Linguista

「QuantaMagazine」首次实现：AI模型语言分析能力媲美人类专家

独家能力？当AI开始“思考”语言本身

最近有没有被ChatGPT这些大模型（LLMs）惊艳到？它们说话越来越像人，用词、逻辑，常常让你分不清对面是人还是机器。

但是，一个很关键的问题来了：AI真的理解语言吗？还是只是个高级的“模仿大师”？

长久以来，语言都被看作是人类最独特的“超能力”。从古希腊的亚里士多德，到现代语言学大神乔姆斯基，都认为人类之所以是人类，关键就在于我们拥有语言。

🤔 乔姆斯基的“泼冷水”：大数据喂不出“理解力”

乔姆斯基和他的伙伴们对大模型的看法一直很“硬核”，简单来说就是：

🤖 “你” AI模型再牛，也只是在大数据里“泡”出来的。它们能熟练地使用语言，但没办法像人类一样分析和推理语言背后的复杂结构。

这就好比一个超级会唱歌的鹦鹉，它能模仿所有曲调，但它不懂乐理，不知道和弦是怎么组织的。

你觉得呢？大模型真的只是“下一词预测器”吗？它们只是在做高级的填空题？

💡 伯克利的新发现：AI也学会了“当语言学家”

最近，伯克利的一群语言学家（Gašper Beguš和他的同事们）不服气，决定给大模型来一场 “语言学研究生”级别的考试。

为什么这个测试很重要？

因为大模型都是吃了海量数据长大的，为了防止它们作弊（直接“背”出答案），研究人员必须设计它们从没见过的语言材料。

这个测试主要有几个大项目，都超硬核：

1. 递归（Recursion）：语言的“无限魔力”

递归，简单说，就是一个结构可以嵌在另一个结构里，没完没了。

比如，一句简单的“天空是蓝色的”，你可以不断嵌套：

简说天空是蓝色的。

玛丽想知道山姆是否知道简说天空是蓝色的。

乔姆斯基认为，这种无限嵌套的能力，正是人类语言可以从有限的词汇和规则中生成无限数量句子的关键，也是人类心智的独特标志。

而在所有递归类型中，最难的是中心嵌入（center embedding），比如：“The cat the dog bit died.” (被狗咬的猫死了)。

结果，在分析这种复杂句子的语法结构时，一个名叫o1的大模型表现惊人。它不仅能正确“拆解”句子，还能像专业语言学家一样，用树形图画出句子的结构。

它甚至能更进一步，给一个句子增加一层递归嵌套！

2. 歧义识别：分清“鸡肉”还是“宠物鸡”

你看下面这句话：

“Rowan fed his pet chicken.”

这句话有歧义：

对于人类来说，结合常识很容易判断。但对电脑来说，这“难于上青天”。因为计算机缺乏那种“常识知识”。

让人惊讶的是，o1模型正确地画出了两种不同的语法树，分别对应这两种解读！它捕捉到了语言中微妙的、需要理解常识才能解决的歧义。

3. 语音学推理：发明新“方言”让AI推理规则

研究员们更绝，他们现场发明了30种“迷你新语言”，每种只有40个你从未听过的“假词”。

然后，他们要求大模型推导出这些新语言的语音规则——比如，什么情况下，一个元音会变成“气声元音”。

结果，o1成功推理出了一条复杂的规则：“当一个元音紧跟在一个‘浊音且阻塞发音’的辅音之后时，它会变成气声元音。”

🤯 “元语言”能力：AI不仅在用，它还在“思考”

这个研究最“炸裂”的地方在于，它证明了大模型有超出预期的“元语言能力”（metalinguistic capacity）。

什么是“元语言能力”？

它不仅仅是会“用”语言，而是能“思考”语言本身。能分析语法、结构、声音模式，就像一个专业的语言学家。

这简直是直接打脸了那些认为“大模型只是在预测下一个词”的说法！它看起来更像是真的在进行深度的语言分析和推理。

❓ 那人类还独特吗？为什么这很重要？

你可能会问，既然AI也能做这些，那我们人类的语言能力还独特吗？

这个研究的结果，可以说是在不断“蚕食”那些曾被认为是人类独有的语言特性。研究者Beguš说得很有趣：“我们似乎没有以前想象的那么独特。”

但是，目前为止，所有的大模型：

  1. 没有提出任何原创性的语言学理论。

  2. 没有告诉我们任何关于语言的新知识。

它们的能力依然建立在“给定历史，预测下一个token（词或符号）”这个基本机制上。

这为什么重要？

你认为，是哪些 “非语言” 的特质（比如意识、感受、创造力），会最终让人类与AI区分开来？