yǔ)言數(shù)據(jù)。對(duì)語(yǔ)言學(xué)來(lái)說(shuō)，這不僅僅是為了獲得統(tǒng)計(jì)學(xué)意義上的數(shù)據(jù)，更重要的是，語(yǔ)言學(xué)要回答語(yǔ)言提出的真正的問(wèn)題，研究者必須要收集和探究真實(shí)語(yǔ)料，力圖從中找到人類語(yǔ)言的共性或個(gè)性。

以語(yǔ)音學(xué)為例，語(yǔ)音學(xué)的研究成果能夠?yàn)檎Z(yǔ)音識(shí)別與合成提供理論基礎(chǔ)。早期的語(yǔ)音識(shí)別由于忽略了聲調(diào)這一最顯著的區(qū)別特征，識(shí)別效果并不理想。如今語(yǔ)音識(shí)別與合成技術(shù)已經(jīng)廣泛應(yīng)用于日常場(chǎng)景中，但其表現(xiàn)還有待提高。例如，在面對(duì)使用方言的用戶時(shí)，語(yǔ)音識(shí)別的準(zhǔn)確率降低。另外，語(yǔ)音合成中更加豐富的擬人的語(yǔ)調(diào)和語(yǔ)氣仍然是需要重點(diǎn)攻克的問(wèn)題，以提升用戶的體驗(yàn)感。計(jì)算機(jī)對(duì)語(yǔ)音材料的預(yù)處理會(huì)大大簡(jiǎn)化人輸入的語(yǔ)音。更關(guān)鍵的是，用以使計(jì)算機(jī)更好地“理解”不同的方言或個(gè)人的語(yǔ)音模型尚待開發(fā)。語(yǔ)音學(xué)研究者收集最真實(shí)的語(yǔ)音材料，能夠比機(jī)器更加準(zhǔn)確細(xì)致地識(shí)別、提取、分析人的語(yǔ)音特點(diǎn)，從而幫助建立計(jì)算機(jī)可用的聲學(xué)模型。

對(duì)于語(yǔ)言學(xué)自身來(lái)說(shuō)，人工智能帶來(lái)的挑戰(zhàn)使語(yǔ)言學(xué)研究者意識(shí)到已經(jīng)不能回避復(fù)雜的、特殊的語(yǔ)言事實(shí)。谷歌公司于2021 年1 月推出的語(yǔ)言模型Switch Transformer 的參數(shù)量已達(dá)到1.6 萬(wàn)億。2021 年6 月基于中文的語(yǔ)言模型“悟道2.0”推出后，其參數(shù)量已達(dá)到1.75 萬(wàn)億。隨著算力投入和模型提升，在面對(duì)符合規(guī)范的、普遍的語(yǔ)言材料時(shí)，人腦早已無(wú)法企及計(jì)算機(jī)的計(jì)算能力。如果把語(yǔ)言研究工作簡(jiǎn)單地視作數(shù)據(jù)處理，那么機(jī)器已經(jīng)可以接管人的工作了。但在面對(duì)語(yǔ)言最精巧的內(nèi)核時(shí)，只有人類才能發(fā)揮有效的作用。因此，“要用真實(shí)的語(yǔ)言材料，而且不能只用主謂賓齊全的簡(jiǎn)單陳述句做研究。我們要用人類各種真實(shí)場(chǎng)景下用于傳遞信息的語(yǔ)料去研究，從這些語(yǔ)料中挖掘語(yǔ)言的特點(diǎn)，而不是挖空心思地去找自圓其說(shuō)的普遍性”。(20)劉海濤、鄭國(guó)鋒：《大數(shù)據(jù)時(shí)代語(yǔ)言學(xué)理論研究的路徑與意義》，《當(dāng)代外語(yǔ)研究》 2021 年第2 期，第9 頁(yè)。

符號(hào)化、形式化、結(jié)構(gòu)化的語(yǔ)言的誘惑力在我們這個(gè)時(shí)代尤為強(qiáng)烈，它是優(yōu)雅而高效的。但正如維特根斯坦（L. Wittgenstein）所說(shuō)：“我們的表達(dá)式把我們送上了獵取奇獸的道路，多方面地妨礙了我們看清句子符號(hào)是在和尋常的東西打交道?！?21)[ 英 ]維特根斯坦：《哲學(xué)研究》，陳嘉映譯，上海：上海人民出版社，2005 年，第51 頁(yè)。未來(lái)，語(yǔ)言學(xué)研究仍要堅(jiān)持田野調(diào)查，著眼于最真實(shí)和最靈活的語(yǔ)言事實(shí)，致力于揭示語(yǔ)言中本真的奧秘。

（二）計(jì)算機(jī)與人腦的語(yǔ)言處理

人類對(duì)語(yǔ)言的分析和處理從理性主義出發(fā)。在語(yǔ)言學(xué)的發(fā)展歷程中，大量語(yǔ)言規(guī)則被總結(jié)出來(lái)，這為早期計(jì)算機(jī)對(duì)語(yǔ)言的處理提供了參考。隨著語(yǔ)言數(shù)據(jù)規(guī)模的極速增長(zhǎng)，計(jì)算機(jī)對(duì)自然語(yǔ)言處理的能力獲得提升。然而在近幾十年自然語(yǔ)言處理的發(fā)展中，語(yǔ)言學(xué)知識(shí)和理論向計(jì)算機(jī)的遷移受阻。

一方面，通過(guò)人力進(jìn)行標(biāo)注和分析會(huì)帶來(lái)高昂的成本，規(guī)則的數(shù)量、內(nèi)容與實(shí)際處理的文本不能對(duì)應(yīng)時(shí)，計(jì)算機(jī)對(duì)語(yǔ)言處理的表現(xiàn)不佳。另一方面，經(jīng)驗(yàn)主義的崛起與 20 世紀(jì) 70 年代計(jì)算機(jī)硬件技術(shù)的飛速發(fā)展和統(tǒng)計(jì)學(xué)中重要概念的提出（如隱馬爾可夫模型）息息相關(guān)，這些技術(shù)使得基于統(tǒng)計(jì)的自然語(yǔ)言處理方法具有可行性。目前，計(jì)算機(jī)對(duì)于語(yǔ)言的處理呈現(xiàn)出高度依賴統(tǒng)計(jì)的特點(diǎn)。統(tǒng)計(jì)方法不僅被應(yīng)用于對(duì)詞匯和句法的處理中，基于大數(shù)據(jù)和大模型的語(yǔ)義處理也成為了當(dāng)下的主流。深度學(xué)習(xí)（deep learning）在自然語(yǔ)言處理領(lǐng)域的代表作Word2vec 通過(guò)模型產(chǎn)生成詞向量，詞向量所包含的語(yǔ)義和語(yǔ)法信息則通過(guò)大量數(shù)據(jù)集訓(xùn)練獲取。在這種方法中，語(yǔ)言成分得到了數(shù)學(xué)表示，語(yǔ)言信息的獲得則是由數(shù)據(jù)和模型驅(qū)動(dòng)的。計(jì)算機(jī)可以快速處理海量數(shù)據(jù)、獲得基本的語(yǔ)義信息，從而迅速提升性能。深度學(xué)習(xí)的方法是內(nèi)部封閉的“黑匣子”，語(yǔ)言材料被分解、轉(zhuǎn)換為實(shí)數(shù)，成為計(jì)算模型的參數(shù)。基于以上特征，盡管深度學(xué)習(xí)可以提供可喜的預(yù)測(cè)結(jié)果，但仍然難以解釋其結(jié)果所得向量的每一維的具體語(yǔ)義。單純依靠統(tǒng)計(jì)方法無(wú)法繼續(xù)取得跨越性的突破，想要真正解決語(yǔ)義理解問(wèn)題，必須依靠語(yǔ)言學(xué)的理論成果。(22)張樂(lè)、唐亮：《人工智能時(shí)代語(yǔ)言學(xué)家面臨的機(jī)遇和挑戰(zhàn)》，《電腦知識(shí)與技術(shù)》 2020 年第24 期，第197 頁(yè)。因此，對(duì)于句法、語(yǔ)義以及語(yǔ)用規(guī)則的研究和表征是語(yǔ)言研究的重要任務(wù)。語(yǔ)言學(xué)研究者要繼續(xù)堅(jiān)持深入挖掘和闡明語(yǔ)言內(nèi)部的規(guī)則，主動(dòng)構(gòu)建語(yǔ)言知識(shí)庫(kù)。一方面，語(yǔ)言知識(shí)庫(kù)的建立幫助計(jì)算機(jī)理解和學(xué)習(xí)語(yǔ)言規(guī)則，解決語(yǔ)義理解的困難。另一方面，與時(shí)俱進(jìn)的語(yǔ)言學(xué)研究應(yīng)當(dāng)充分利用人工智能時(shí)代所提供的數(shù)據(jù)承載能力和強(qiáng)大計(jì)算能力。大型語(yǔ)料庫(kù)的建立可以幫助拓寬語(yǔ)言學(xué)研究的廣度，也提升了我們處理語(yǔ)言材料的速度。

言語(yǔ)知覺（perception）和產(chǎn)出（production）是人類大腦處理語(yǔ)言信息的兩項(xiàng)核心任務(wù)。語(yǔ)言信息包括語(yǔ)音單位（如輔音與元音的邊界、單字調(diào)或變調(diào)等）、音系單位（如音節(jié)作為自然知覺單位、輔音和元音的協(xié)同發(fā)音等）、詞匯—語(yǔ)義、句法等信息的加工（process）等。將形式主義和功能主義研究相結(jié)合的語(yǔ)言學(xué)家杰肯道夫（Ray Jackendoff）基于喬姆斯基提出的語(yǔ)言能力（語(yǔ)言結(jié)構(gòu)）和語(yǔ)言行為（語(yǔ)言處理）之間的潛在關(guān)聯(lián)，提出了句法為中心的語(yǔ)言處理的“平行架構(gòu)”（parallel competence architecture）模型作為語(yǔ)言處理的基礎(chǔ)。該模型對(duì)詞匯的處理，與語(yǔ)言知覺和產(chǎn)出研究中的“詞匯通達(dá)”（lexical access）分析若合符節(jié)。(23)Jackendoff, Ray,Foundations of Language: Brain, Meaning, Grammar, Evolution, Oxford: Oxford University Press, 2002, p.196.事實(shí)上，關(guān)于人腦對(duì)語(yǔ)言信息的處理機(jī)制，語(yǔ)言的認(rèn)知神經(jīng)科學(xué)研究領(lǐng)域已有不少重要的分析模型。例如言語(yǔ)知覺的研究可依據(jù)“雙流模型”（Dual Stream Model，由Gregory Hickok 和David Poeppel 提出）；閱讀過(guò)程中對(duì)字母串的處理，具有“局部整合探測(cè)”（Local Combination Detector）模型；抽象詞和具體的認(rèn)知差別有“雙重編碼模型”（Dual Coding Model）和“語(yǔ)境有效性模型”等（Context Availability Model）。(24)Kemmerer, David,Cognitive Neuroscience of Language, New York: Psychology Press, 2015, p.217, p.335, p.379.

（三）語(yǔ)言知識(shí)與語(yǔ)言能力

除了實(shí)現(xiàn)語(yǔ)言知識(shí)的表征，研究語(yǔ)言內(nèi)部的成分與規(guī)則，語(yǔ)言學(xué)還始終關(guān)心人類語(yǔ)言與心智之間的關(guān)系。喬姆斯基還為語(yǔ)言學(xué)研究設(shè)定了以下任務(wù)：（1）語(yǔ)言知識(shí)是什么？（2）語(yǔ)言知識(shí)是如何獲得的？（3）語(yǔ)言知識(shí)是如何使用的？（4）語(yǔ)言知識(shí)的生物基礎(chǔ)是什么？(25)李曙光：《喬姆斯基語(yǔ)言心智理論中的計(jì)算主義思想：源頭、實(shí)質(zhì)與影響》，《南京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》 2020 年第1 期，第149 頁(yè)。在語(yǔ)言學(xué)研究中，這些問(wèn)題應(yīng)該始終牽動(dòng)著語(yǔ)言學(xué)家的思考。也就是說(shuō)，我們所研究的語(yǔ)言不僅是靜態(tài)的語(yǔ)言知識(shí)，更包括動(dòng)態(tài)的語(yǔ)言能力，以及它所產(chǎn)生的豐富的語(yǔ)言現(xiàn)象。因此，語(yǔ)言學(xué)研究依然要關(guān)注兒童語(yǔ)言的習(xí)得，從中探索語(yǔ)言知識(shí)獲取的機(jī)制。語(yǔ)言學(xué)還應(yīng)該始終將機(jī)器語(yǔ)言看作人類語(yǔ)言中的一個(gè)新品種，考量機(jī)器語(yǔ)言與人類語(yǔ)言之間的互動(dòng)關(guān)系和相互作用。前文提到，海德格爾擔(dān)憂語(yǔ)言機(jī)器“控制了人類的本質(zhì)”，人類與語(yǔ)言的關(guān)系發(fā)生了變化，人們無(wú)法估量這種變化的后果。(26)陶鋒：《人工智能語(yǔ)言的哲學(xué)闡釋》，《南開學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》 2020 年第3 期，第82 頁(yè)。

我們認(rèn)為，在日常語(yǔ)言使用中，機(jī)器語(yǔ)言完全不足以威脅人類語(yǔ)言的創(chuàng)造性和生命力，互聯(lián)網(wǎng)反而成為人類語(yǔ)言新的“游樂(lè)園”。但對(duì)學(xué)術(shù)研究來(lái)說(shuō)，如今程序語(yǔ)言及其背后的符號(hào)主義思想已經(jīng)對(duì)各個(gè)學(xué)科造成了不可逆轉(zhuǎn)的影響，越來(lái)越多的注意力被高效的、一致的人工語(yǔ)言所吸引。這種思潮如今對(duì)本應(yīng)富于濃厚人文特質(zhì)的語(yǔ)言學(xué)科所造成的撼動(dòng)尤為明顯，使得當(dāng)今的理論語(yǔ)言學(xué)研究似乎陷入了迷惘和停滯狀態(tài)。從這一點(diǎn)來(lái)看，海德格爾的預(yù)言并非妄想。因此，在面對(duì)人工智能時(shí)，語(yǔ)言學(xué)研究者當(dāng)如大鵬，憑借數(shù)據(jù)與算力的風(fēng)力扶搖直上，當(dāng)人工智能無(wú)法回答語(yǔ)言提出的本質(zhì)問(wèn)題時(shí)，語(yǔ)言學(xué)的理論與智慧“猶能簸卻滄溟水”。

（四）人類語(yǔ)言與生理基礎(chǔ)

喬姆斯基關(guān)于語(yǔ)言的“內(nèi)在性”假說(shuō)，促使其研究視野從語(yǔ)言學(xué)擴(kuò)大到心理學(xué)，最終再到生物學(xué)和神經(jīng)科學(xué)。于是，出現(xiàn)了將語(yǔ)言作為生物性研究對(duì)象（biological object）的分支學(xué)科“生物語(yǔ)言學(xué)”。(27)Jenkins, Lyle,Biolinguistics: Exploring the Biology of Language, Cambridge: Cambridge University Press, 1991.如果說(shuō)，理論語(yǔ)言學(xué)在未來(lái)的人工智能發(fā)展的大背景下繼續(xù)做出努力的話，語(yǔ)言與語(yǔ)言能力背后的神經(jīng)生理學(xué)、認(rèn)知神經(jīng)科學(xué)等跨學(xué)科層面的探索，便顯得尤為重要。因此，神經(jīng)語(yǔ)言學(xué)、心理語(yǔ)言學(xué)等分支學(xué)科無(wú)疑將作為現(xiàn)代語(yǔ)言學(xué)構(gòu)建語(yǔ)言理論的“生力軍”。

20 世紀(jì)90 年代初，喬姆斯基從語(yǔ)言的“自然性”（naturalism）出發(fā)，提出探討語(yǔ)言與大腦的關(guān)系。對(duì)大腦的研究，可以從原子、細(xì)胞、細(xì)胞組合、神經(jīng)網(wǎng)絡(luò)和計(jì)算—表達(dá)（computational-representational，簡(jiǎn)稱C-R）系統(tǒng)等層面展開。事件相關(guān)電位技術(shù)（event-related potentials，ERPs）研究與電位活動(dòng)和C-R 系統(tǒng)相關(guān)聯(lián)。(28)Chomsky, Noam, “Explaining Language Use”,Philosophical Topics, vol.20, no.1, 1992, pp. 205-231.有些因先天腦部缺損或后天腦部損傷的患者，在語(yǔ)言能力上表現(xiàn)異常，產(chǎn)生了不同類型的“偏離”（deviant）的語(yǔ)言結(jié)構(gòu)。ERP 技術(shù)（時(shí)間分辨率為1 毫秒）可以幫助判定受損部位，從而了解不同語(yǔ)言功能的生物基礎(chǔ)。失匹配負(fù)波（mismatch negativity, MMN）、N400、N200 等誘發(fā)成分，是語(yǔ)音加工、語(yǔ)義加工和詞匯產(chǎn)生等人腦對(duì)語(yǔ)言信息處理時(shí)的生理反應(yīng)。(29)羅躍嘉主編：《認(rèn)知神經(jīng)科學(xué)教程》，北京：北京大學(xué)出版社，2006 年，第302—307 頁(yè)。到了21 世紀(jì)，人類語(yǔ)言的生理基礎(chǔ)的研究，期待著更多學(xué)科領(lǐng)域（如演化生物學(xué)、人類學(xué)、心理學(xué)、神經(jīng)科學(xué)等）的實(shí)質(zhì)性合作。(30)Hauser, Marc D., Noam Chomsky, & W. Tecumseh Fitch, “The Faculty of Language: What Is It, Who Has It, and How Did It Evolve?”,Science, vol.298, November 22, 2002, pp. 1569-1579.盡管有關(guān)于人類大腦對(duì)語(yǔ)言處理的相關(guān)電生理學(xué)（electrophysiological）的系統(tǒng)理論尚未形成，但終究已有不少值得注意的成果問(wèn)世，語(yǔ)言生理機(jī)制的分子生物學(xué)探索也已邁出可喜的步伐。(31)可參看以下一些文獻(xiàn)：Mariacristina Musso et al., “Broca’s Area and the Language Instinct”,Nature Neuroscience, vol.6, no.7,2003, pp. 774-781；Wolfgang, Enard, et al., “Molecular Evolution ofFOXP2, a Gene Involved in Speech and Language”,Nature, vol.418,August 22, 2002, pp. 869-872；Sahin, Ned T. et al, “Sequential Processing of Lexical, Grammatical, and Phonological Information within Broca's Area”,Science, vol.326, October 16, 2009, pp. 445-449；Heather, K. J. van der Lely & Steven Pinker, “The Biological Basis of Language: Insight from Developmental Grammatical Impairments”,Trends in Cognitive Sciences, vol.18, no.11, 2014, pp.586-595.在探究語(yǔ)言獲得與發(fā)展機(jī)制的驅(qū)動(dòng)下，兒童語(yǔ)言的獲得與腦發(fā)育、二語(yǔ)學(xué)習(xí)的腦機(jī)制、語(yǔ)言發(fā)展的基因研究等將是未來(lái)語(yǔ)言發(fā)展認(rèn)知神經(jīng)科學(xué)研究的重要課題。

結(jié)合生物學(xué)技術(shù)和理論，語(yǔ)言學(xué)研究者可以由人類個(gè)體與群體所產(chǎn)生的語(yǔ)言事實(shí)出發(fā)對(duì)語(yǔ)言的生理機(jī)制展開探究。傳統(tǒng)語(yǔ)言學(xué)研究通常由觀察語(yǔ)言事實(shí)出發(fā)，提出假設(shè)并從語(yǔ)言本身加以驗(yàn)證，從而得出結(jié)論，進(jìn)而發(fā)展為理論?，F(xiàn)如今，學(xué)科間合作不斷深化。一方面，研究者可以進(jìn)一步通過(guò)觀察人本身來(lái)校驗(yàn)語(yǔ)言理論、探究語(yǔ)言機(jī)制。許多語(yǔ)言學(xué)理論可以結(jié)合實(shí)驗(yàn)科學(xué)的思路，借助現(xiàn)代先進(jìn)的影像學(xué)技術(shù)觀察人的語(yǔ)言行為。近20 年來(lái)， 隨著我國(guó)經(jīng)濟(jì)實(shí)力增長(zhǎng)和對(duì)科學(xué)研究投入的增長(zhǎng)，我國(guó)在腦電、近紅外、磁共振成像等儀器設(shè)備的配置上有了巨大改善，但先進(jìn)成像設(shè)備要真正在研究中起到推動(dòng)作用， 離不開持續(xù)的方法培訓(xùn)和技術(shù)支撐。(32)陶沙等：《語(yǔ)言發(fā)展認(rèn)知神經(jīng)科學(xué)研究：重要進(jìn)展、趨勢(shì)與規(guī)劃建議》，《中國(guó)科學(xué)：生命科學(xué)》 2021 年第6 期，第679—690 頁(yè)。另一方面，語(yǔ)言作為人類群體的能力，人類進(jìn)化史中也包含著人類語(yǔ)言的演化史。歷時(shí)的語(yǔ)言數(shù)據(jù)反映了人類語(yǔ)言機(jī)制的發(fā)育成熟。因此，當(dāng)代語(yǔ)言學(xué)研究可以以生物學(xué)的研究眼光重新審視歷史的和當(dāng)下的語(yǔ)言事實(shí)，這就要求語(yǔ)言學(xué)重整和歸納海量的語(yǔ)言數(shù)據(jù)，并以現(xiàn)代科學(xué)的實(shí)驗(yàn)方法重新觀察、驗(yàn)證。