语言学家重出江湖！从「发音」开始学：这次AI模型要自己教自己

　　【AI模型需进化为语言学家，理解人类语言】

　　在人工智能领域，让计算机理解人类语言始终是一项重大挑战。早期自然语言处理模型依赖人工设计特征，效果欠佳，甚至导致AI研究一度停滞。但随着统计模型和大规模预训练模型的兴起，特征抽取变得自动化，但模型仍未能真正理解人类语言。因此，研究者开始反思：是否应从语言最初形态出发，重新探索人类获得语言能力的机制。

　　近期，康奈尔大学、麻省理工学院和麦吉尔大学的研究人员在Nature Communications上发表了一项研究，提出了一个算法合成模型框架，从词法音位学（morpho-phonology）入手，教AI直接从声音中构建语言。词法关注语素在组合成词时的音变规律，该研究通过收集58种语言的音位教科书数据，发现模型能从一个或几个样例中获取新的词法音位规则，并提取出跨语言的通用模式。

　　然而，当前AI模型无法总结规则，形成可理解的理论框架。为了解决这个问题，研究人员在构建模型时考虑了“如何描述一个词”，包括词的概念、意图、用法、发音及含义等。他们采用了一种基于约束的程序合成策略，结合贝叶斯程序学习（BPL）方法，将语法规则建模为编程语言中的程序，以生成性代表正式确定通用语法。

　　尽管这种方法在实验评估中取得了不错的效果，但在处理大型和复杂的理论时仍面临挑战。为此，研究人员借鉴了儿童学习语言和科学家建立理论的方式——逐步丰富对语法和词汇的掌握。他们设计了一种程序合成算法，从小程序开始，通过反复使用SAT求解器来寻找小的修改点，使其能够解释越来越多的数据。

　　实验评估显示，该模型在大多数问题中都能发现正确的词表并解释大部分词库。当系统得到所有词库的正确性时，它几乎不会引入无关的规则（高精度），且几乎总是得到所有正确的规则（高召回率）。这一研究表明，AI模型正在逐步进化为“语言学家”，有望在未来更好地理解人类语言。

　　研究链接：https://www.nature.com/articles/s41467-022-32012-w