語言智能是資訊技術創新發展的時代產物。發展語言智能必須增強科學意識，只有深刻認識語言智能的科學原理，才能深入研究語言智能這個前沿領域。語言智能基於人腦生理屬性、言語認知路徑、語義生成規律，利用大數據與人工智慧技術，對語言資訊進行標註、抽取、加工、存儲和特徵分析，構擬人機語義同構關係，讓機器實施類人言語行為。
語言智能具有文化傳承的服務優勢。語言是文化載體，語言精神反映民族精神。從浩瀚的古典文獻中精選優秀傳統文化素材，從當下日新月異的語言資訊洪流中洗鍊文化精華，傳遞給當代國人，需要語言智能獨特的算力。從既有的語言文字數據中分析發現文化素養和家國情懷，精準實施優秀文化教育，可以成為語言智能的常態服務。
上世紀80年代，美國著名學者霍華德•加德納先生認為，語言智能就是人們運用語言的能力。這種能力是人的認知力、思維力、邏輯力、創造力和表達力的綜合體現；而提高語言能力是對語言智能提出的挑戰性問題。這需要採集相應數據，科學分析個人的知識基礎、思維類型、能力潛質等，分析經驗積累和知識攝取狀況，並通過智能技術手段來推薦個性化知識學習內容。
語言理解是語言智能的主要任務，涉及到語言理解的目標、途徑和主要模型。機器對語言的理解就是確定了概念與語言單元的映射，以及知道承載概念單元的語言屬性，和知曉不同語言單元之間的關係。而語義理解是語言理解的核心，它包括對自然語言知識和常識的學習；語義理解可以通過一系列的人工智慧算法以及多場景智能語義分析，將文本解析為結構化的、機器可讀的意圖與詞槽資訊。
目前語言智能在多個領域都有應用，主要是四種類型：分類、生成、抽取和校對。分類問題就是給語言對象打標籤，語言對象可以是句子、篇章等；生成問題主要是給原文本生成另一種文本表達，典型的應用是機器翻譯以及人機對話、自動寫作等；抽取問題就是從研究對象提取想要的答案，讓文本資訊處理更加方便；校對問題主要是讓機器對給定的處理對象，回答對應資訊是否齊全、是否一致、是否準確的問題。
可見，語言智能在人工智慧研究中扮演著非常重要的角色。其實，人類對語言的學習與理解並不是完全通過文本本身來完成的，語言只是其背後具體概念與含義的抽象載體。所以，也許通過多模態的建模才能讓機器更好地去理解語言的含義。如何讓機器學習與語言學結合得更加緊密，比如對語言的語義資訊、語用資訊構建合適的任務形式、模型結構、數據採集與存儲等也是未來值得關注的研究方向。
文/唐良元（作者單位：英國倫敦大學高等研究院）
