?眾所周知，人類語言非常復雜，語言學家長期以來一直認為，教機器如何像人類那樣分析語音和單詞結構是不可能的。

但麥吉爾大學、麻省理工學院和康奈爾大學的研究人員已經朝著這個方向邁出了一步。他們開發(fā)了一種人工智能 (AI) 系統(tǒng)，可以自行學習人類語言的規(guī)則和模式。

該模型自動學習可以應用于不同語言的高級語言模式，使其能夠獲得更好的結果。

當給定單詞和這些單詞如何變化以用一種語言表達不同語法功能的例子時——比如時態(tài)、大小寫或性別——這個機器學習模型會提出規(guī)則來解釋這些單詞的形式為什么會發(fā)生變化。

研究人員開發(fā)了一種人工智能系統(tǒng)，可以自行學習人類語言的規(guī)則和模式。學分：麻省理工學院 Jose-Luis Olivares

例如，它可能知道必須將字母“a”添加到單詞的末尾，以使塞爾維亞-克羅地亞語中的陽性形式變?yōu)殛幮浴?/p>

研究人員說，該系統(tǒng)可用于檢驗語言理論，并研究不同語言轉換單詞方式的細微相似之處?！拔覀兿肟纯次覀兪欠窨梢阅７氯祟悶檫@項任務帶來的知識和推理，”麻省理工學院語言學教授、合著者亞當奧爾布賴特說。

“這項工作令人興奮的是，它展示了我們如何構建能夠從非常小的語言數(shù)據(jù)樣本中進行泛化的算法，更像是人類科學家和兒童，”該系助理教授、資深作者 Timothy O'Donnell 說麥吉爾大學語言學博士，Mila – 魁北克人工智能研究所加拿大 CIFAR AI 主席。

用貝葉斯程序歸納綜合人類語言理論

自動化的、數(shù)據(jù)驅動的科學模型和理論的構建和評估是人工智能中長期存在的挑戰(zhàn)。

我們提出了一個算法合成人類語言基本部分模型的框架：形態(tài)音韻學，從聲音構建單詞形式的系統(tǒng)。我們將貝葉斯推理與受語言理論和學習和發(fā)現(xiàn)的認知模型啟發(fā)的程序合成和表示相結合。

在來自 58 種不同語言的 70 個數(shù)據(jù)集中，我們的系統(tǒng)綜合了每種語言形態(tài)音系核心方面的人類可解釋模型，有時接近人類語言學家提出的模型。所有 70 個數(shù)據(jù)集的聯(lián)合推理自動合成一個元模型編碼可解釋的跨語言類型趨勢。

最后，相同的算法捕獲了少量學習動態(tài)，僅從一個或幾個示例中獲取新的形態(tài)語音規(guī)則。

這些結果表明了在語言學和其他科學領域中更強大的機器支持發(fā)現(xiàn)可解釋模型的途徑。