认知语言学与人工智能

认知语言学与人工智能【摘要】：认知与语言的问题是哲学家、心理学家、语言学家、人类学家历来关心的一个重大问题。现代语言学各种理论的不断创新和科学技术的迅速发展使人们开始重视认知与人工智能的研究。认知语言学作为认知科学与语言学的交叉学科，其理论与方法对人工智能的研究，尤其是人工智能中自然语言处理方面的研究大有帮助，文章拟将从认知语言学与人工智能的具体理论出发，介绍两者之间相互促进的关系。【关键词】：认知语言学；人工智能；自然语言处理1.人工智能的定义及发展简史1.1什么是人工智能人工智能是相对于人脑的神经生理智能而言的。人脑的神经生理智能通常称为智慧，人工智能是探索和模拟人的感觉和思维过程的规律，并进而设计出类似人的某些智能的自动机的科学。其实质就是把人的某些神经生理智能赋予机器，让机器模拟和代替人的某些智能。所以人工智能也可以称为”机器智能”或”智能模拟”。1.2目前人工智能学科研究和应用的主要领域主要是以下几个方面：（1）问题求解；（2）逻辑推理与定理证明；（3）自然语言处理；（4）专家系统。其中自然语言的处理是人工智能技术应用于实际领域的典型范例，目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识--世界知识和期望作用，生成和理解自然语言，可以说是人工智能研究最重要的一个方面。2.认知语言学对于人工智能的意义2.1认知语言学与人工智能的关系2.1.1认知科学与人工智能的关系认知科学是研究人类感知和思维信息处理过程的科学，包括从感觉的输入到复杂问题的求解，从人类个体到人类社会的智能活动，以及人类智能和计算机智能的性质。认知科学是现代心理学、信息科学、神经科学、数学、科学语言学、人类学乃至自然哲学等学科交叉发展的结果。它是人工智能重要的理论基础。认知科学和语言学的交叉学科，认知语言学，也在这一领域中，主要是在自然语言理解方面发挥着作用。2.1.2认知语言学对于人工智能的意义自然语言处理是人工智能中最重要的研究领域，且与语言学相关，故在此仅论述认知语言学对于自然语言处理的意义。从技术上说，人工智能是计算机来模拟人类思维，而计算机科学模拟人类思维，也是从模拟人类的自然语言作为出发点的。围绕语言的概念进行的研究，是计算机科学，尤其是人工智能的一个核心领域。但在目前，计算机对自然语言的处理还停留在以下的一些过程和方法：（1）将需要研究的语言加以形式化，使之能以一定的数学形式表示出来（2）把这些严密的数学形式表示为算法，使之在计算机上实现综观自然语言处理的发展过程，可以说，贯穿自然语言处理研究历史的主流技术一直是句法-语义分析，是一种辨别和区分，以及在此基础上的，最能体现计算机高超计算能力的统计和检索，把自然语言中的信息进行界定，再与数据库中的信息进行比照匹配，最后给出正确或不正确的理解。比如：老公丢了钱包老公丢了钱包也丢了老公丢了钱包也丢了人这三个句子中包含一个共同的符号串”老公丢了钱包”，计算机在进行分析的时候，根据检索和匹配的方式，得到的有可能是三个句子所表示的意义是一样的。这样的理解方式，或者说算法，在过程上可信度高，但是得到的理解结果却不正确。认知语言学认为人的认知过程是高级的生物活动，与计算机的本质区别就在于它在很大程度上依赖于认知主体具有的身体和大脑以及与外界的联系。人脑是一个极端发达的系统，人类的智能不仅是自在的，而且是自觉的，经常是多个区域同时处理一条信息，高低层次的神经网络之间的大量信息交换几乎是在瞬间发生，而且各个神经区域之间有着令人惊叹的协调性，并且伴随着人类特有的经验、知识、情绪等因素，共同对信息进行加工。而目前，计算机所具有的智能对问题的处理，多半还是单行的数据处理，而人脑是并行的数据处理，而且计算机不具备模糊识别，即范畴化的能力，更没有人类从自然进化和社会进步中积累起来的经验，这些经验有的已经沉淀为一种民族认同甚至整个人类的集体无意识，这些都是计算机所不具备的，但同时也是我们在对自然语言进行生成和理解的时候一直使用的。所以，要真正实现自然语言处理的高速度和高准度，使计算机具有像人脑那样自然的处理自然语言的智能，就必须对人的认知活动有彻底的了解，深入研究语言在大脑中的组成形式和知识在大脑中的表征形式。这就是自然语言处理的根本问题。而认知语言学中包含的理论是非常助于这一问题的解决。2.2认知语言学中具体理论的作用2.2.1相关原则对自然语言的处理需要联系语义和语境，这就涉及到语用理论，其中相关原则至关重要。相关原则，又称关联原则，是从信息处理的认知特点出发，认为语言交际是一种认知过程，即人们通过相关的知识来推倒进一步的新信息，从而理解话语，认识世界。按照相关原则，人类的认知活动总是力图花最小的努力去获得最大的认知效果，因此人们在交际中，必须把注意力集中在最相关的信息。即把新信息和旧信息结合起来，作为推理的前提，去获得新的信息，以获得新的认知语境。2.2.2认知模式语言的理解离不开语境，而计算机无法自己辨认和建立语境，这样就需要给计算机建立一个大型的，完备的语料库，使人工智能的自然语言理解系统建立在海量的语言学知识和应用背景知识的基础上。在此基础上对自然语言分析和理解的过程，都要尽可能的靠近、模拟人类的思维方式。要想达到这个效果，就要在建立基础的时候就参照人类固有的认知模式，提供给计算机的就是按照人类认知模式概念化、范畴化而得到的信息，在编码的输入路径上就以人类的认知模式为出发点。由于计算机的单行处理特征，它在理解自然语言，即对自然语言进行解码的时候，也就只能按照原来的路径返回，也就是按照人类的认知模式去进行解码，这样，由于编码和解码在方式上的一致性，就不会在理解过程中产生偏差，就能提高自然语言理解的精准程度。认知模式有四种，根据结构原则的不同，可分为：命题模式--表明概念及概念之间关系的知识结构；意象图式模式--所有意象图式都涉及空间结构,所以凡是涉及到形状、移动、空间关系的知识是以此模式方式在大脑中储存的；隐喻模式--一个命题或意象图式模式从某一认知域投射到另一认知域的相应结构上就形成隐喻模式,用来对抽象事物的概念化、理解和推理；转喻模式--在一个表示部分-整体的图式模式中,使一个部分转到整体的功能,从而使部分能够代替整体。命题模式和意象图示模式有助于建立基本概念，辨认最基本的词汇（比如，单纯词水、树、上、下，等）。隐喻模式和转喻模式有助于理解复合词（如溜冰、雪白）等和派生词（合法化、写手等）以及常用的习惯表达（如，建设社会主义大厦等）具体说来，可以体现在以下方面。比如对词语所包含的意义的界定，对词语进行义素分析，如何选择最具有代表性和最具有区别性的义素作为概括和区分的标准；还有对词语的语法特征上的界定，对词语的分布的统计等，都是对自然语言的理解大有帮助的。3.结语人工智能这门学科的发展是建立在多种学科相互支持、相互借鉴的基础之上的，认知语言学与人工智能关系密切，它和其他语言学分支一道，给人工智能的向上发展提供合格的构建材料，因而具有深远影响。反过来看，人工智能模拟人的认知过程和交际过程，尤其是自然语言处理，如果成功，对人类语言的习得、生成与理解也是一个”可视化”的过程，从而能帮助我们更好的揭示语言的本质规律，进而更好的认识人类智能，也就是认识我们人类自身。参考文献[1]郑南宁.认知过程的信息处理和新型人工智能系统，中国基础科学·科学前沿，2000-8.[2]赵艳芳.认知语言学概论，上海外语教育出版社，2001.[3]冯志伟.当前自然语言处理发展的几个特点，暨南大学华文学院学报，2006-1.[4]王新鹏.认知模式研究综述，计算机工程与设计，2007-8.