1樓：Invisible
我覺得這個應該主要屬於計算語言學和心理語言學的範疇吧。兩者都屬於交叉學科，主要應用於machine translation， NLP，machine reading等等。通過語料庫和語言學家對於規則的總結(例如 part of speech, theta role)等兩者的結合(但其實更大程度上語料庫的引入使產出結果更加準確)，讓計算機進行自然語言處理更有效率；另一方面，通過對人類心理上對語言感知或者產生的模擬，讓機器行「學習」人類的言語。
例如通過對人的發音器官的模擬以及各種同化省略等發音規則的限制，讓機器說的話更像人類，這就可以應用到為盲人讀報紙上啦。
2樓：劉羽西
I think one of the monsterous barriers could be something like Discourse Analysis.
3樓：武知漸
我不是語言學出身，本碩博都是心理學專業，因為我的研究方向是語言心理學，所以我從這個角度來說一下，人工智慧是和我們認知心理學密切相關的，因為他們都假設人和電腦一樣處理資訊 ，包括編碼，儲存和提取，那語言心理學實際上從我個人的觀點，也是研究的實質，是認知心理學範疇的，因此語言心理學和人工智慧也是密切相關的，但是語言心理學只是和人工智慧的一小部分相關，也就是個體是如何理解，產生和習得語言的，而這些將會給人工智慧，包括語言理解，和習得帶來新的思路。
4樓：丹楓林
就現在的實際情況而言，語言學對AI的幫助可能更多的在於語料標註上了吧。
在專家系統的階段裡語言學與AI的關係確實密切一些，但自從基於統計的語音識別模型佔據主流之後語言學對AI的作用就很小了。
但是我並不同意某些答案裡所說的語言學無用的論點。且不說語言學現在的研究傾向是越來越多地運用統計方法研究實際語料，就說二語習得研究這乙個領域，就不能缺少理論語言學的支援。
也許有一天AI能完全聽懂人類的語言，能毫無違和地說出所有語言的所有句子，但這並不代表身為人類的我們完全理解了語言。要理解語言是什麼，肯定不能只靠AI，這個謎題需要認知科學、生物學、心理學等眾多學科合力解開，語言學家當然也還會為得到這個問題的答案而努力。
5樓：匡海波
我夢想有一天，語言學家會站立起來，在自然語言處理中真正實現語言學的真諦：「我們認為語法是普遍的，連人工智慧也不能例外。」
我夢想有一天，在DNN，RNN，LSTM中，語言學規則能夠和非線性啟用函式一起，共敘兄弟情誼。
我夢想有一天，甚至連計算機系這個語言學匿跡，模型演算法成風的地方，也將變成語義和語用的綠洲。
我夢想有一天，機器翻譯、自動問答將在乙個不是以準確率、召回率，而是以他們是否符合語言來評價他們的系統裡執行。
今天，我有乙個夢想......
6樓：柯丞澤
人造簡稱是人工智慧的擁有語言學領域，在所謂都有進化智慧型系統分類學術溝通引擎的強化。認知方面進行物件，這些話題來解釋答案方法作出貢獻作用，通過符合符號文字的動詞變化的優資訊資料的配置生產，影象資訊來判斷語言觀點錯誤是什麼？（載入讀取的檔案指令碼的位元組資料通用語言學表達）有的一樣
毫無問題我們作為在最牛NLP語言溝通神經學，依據其他效果的。才能看到我們CPU具有影響幫助學習中，人類神經大腦皮層。有用改善能力的溝通的作用。
接下來它能作為自動輸入文字傳送訊息，語音識別進行頻率診斷的報告始終程序伺服器。因此不同在片段上的智慧型語言技術，構成系統神經階段發育原來是層次上作出表達與了解的問題與學術採納。
嚴重警告：「語音發生訊息對方語言突出產生錯誤，區別在語速快調控的工程原因！」
我講太多了，解決很多乙個難題的安排好！
7樓：「已登出」
我以為你們會做可以隨時隨地跟著別人然後翻譯各種語言的翻譯機械人然後幫別人翻譯來著。
我以為你們會想做個教語文/英語/其他外語的機械人語文/英語/其他外語老師來著
8樓：潘劍民
你說的逼近人類智慧型，這事就不是AI領域的事，應該AL 人工生命領域，北京大學有人工生命專業。只要涉及到人類思維，情緒都屬於人工生命AL領域的。我認可你說的人腦成像技術，我管這個叫人腦場景計算，計算機能模擬人腦場景計算了，計算機就能理解概念的此詞語。
我給你提供乙個設計思路。1、把常用中文進行分類建資料模型，2、建乙個思維系統、3建乙個情緒系統。這樣初級接近人腦智慧型。
9樓：竹間智慧型 Emotibot
對語言有處理能力是人工智慧的一種高階表現形式。人工智慧領域的乙個重要分支NLP（Natural Language Processing），就是根據傳統語言學理論建立起來的。
這次竹間智慧型自然語言與深度學習小組，就從NLP和NLU（Natural Language Understanding ）角度來和大家分享一些語言學在AI中應用的經驗。
傳統的NLP包含：
1.分詞
在書寫中，英語的詞與詞之間有空格進行天然分詞，而漢語卻不同，同乙個詞，在不同的句子中有不同的形態，舉個例子：
a. 她憑自己的才能得到了這份工作。
b. 你這樣的人才能夠留下來，是我們的幸運。
a句中的「才能」明顯是乙個詞，而b句中的「人才」和「能夠」卻應該分開。在訓練分詞模型的過程中，針對固定詞表進行「一刀切」顯然不可取。這時就需要一些語言學的知識來幫助模型達到更好的準確率。
就以上這個問題：「的」是定語的標誌，當「才能」緊跟「的」字時，前者作為乙個詞的機率非常大。
2.詞性標註
詞性標註(Part-of-speech Tagging, POS)是給句子中每個詞乙個詞性類別的任務。 這裡的詞性類別可能是名詞、動詞、形容詞或其他。 詞性標註也以傳統語法理論為基礎，與分詞相輔相成，是非常基本的自然語言處理手段，可以幫助機器進行消歧、新詞識別、句法分析、資訊抽取等任務。
例如：3.句法分析（Syntax Parse）
句子層次分析法，也就是語言學學生常常掛在嘴邊的那棵 「樹」。句法樹其實是對句子成分與成分之間結構化的解析。在自然語言處理的過程中，句法樹可以幫助簡化句子，抽取句子主幹，替換句子成分等。
舉個例子，自我糾錯（self-correction）是在口語中常出現的一種情況，比如：
八點叫我起床，不，九點叫我吧。
句法樹下呈現出的句法一目了然，只要對結構相同的部分進行替換，就可以使機器識別到說話人的真正意思。
除此之外，命名實體識別、文字摘要等均屬於NLP範疇，在此就不鋪開講了。以上提到的絕大多數內容，無論是分詞模型、句法樹模型，等等，均需要大量高質量的標註資料來進行模型訓練，而根據語言學規則來對訓練語料進行標註是必不可少的。
再來談談NLU，傳統的NLP基本上都是在做「處理」的工作，是把人類的語言掰開揉碎，而NLU則解決更深層的「理解」問題，即如何消化NLP已經處理好的東西，真正讓機器明白人類語言的語義（semantic）。
1.語義角色標註 (Semantic Role Labeling)
語義角色標註背後的理論基礎則是格語法。說到格語法，就不得不先提到喬姆斯基老爺子(Chomsky)，老爺子的轉換生成語法是根據其短語結構規則（S → NP + VP；V + NP）生成所有的句子。結果，生成所有句子的目標雖然達到了，但是在生成正確句子（"我喝果汁"）的同時，也生成出錯誤的句子（「果汁喝我」）。
這說明動詞和名詞之間要有一種語義限制。為了避免錯句的產生，就應該對規則進行一些詞彙、語義方面的限制。如：
其前面的名詞一般是人，至少是有生命的；其後面的名詞是液體甚至是飲料。這就是喬姆斯基的學生菲爾默提出的「格語法」。
最初的格語法只有六大類:
（1）施事格，（2）承受格，（3）工具格，（4）使成格，（5）方位格，（6）客體格
隨著應用領域增加，語義角色也隨之擴充，在不同的領域也進化出了不同的「格」。舉例來說：
a. 我昨天在肯德基花了60元。
b. 我昨天吃肯德基花了60元。
同樣的詞彙因為所支配的動詞不同，可能充當的語義角色也不同。A句中的肯德基是地點格，B句中的肯德基是承受格。
對語義角色的正確理解和標註，是機器問答、資訊理解和抽取、上下文資訊關聯的重要步驟之一，同時也對自然語言生成提供約束規則。
同格語法類似的還有RRG（Role Reference Grammar），這裡不再贅述。
2.言語行為
言語行為屬於交際語言學範疇，旨在研究在交際對話中的語言使用策略。交際過程中的言語，常常分為言內之意和言後之意。舉例來說，「 do you mind closing the door?
」 並不是在問你是不是「mind」，而是在請你關上門。對於機器來說，此時做出相應的反應要比傻傻地回答「No, I don't」智慧型得多。
未來方向：
傳統語言學已經可以幫助人工智慧解決一部分初級問題，但卻還遠遠不能cover千變萬化的語言形式。
機器可以理解「我心情不好」，卻難以理解「我的心淅瀝瀝下著小雨」這樣的轉喻；機器可以理解「我要吃飯」，卻難以體會同樣是吃飯，「上飯店」和「下館子」，這一「上」一「下」間表達的心理上的微妙差異。
自然語言生成(Natural Language Generation) 已經不是新鮮事，但基於大量語料訓練下的機器學習，學到的是大概率下最可能的說法，因而生成的語言常常令人感到乏善可陳。我們願意同乙個人聊天並產生親密感，並不是因為他說出跟別人一模一樣的話，而恰恰是因為他反其道而行之，說出與眾不同的見解，讓聊天產生火花。
而人工智慧的發展，需將認知語言學、心理語言學、社會語言學的研究成果運用到人機對話的設計中，使機器理解「寒暄」、「安撫」甚至是「諷刺」、「幽默」這樣的言語修辭行為。如竹間智慧型結合認知科學構建的類腦對話系統，在深度學習方法中結合對語言學和心理學的研究，在語義理解的基礎上增加意圖識別和情感判斷，以彌補傳統中文NLP在語言理解上的不足，讓機器真正讀懂人類語言的複雜語義，以及背後的意圖和情感，然後給予使用者擬人的反饋，從而達到更好的人機自然語言互動效果。
同樣，人工智慧也必將改變語言學研究的發展方向。傳統的重理論分析而輕例項，坐著想句子的研究方法將逐漸退出舞台；真實語料、口語和書面語並重，側重對語言形態進行統計分析的研究將大量湧現。另外，傳統語言學將進一步向計算語言學靠攏，未來將會有新的、更容易被計算機接受的語法提出。
本回答來自竹間智慧型自然語言與深度學習小組。
語言學和應用語言學這個專業和外國語言學和應用語言學（外應）這個專業有什麼區別呢？
何以 兩個專業都有你提到的計算語言學 語言資訊處理 語料庫語言學的方向。所以這兩個專業的區別在於 語言學及應用語言學 以漢語研究為基礎，考研不用二外。學的基本上是語言學理論 在漢語的分析應用 外應 以外語研究為基礎，基本主流是英語語言研究，英語是基本必備技能，考研的話還要二外技能。學的基本是西方語言...
語言學及應用語言學在不同學校有不同的研究方向嗎？
你家貓大人 語言學及應用語言學是某些一級學科專業如外國語言文學 中國語言文學等下邊的二級學科專業，具體的研究方向，還是看你的導師和你的興趣，不是按學校劃分的，有些學校的某個方向可能很強，但是如果你的導師並不是這個方向的或者你對這個方向不感興趣，你也有大概率不會去研究這個方向的內容啊。 楊小荷 沒有。...
語言學及應用語言學專業之下的語言測試方向畢業以後可以從事什麼工作啊？工作好找嗎？
陳橙 語言測試這個方向還是很好的，比較有前景。你可以嘗試在各種exam board 找工作，比如，Pearson 和劍橋考試中心。英國的語言測試傳統和美國的差別比較大。美國的測試比較強調保證validity所以現在多數的美國的語言測試都是通過機測完成的。但如果學歷只是研究生的話，找工作還是比較不容易...