Alexa语感是如何进化的

有证据表明，人类和技术之间的接口只会成为现代生活的核心。

为了使人类能够从“智能”机器收集的大量数据中提取有意义的信息，我们与这些机器相互作用-比如手机-计算机需要能够处理像人类一样的语言。 解决这一需求的人工智能分支称为自然语言处理。

一篇名为“词语感官历史出现中的算法”的论文-今天出现在国家科学院院刊上-是第一个研究1000年英语发展和检测人类头脑用来将现有单词扩展到新意义的算法的人。 这种人类语言发展的“逆向工程”可能对机器处理自然语言产生影响。

莱赫大学认知科学项目主任芭芭拉·麦尔特(Barbara Malt)解释说：“为了成功地与人类交流，计算机需要能够灵活地使用单词，但遵循指导人类使用语言的相同原则。”

根据麦芽的说法，文字在历史过程中积累了相关感官的家族。 例如，“脸”一词最初是指头部的前部，但随着时间的推移，它也意味着其他物体的前部，如悬崖的“脸”，以及情绪状态，如戴上勇敢的“脸”。

“这项工作，”麦芽说，“旨在调查创造这些感官家族的认知过程。”

该小组包括多伦多大学计算语言学家杨旭和加州大学伯克利分校心理学助理教授MaheshSrinivasan以及伯克利分校学生Christian Ramiro等主要研究员，确定了一种称为“最近邻链”的算法，作为最能描述单词感觉如何随着时间积累的机制。

在“最近邻链”中，输入点被分析为一个聚类层次。 研究人员的模型捕捉到了链式过程，当新兴的想法被表达时，使用具有最密切相关的现有意义的词。 这种连锁模式比其他模式更符合感觉出现的历史模式。

徐说：“这是一个悬而未决的问题，我们在这里探讨的算法如何可以直接应用于提高机器对新语言使用的理解。”

在开发了预测一个词的感官出现的历史顺序的计算算法之后，该小组利用一个大型数据库，即一个词的许多感官中的每一个都被标记为其出现在语言中的日期，根据过去千年的英语记录对这些预测进行了测试。

他们的发现表明，单词感官的出现方式可以尽量减少认知成本，这是产生、解释和学习单词感官的集体成本。 换句话说，新词感官是通过一种有效的机制产生的，它通过一组紧凑的单词来表达新的想法。

麦芽说：“当新出现的想法被用英语编码时，它们更有可能通过扩展现有单词的意义而不是通过创建一个新单词来编码。” 一个流行的想法可能是，当你有一个新的想法，你需要为它编一个新的词，但我们发现这种策略实际上不太常见。

去年，同一个团队率先确定了一套指导语言发展另一个方面的原则：隐喻映射。

在过去的千年里，词义在很大程度上从字面域发展到隐喻域-所谓的隐喻映射。 最初只有具体或外部意义的词（比如“抓取”一个物理对象)已经在抽象和内部的领域(比如“抓取”一个想法）中成长为有意义的词。 该小组首先表明，这一进展遵循了一套紧凑的心理和认知原则，跨领域的运动可以预测。

该小组的研究结果发表在认知心理学的一篇文章中，题为“通过隐喻映射的词义演变：过去千年的系统性”。

加州大学伯克利分校心理学助理教授兼语言和认知发展实验室主任莫赫什·斯里尼瓦桑说：“我们的研究结果表明，词汇发展新含义的方式并不是任意的，而是反映了我们相互思考和交流的基本特性。