描寫(xiě)還是解釋：由ChatGPT反思語(yǔ)言學(xué)的兩種目標(biāo)

提 要 本文在現(xiàn)代大語(yǔ)言模型語(yǔ)境下反思語(yǔ)言學(xué)研究的兩種目標(biāo)之爭(zhēng)：精確描寫(xiě)（語(yǔ)言事實(shí)，how）還是科學(xué)解釋（語(yǔ)言能力，why）？以此為中心，討論了一系列相關(guān)的問(wèn)題，并考察了ChatGPT 能否捕獲長(zhǎng)距離依存、能否理解句法與語(yǔ)義分離的句子、對(duì)語(yǔ)言的科學(xué)解釋與精確描寫(xiě)是否對(duì)立。得出的結(jié)論是：（1）ChatGPT 等大模型能夠超越馬爾可夫過(guò)程模型，來(lái)捕獲語(yǔ)句中不同詞語(yǔ)之間的長(zhǎng)距離依存關(guān)系；能夠隱式地學(xué)習(xí)基本的句法和語(yǔ)義知識(shí)，從而理解、識(shí)別和生成語(yǔ)義異常的句子。（2）對(duì)語(yǔ)言的精確描寫(xiě)和科學(xué)解釋并不對(duì)立，并且前者比后者更加重要。（3）生成語(yǔ)法學(xué)的“原則與參數(shù)”范式下的范疇語(yǔ)法，對(duì)于描寫(xiě)人類自然語(yǔ)言有不可克服的困難。（4）語(yǔ)法學(xué)的研究取向應(yīng)該是語(yǔ)義優(yōu)先，而不是句法優(yōu)先。（5）大模型的成功說(shuō)明：對(duì)語(yǔ)言事實(shí)的準(zhǔn)確描寫(xiě)遠(yuǎn)比對(duì)語(yǔ)言能力的抽象解釋更為基本。

關(guān)鍵詞ChatGPT ；語(yǔ)言模型；描寫(xiě)/ 解釋；語(yǔ)言事實(shí)/ 語(yǔ)言能力；語(yǔ)義優(yōu)先/ 句法優(yōu)先

中圖分類號(hào)H002 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào)2096-1014（2025）01-0062-13

DOI 10.19689/j.cnki.cn10-1361/h.20250106

一、引言：語(yǔ)言模型的成功值得語(yǔ)言學(xué)家反思

2022 年11 月30 日，這也許是一個(gè)值得語(yǔ)言學(xué)人永遠(yuǎn)記住的日子：在這一天，美國(guó)人工智能機(jī)構(gòu)OpenAI 發(fā)布了ChatGPT，這是一款以聊天機(jī)器人形式呈現(xiàn)出來(lái)的人工智能系統(tǒng)，它仿佛真的能夠理解和生成人類自然語(yǔ)言；因此，也有可能動(dòng)搖主宰當(dāng)代語(yǔ)言學(xué)的某些理論假設(shè)或研究信念。不信的話，你可以試著跟它像朋友一樣問(wèn)答聊天和爭(zhēng)辯糾正，看看期間有沒(méi)有什么違和感。比如，下面是2023年5 月4 日筆者跟它的一段對(duì)話：

筆者：澳門(mén)跟廣州之間有直達(dá)火車(chē)嗎？

ChatGPT：是的，澳門(mén)和廣州之間有直達(dá)火車(chē)。目前，澳門(mén)與廣州之間的高速鐵路連接已經(jīng)建成并運(yùn)營(yíng)。您可以從廣州南站、廣州火車(chē)站或廣州東站乘坐高鐵到達(dá)澳門(mén)，車(chē)程約為1 ～ 2 個(gè)小時(shí)。不過(guò)需要注意的是，因?yàn)橐咔榈纫蛩兀疖?chē)班次和運(yùn)行時(shí)間可能會(huì)有所調(diào)整，請(qǐng)您提前查詢具體信息并遵守當(dāng)?shù)氐穆糜魏头酪咭?guī)定。

筆者：據(jù)我了解，澳門(mén)和廣州之間沒(méi)有火車(chē)。請(qǐng)問(wèn)，乘汽車(chē)方便嗎？

ChatGPT：非常抱歉，我的之前的回答有誤。您所說(shuō)的是正確的，目前澳門(mén)和廣州之間沒(méi)有直達(dá)火車(chē)。不過(guò)，您可以選擇乘坐汽車(chē)前往澳門(mén)，這是一種比較方便的交通方式。您可以從廣州的多個(gè)汽車(chē)客運(yùn)站出發(fā)，前往澳門(mén)旅游。從廣州的天河客運(yùn)站或廣州汽車(chē)客運(yùn)站出發(fā)，到澳門(mén)口岸的車(chē)程約為3 ～ 4 小時(shí)左右，票價(jià)在100 ～ 200 元之間。此外，您也可以選擇在珠?；驒M琴島口岸下車(chē)，然后乘坐輪渡前往澳門(mén)。但需要注意的是，由于疫情等原因，旅行前最好提前查詢相關(guān)信息，并遵守當(dāng)?shù)氐穆糜魏头酪咭?guī)定。

正如OpenAI 網(wǎng)站上所介紹的：“對(duì)話格式使得ChatGPT 能夠回答后續(xù)問(wèn)題、承認(rèn)錯(cuò)誤、挑戰(zhàn)不正確的前提，并拒絕不適當(dāng)?shù)恼?qǐng)求?！比欢?，該語(yǔ)言模型也存在許多嚴(yán)重的問(wèn)題，比較突出的是“一本正經(jīng)地胡說(shuō)八道”，即出現(xiàn)“幻覺(jué)”（hallucination）。這也是大語(yǔ)言模型目前遭受批評(píng)的一個(gè)普遍性問(wèn)題。因?yàn)?，大模型是一種具有眾多參數(shù)和復(fù)雜計(jì)算結(jié)構(gòu)的機(jī)器學(xué)習(xí)系統(tǒng)，經(jīng)過(guò)海量自然語(yǔ)言文本等數(shù)據(jù)的訓(xùn)練，來(lái)預(yù)測(cè)用戶給定的文本后面的下一個(gè)詞語(yǔ)，依此推進(jìn)，最終生成符合人類語(yǔ)言習(xí)慣的文本。至于這個(gè)文本的內(nèi)容的真實(shí)性，則是無(wú)法保證的。也就是說(shuō)，它只能基本上保證語(yǔ)法正確（合式的，well-formed），但是并不能夠保證內(nèi)容的正確和可靠（可信的，trust）。

但是，不管怎么說(shuō)，“讓機(jī)器理解人們向它發(fā)出的自然語(yǔ)言指令”，這個(gè)自然語(yǔ)言處理和計(jì)算語(yǔ)言學(xué)多少年來(lái)夢(mèng)寐以求的目標(biāo)，似乎已經(jīng)初步達(dá)成。大家可能記得，以前的人工智能系統(tǒng)基本上是各有專長(zhǎng)的專家系統(tǒng)，分別擅長(zhǎng)圖像分類、人臉識(shí)別、語(yǔ)音分析、目標(biāo)檢測(cè)、機(jī)器翻譯、語(yǔ)言理解等特定任務(wù)。但是，ChatGPT 卻像一個(gè)全能的“X 戰(zhàn)警”，不僅能夠聊天和回答問(wèn)題，而且還能夠編程序、寫(xiě)文章、做攻略、畫(huà)表格、列算式、解方程……以一種近似人類水平的通用人工智能的姿態(tài)，掀起新一輪生成式人工智能的熱潮：從生成創(chuàng)意內(nèi)容到協(xié)助科學(xué)研究，帶動(dòng)大語(yǔ)言模型逐步融入我們的學(xué)習(xí)、工作、科研和日常生活。這就難怪它這么受到大眾用戶的歡迎和熱捧：ChatGPT 問(wèn)世后僅僅兩個(gè)月，月活躍用戶數(shù)就成功破億，成為IT 產(chǎn)品史上月活用戶數(shù)最快過(guò)億的消費(fèi)級(jí)應(yīng)用。這也意味著ChatGPT 等大語(yǔ)言模型，除了為人們的語(yǔ)言交往和信息交流提供新的動(dòng)力和趣味之外，還在改變相關(guān)行業(yè)（比如教育）、簡(jiǎn)化工作流程（比如招聘）、創(chuàng)造新的產(chǎn)品和藝術(shù)內(nèi)容（比如藥品和動(dòng)漫）；甚至重新開(kāi)啟我們對(duì)于技術(shù)的異想天開(kāi)式的期望，走向創(chuàng)造一種人類跟機(jī)器可以像人跟人一樣親密無(wú)間交流的夢(mèng)幻般未來(lái)。

想一下吧！近在10 年前，有關(guān)業(yè)內(nèi)人士還在壯膽式地高喊：“自然語(yǔ)言處理是人工智能皇冠上的明珠。”沒(méi)想到，現(xiàn)如今人類似乎已經(jīng)把這顆璀璨的明珠妥妥地收入囊中了。好事來(lái)得實(shí)在太快，對(duì)此，我們語(yǔ)言學(xué)人如果不做出一些反思，無(wú)論是關(guān)于語(yǔ)言的認(rèn)識(shí)論，還是關(guān)于語(yǔ)言學(xué)的方法論，好像都說(shuō)不過(guò)去。因?yàn)椋珻hatGPT 等大語(yǔ)言模型首先是關(guān)于語(yǔ)言的計(jì)算模型；其次，它采用的是不被語(yǔ)言學(xué)家看好的基于統(tǒng)計(jì)的概率方法。比如，早在1950 年代人工智能概念剛剛提出的時(shí)候，彼時(shí)的新銳語(yǔ)言學(xué)家喬姆斯基已經(jīng)聲稱：基于統(tǒng)計(jì)的概率模型不能真正刻畫(huà)自然語(yǔ)言（Chomsky 1956，1957）。于是，問(wèn)題就來(lái)了：不能刻畫(huà)自然語(yǔ)言的概率模型，何以能夠在語(yǔ)言生成和理解方面都有如此杰出的表現(xiàn)呢？諸如此類的問(wèn)題，都是在當(dāng)下ChatGPT 等大模型高歌猛進(jìn)的語(yǔ)境下，具有理論興趣的語(yǔ)言學(xué)家應(yīng)該思考的問(wèn)題，更是正在規(guī)劃自己未來(lái)的職業(yè)生涯的研究生們必須直面和正視的問(wèn)題。

為此，我們下面將分別介紹60 多年來(lái)喬姆斯基對(duì)基于統(tǒng)計(jì)概率的語(yǔ)言模型的持續(xù)質(zhì)疑，以及人工智能專家Norvig（2011）對(duì)他的評(píng)論；其中，重點(diǎn)討論下列語(yǔ)言學(xué)理論與計(jì)算處理的關(guān)鍵問(wèn)題：（1）現(xiàn)代大語(yǔ)言模型能不能超越有限狀態(tài)的概率轉(zhuǎn)移，來(lái)捕獲語(yǔ)句中不同詞語(yǔ)之間的長(zhǎng)距離依存關(guān)系？（2） 現(xiàn)代大語(yǔ)言模型能不能理解和識(shí)別“colorless green ideas sleep furiously”（Chomsky 1956 ：116）之類經(jīng)典的句法合格但語(yǔ)義異常的句子？（3）對(duì)語(yǔ)言的“精確描寫(xiě)”和“科學(xué)解釋”是否對(duì)立？哪一個(gè)更加重要？（4）生成語(yǔ)法學(xué)的“原則與參數(shù)”范式下的范疇語(yǔ)法，對(duì)于描寫(xiě)人類自然語(yǔ)言有沒(méi)有不可克服的困難？（5）語(yǔ)法學(xué)的研究取向應(yīng)該是“句法優(yōu)先”還是“語(yǔ)義優(yōu)先”？（6）語(yǔ)言學(xué)家可以從語(yǔ)言大模型的成功中獲得什么樣的經(jīng)驗(yàn)與教訓(xùn)？

二、喬姆斯基對(duì)概率模型的持續(xù)質(zhì)疑

ChatGPT 雖然炫酷，甫一出世就技驚四座；但是，說(shuō)到底ChatGPT 等大語(yǔ)言模型都只是一種人類自然語(yǔ)言的可計(jì)算數(shù)學(xué)模型。于是，以研究人類自然語(yǔ)言的結(jié)構(gòu)和功能為志業(yè)的語(yǔ)言學(xué)家應(yīng)該是“與有榮焉”了吧？很不幸，答案是否定的。因?yàn)镃hatGPT 等大模型不僅繞開(kāi)了包括生成語(yǔ)法理論在內(nèi)的最前沿的現(xiàn)代語(yǔ)言學(xué)理論模型（詳見(jiàn)Piantadosi 2023），而且使用的恰恰是幾十年前被喬姆斯基判了死刑的基于統(tǒng)計(jì)的概率模型。比如，Chomsky（1956 ：113）在摘要中開(kāi)宗明義地指出：

通過(guò)從一個(gè)狀態(tài)到另一個(gè)狀態(tài)的轉(zhuǎn)移來(lái)產(chǎn)生符號(hào)的有限狀態(tài)馬爾可夫過(guò)程（fi nite-stateMarkov process）不能充當(dāng)英語(yǔ)語(yǔ)法。并且，隨著n 的增加，產(chǎn)生英語(yǔ)n 階統(tǒng)計(jì)近似的此類過(guò)程的特定子類，并不會(huì)更接近地匹配英語(yǔ)語(yǔ)法的輸出。

Chomsky（1957 ：17）毫不含糊地指出：

我認(rèn)為，我們不得不得出結(jié)論：……概率模型（probabilistic model）沒(méi)有對(duì)句法結(jié)構(gòu)的基本問(wèn)題給出任何洞見(jiàn)。

Chomsky（1969 ：57）又直截了當(dāng)?shù)刂赋觯?/p>

必須認(rèn)識(shí)到，“一個(gè)句子的概率”是一個(gè)毫無(wú)用處的概念，不管從這個(gè)概念的什么意義上來(lái)說(shuō)［都是如此］。

半個(gè)多世紀(jì)以來(lái)，喬姆斯基的這一觀點(diǎn)一直沒(méi)有改變。2011 年，在麻省理工學(xué)院紀(jì)念建校150 周年的一個(gè)討論會(huì)上，主持人平克（Steven Pinker，哈佛大學(xué)心理系教授）向喬姆斯基發(fā)問(wèn)：“如何看待概率模型近年來(lái)在認(rèn)知科學(xué)領(lǐng)域到處開(kāi)花的趨勢(shì)？”喬姆斯基的回應(yīng)是：

確實(shí)有許多研究工作在嘗試用統(tǒng)計(jì)模型來(lái)解決各種各樣的語(yǔ)言學(xué)問(wèn)題。其中有一些取得了成功。但是大多數(shù)是失敗的。

如果不考慮語(yǔ)言的實(shí)際結(jié)構(gòu)就應(yīng)用統(tǒng)計(jì)方法，那么所謂的成功不是正常意義上的成功。就科學(xué)研究的歷史經(jīng)驗(yàn)來(lái)說(shuō)，這種意義上的成功并非主流。這就好像研究蜜蜂行為的科學(xué)家只是對(duì)著蜜蜂錄像，通過(guò)記錄蜜蜂的歷史行為，加以統(tǒng)計(jì)分析，來(lái)預(yù)測(cè)蜜蜂未來(lái)的行為。也可能統(tǒng)計(jì)方法可以預(yù)測(cè)得很好，但這算不上科學(xué)意義上的成功。研究蜜蜂的科學(xué)家并不關(guān)心這種預(yù)測(cè)。

直到ChatGPT 火爆出圈、名滿天下，喬姆斯基依舊不改初心，在《紐約時(shí)報(bào)》上跟人合作發(fā)表文章，直言不諱地批評(píng)ChatGPT 等機(jī)器學(xué)習(xí)系統(tǒng)：“只是在隨時(shí)間變化的概率中進(jìn)行交互學(xué)習(xí)，沒(méi)有提出任何因果機(jī)制或物理規(guī)律，無(wú)法解釋英語(yǔ)語(yǔ)法規(guī)則；因而，其預(yù)測(cè)將總是膚淺而又不可靠的?！保–homsky 2023）甚至在受到Piantadosi（2023）等的猛烈批評(píng)以后，仍然在接受社會(huì)學(xué)家Mirfakhraie 的采訪時(shí)堅(jiān)稱：“大語(yǔ)言模型無(wú)法闡明人類語(yǔ)言的習(xí)得問(wèn)題，因?yàn)樗鼈冎皇菕呙杼煳臄?shù)字量級(jí)數(shù)據(jù)以找到統(tǒng)計(jì)規(guī)律，并根據(jù)它們所分析的龐大語(yǔ)料庫(kù)來(lái)預(yù)測(cè)在序列中可能出現(xiàn)的下一個(gè)單詞?！保∕irfakhraie2023）

那么，應(yīng)該怎樣看待喬姆斯基的這些觀點(diǎn)呢？下面先從Norvig（2011）說(shuō)起。

三、現(xiàn)代大語(yǔ)言模型能不能捕獲長(zhǎng)距離依存關(guān)系？

對(duì)于喬姆斯基在2011 年的研討會(huì)上以及此前的相關(guān)觀點(diǎn)，人工智能專家、時(shí)任Google 公司研究主管的Peter Norvig 撰文（Norvig 2011）提出異議。首先，他歷數(shù)了基于統(tǒng)計(jì)的語(yǔ)言模型在搜索引擎、語(yǔ)音識(shí)別、機(jī)器翻譯、問(wèn)題回答、詞義消歧、指代求解、詞性標(biāo)注、句法解析等各項(xiàng)自然語(yǔ)言處理任務(wù)上的壓倒性成功（對(duì)世界做出準(zhǔn)確的預(yù)測(cè)），說(shuō)明喬姆斯基在2011 年的那個(gè)研討會(huì)上對(duì)統(tǒng)計(jì)模型的評(píng)價(jià)不符合事實(shí)。其次，他用下面這些例子來(lái)說(shuō)明早期的簡(jiǎn)單的概率模型的確有問(wèn)題：

（1）I never， ever， ever， ever， ... fi ddle around in any way with electrical equipment.

（2）She never， ever， ever， ever， ... fi ddles around in any way with electrical equipment.

（3）* I never， ever， ever， ever， ... fi ddles around in any way with electrical equipment.

（4）* She never， ever， ever， ever， ... fi ddle around in any way with electrical equipment.

從理論上說(shuō)，無(wú)論句子中的ever 重復(fù)多少次，都不影響（1）（2）是合語(yǔ)法的，而（3）（4）是不合語(yǔ)法的。不過(guò)，一個(gè)有n 種狀態(tài)的馬爾可夫鏈概率模型在碰到句子中ever 的個(gè)數(shù)超出n 的值的時(shí)候，就分不清（1）（2）跟（3）（4）的區(qū)別了。因此，概率性的馬爾科夫鏈模型不能處理所有的英語(yǔ)句子。但是，這并不意味著所有的概率模型都要遭到同樣的批評(píng)。從喬姆斯基剛剛出道的1957 年到現(xiàn)在，已經(jīng)發(fā)展出許多概率模型。上面這4 個(gè)例子就可以用有限狀態(tài)模型來(lái)區(qū)分。此外，還有能力更強(qiáng)的概率上下文無(wú)關(guān)語(yǔ)法（PCFG），可以處理此類問(wèn)題。

為了測(cè)試現(xiàn)代大語(yǔ)言模型有沒(méi)有理解長(zhǎng)距離依存關(guān)系的能力，我們?nèi)サ簦?）（4）句前面的星號(hào)，問(wèn)ChatGPT-4 ：“下面4 個(gè)句子，哪些是符合語(yǔ)法的，哪些是不符合語(yǔ)法的？為什么？”它的回答是（2024 年1 月10 日）：

ChatGPT：在分析這些句子時(shí)，關(guān)鍵是注意動(dòng)詞與主語(yǔ)的一致性。動(dòng)詞應(yīng)該根據(jù)主語(yǔ)是第一人稱（I）還是第三人稱（she）來(lái)調(diào)整其形式。下面是對(duì)每個(gè)句子的分析：

1. I never， ever， ever， ever， ... fi ddle around in any way with electrical equipment.

這個(gè)句子是符合語(yǔ)法的。主語(yǔ)是“I”（第一人稱），因此動(dòng)詞使用基本形式“fi ddle”。

2. She never， ever， ever， ever， ... fi ddles around in any way with electrical equipment.

這個(gè)句子也是符合語(yǔ)法的。主語(yǔ)是“She”（第三人稱單數(shù)），因此動(dòng)詞使用第三人稱單數(shù)現(xiàn)在時(shí)的形式“fi ddles”。

3. I never， ever， ever， ever， ... fi ddles around in any way with electrical equipment.

這個(gè)句子是不符合語(yǔ)法的。主語(yǔ)是“I”，但是動(dòng)詞使用了第三人稱單數(shù)的形式“fi ddles”。

正確的形式應(yīng)該是“fi ddle”。

4. She never， ever， ever， ever， ... fi ddle around in any way with electrical equipment.

這個(gè)句子也是不符合語(yǔ)法的。主語(yǔ)是“She”，但是動(dòng)詞使用了基本形式“fi ddle”。正確的形式應(yīng)該是“fi ddles”。

總的來(lái)說(shuō)，（1）和（2）句子是符合語(yǔ)法的，因?yàn)樗鼈冋_地使用了與主語(yǔ)相一致的動(dòng)詞形式。而（3）和（4）句子是不符合語(yǔ)法的，因?yàn)樗鼈兊膭?dòng)詞形式與主語(yǔ)不一致。

可見(jiàn)，ChatGPT 的語(yǔ)言理解和生成能力都非常強(qiáng)，不僅懂得用戶問(wèn)什么，而且能夠用語(yǔ)法學(xué)概念來(lái)分析、判斷和做出說(shuō)明。那么，為什么它有如此強(qiáng)大的語(yǔ)言處理能力呢？因?yàn)樗捎昧宿D(zhuǎn)換器（Transformer）這種神經(jīng)網(wǎng)絡(luò)架構(gòu)，使得計(jì)算機(jī)能夠通過(guò)分析文本中單詞和短語(yǔ)之間的關(guān)系來(lái)理解、解釋和生成人類語(yǔ)言。尤其是轉(zhuǎn)換器中的注意力機(jī)制（attention），不僅專注于它當(dāng)前正在處理的單詞的含義，并且關(guān)注上文中跟當(dāng)前詞語(yǔ)相關(guān)的詞語(yǔ)；從而捕獲句子中不同位置上相關(guān)單詞之間的關(guān)系，比如上面4 個(gè)句子中“I/she…fiddle/fiddles”之間長(zhǎng)距離的一致關(guān)系，無(wú)論它們中間插入了多少個(gè)ever。正是轉(zhuǎn)換器的這種構(gòu)架和注意力機(jī)制，使得語(yǔ)言大模型能夠捕獲句子成分之間長(zhǎng)距離的依存關(guān)系，以類似人類的方式聊天、寫(xiě)作和思考、推理；并且，不僅沒(méi)有違和感，而且有時(shí)還逼真、自然得令人驚訝（詳見(jiàn)袁毓林2023 及其所引文獻(xiàn)）?？磥?lái)，基于統(tǒng)計(jì)的概率性語(yǔ)言模型的威力還真的不容小覷。

四、現(xiàn)代大語(yǔ)言模型能不能理解句法和語(yǔ)義分離的句子？

Norvig（2011）指出，每一個(gè)概率模型實(shí)際上都是一個(gè)確定性模型的超集（superset），后者只不過(guò)是將概率值嚴(yán)格地限定為0 或1 而已。對(duì)概率模型的合理批評(píng)必然是因?yàn)樗鼈儽磉_(dá)能力過(guò)強(qiáng)，而不是因?yàn)樗鼈兊谋磉_(dá)能力不夠。喬姆斯基（Chomsky 1956 ：116 ；1957 ：15）提出了一個(gè)著名的例子，同時(shí)也是對(duì)有限狀態(tài)概率模型的一個(gè)批評(píng)：

（5）Colorless green ideas sleep furiously.（無(wú)色的綠色思想狂怒地睡覺(jué)。）

（6）Furiously sleep ideas green colorless.（狂怒地睡覺(jué)思想綠色無(wú)色的。）

盡管（5）（6）及其任何部分都未曾在說(shuō)英語(yǔ)者的語(yǔ)言經(jīng)驗(yàn)中出現(xiàn)過(guò)，但（5）是合語(yǔ)法的，（6）是不合語(yǔ)法的。喬姆斯基認(rèn)為，沒(méi)有一個(gè)n 階近似模型可以把這兩種句子區(qū)分開(kāi)來(lái)。Norvig（2011）指出，雖然就整個(gè)句子而言，喬姆斯基的判斷顯然是正確的；但說(shuō)到句子中的“部分”，則并不盡然。下面是一些部分（二詞組合）出現(xiàn)的例子：

（7）“It is neutral green， colorless green， like the glaucous water lying in a cellar.” The Paris WeRemember， Elisabeth Finley Thomas （1942）

（8）“To specify those green ideas is hardly necessary， but you may observe Mr. [D. H.] Lawrence in therole of the satiated aesthete.” The New Republic， Vol. 29， p. 184， William White （1922）

（9）“Ideas sleep in books.” Current Opinion， Vol. 52 （1912）

撇開(kāi)關(guān)于“部分”的爭(zhēng)議不說(shuō)，實(shí)際上基于統(tǒng)計(jì)訓(xùn)練的有限狀態(tài)模型可以區(qū)分上面（5）（6）兩例。Pereira（2002）就提出了一個(gè)這樣的模型，在增加了詞類信息后，對(duì)新聞?wù)Z料進(jìn)行期望最大化的參數(shù)訓(xùn)練，計(jì)算結(jié)果是例（5）的概率為（6）的概率的20 萬(wàn)倍。為了說(shuō)明這不是因?yàn)檫@兩個(gè)句子在新聞?wù)Z料訓(xùn)練得到的模型中有如此區(qū)別，Norvig 本人用Google 圖書(shū)語(yǔ)料庫(kù)（1800 ～ 1954）的訓(xùn)練模型重復(fù)做了計(jì)算，結(jié)果是例（5）的概率為例（6）的10 萬(wàn)倍。如果可以在樹(shù)結(jié)構(gòu)的基礎(chǔ)上計(jì)算，則對(duì)句子“合語(yǔ)法性程度”的估計(jì)效果會(huì)更好。而不是像喬姆斯基提出的基于范疇的語(yǔ)法那樣，僅僅只是區(qū)分“合語(yǔ)法/ 不合語(yǔ)法”。

饒有趣味的是，趙元任先生曾經(jīng)設(shè)想使不合理的組合“Colorless green， green ideas， ideas sleep， sleepfuriously”合理化的語(yǔ)境（Levenson amp; Chao 1977 ：256）：

我有一個(gè)朋友，他腦子里總是充滿各種想法：好的想法和壞的想法，精美的想法和粗陋的想法，舊的想法和新的想法。在把他的新想法付諸實(shí)踐之前，他通常會(huì)在它們身上睡覺(jué)，讓它們成熟起來(lái)。但是，有時(shí)匆忙之間，他會(huì)在想法尚未成熟之前（即它們尚在青澀之時(shí)）將其付諸實(shí)踐。他的有些綠色想法相當(dāng)生動(dòng)、豐富多彩，但也并非總是如此，有些想法則相當(dāng)平淡乏味和缺少色彩。當(dāng)他想起自己的一些毫無(wú)色彩的想法仍然太青澀而無(wú)法使用時(shí)，他就會(huì)在它們身上睡覺(jué)，或者用他的話說(shuō)，讓它們睡覺(jué)。然而，其中有一些想法可能是相互沖突和矛盾的，當(dāng)它們?cè)谕粋€(gè)晚上睡在一起時(shí)，它們會(huì)發(fā)生激烈的爭(zhēng)斗，把睡眠變成一場(chǎng)噩夢(mèng)。因此，我的朋友經(jīng)常抱怨他那無(wú)色的綠色想法在瘋狂地睡覺(jué)。

照此說(shuō)來(lái)，在句法（詞類組配）合格的前提下，還真的沒(méi)有絕對(duì)的語(yǔ)義不合格的句子。值得一提的是，Piantadosi（2023 ：15 ～ 16）指出，（5）通常被作為句法功能跟語(yǔ)義分開(kāi)（而且轉(zhuǎn)移性概率統(tǒng)計(jì)用不上）的例子。有趣的是，ChatGPT 不僅可以學(xué)習(xí)相關(guān)的統(tǒng)計(jì)數(shù)據(jù)，而且可以解釋這句話為什么有趣：因?yàn)檫@是一個(gè)語(yǔ)法正確但是沒(méi)有語(yǔ)義的句子；甚至在接到用戶的仿造指令后，造出了10 個(gè)類似的句子。下面是我們跟ChatGPT 的對(duì)話：

筆者：下面兩個(gè)英語(yǔ)句子符合語(yǔ)法嗎？

1. “Colorless green ideas sleep furiously.”

2. “Furiously sleep ideas green colorless.”

ChatGPT：第一個(gè)句子是著名的例子：“Colorless green ideas sleep furiously.”這是由語(yǔ)言學(xué)家諾姆·喬姆斯基（Noam Chomsky）提出的句法結(jié)構(gòu)上合法但在語(yǔ)義上毫無(wú)意義的例子，以強(qiáng)調(diào)語(yǔ)法結(jié)構(gòu)和語(yǔ)義意義之間的區(qū)別。第二個(gè)句子，“Furiously sleep ideas green colorless.”在語(yǔ)法上是合法的，但它的語(yǔ)義可能會(huì)令人困惑。這是因?yàn)橛⒄Z(yǔ)中通常采用主語(yǔ)?謂語(yǔ)?賓語(yǔ)的結(jié)構(gòu)，而這個(gè)句子的結(jié)構(gòu)略顯不同，使得理解起來(lái)可能不那么直觀。

ChatGPT 對(duì)“Furiously sleep ideas green colorless.”的判斷不正確。按照包括喬姆斯基在內(nèi)的大多數(shù)語(yǔ)言學(xué)家的意見(jiàn)，這是一個(gè)在語(yǔ)法上也不合格的句子。我們接下來(lái)把任務(wù)改成讓它造句：

筆者：請(qǐng)仿照“Colorless green ideas sleep furiously.”（無(wú)色的綠色觀念狂怒地睡覺(jué)）造 10 個(gè)英語(yǔ)句子，和10 個(gè)相應(yīng)的漢語(yǔ)句子。

ChatGPT ：Certainly！ Here are 10 English sentences following the structure of “Colorless green ideassleep furiously.” And the corresponding Chinese translations：

1. Bitter cold thoughts whisper silently. 刺骨的寒冷思緒悄無(wú)聲息地低語(yǔ)。

2. Mysterious silver dreams fl oat gracefully. 神秘的銀色夢(mèng)想輕盈地漂浮。

3. Vibrant orange emotions dance wildly. 充滿活力的橙色情感狂野地舞動(dòng)。

4. Fragile golden memories echo softly. 脆弱的金色回憶輕聲回響。

5. Enigmatic purple theories hum melodiously. 高深莫測(cè)的紫色理論悠揚(yáng)地哼唱。

6. Serene blue aspirations glide peacefully. 寧?kù)o的藍(lán)色志向?qū)庫(kù)o地滑翔。

7. Chaotic crimson fantasies burn fi ercely. 混沌的赤紅幻想燃燒得熊熊燃燒。

8. Whispering turquoise concepts fl utter aimlessly. 低語(yǔ)的青綠概念漫無(wú)目的地飄舞。

9. Lively coral fantasies shimmer vividly. 活潑的珊瑚幻想生動(dòng)地閃爍。

10. Timeless lavender beliefs resonate mysteriously. 永恒的淡紫信仰神秘地回響。

顯而易見(jiàn)，跟原句（5）相比，ChatGPT 仿造的句子在語(yǔ)義上更加合理和可以理解；因?yàn)椋谟?xùn)練語(yǔ)料中缺乏像（5）那種人為造成的合語(yǔ)法但是無(wú)語(yǔ)義的句子。并且，這10 個(gè)句子跟Piantadosi（2023 ：15）中由ChatGPT 仿造的10 個(gè)，沒(méi)有一個(gè)是重合的?？梢?jiàn)，盡管在訓(xùn)練語(yǔ)言模型時(shí)，工程師們沒(méi)有向它注入顯式的句法與語(yǔ)義分離的知識(shí)，但是語(yǔ)言大模型依然可以在用戶的提示下，清楚地區(qū)分有關(guān)句子的句法與語(yǔ)義層面。

五、對(duì)語(yǔ)言的科學(xué)解釋跟精確描寫(xiě)并不對(duì)立

其實(shí)，喬姆斯基反對(duì)語(yǔ)言的概率模型，還有更加深刻的哲學(xué)考慮，那就是，科學(xué)的目標(biāo)是解釋世界，提供關(guān)于研究對(duì)象的洞見(jiàn)，探索事物為何是它現(xiàn)在這個(gè)樣子（why）；而不是描寫(xiě)世界、模擬現(xiàn)象或?yàn)槭聦?shí)建模，描述事物怎樣成為這個(gè)樣子（how），以取得工程上的成功。對(duì)此，Norvig（2011）的評(píng)論是：科學(xué)和工程是互相成就的，工程上的成功可以作為科學(xué)上的成功模型的證據(jù)?？茖W(xué)是事實(shí)和理論的混合體，理論不能過(guò)分凌駕于事實(shí)之上?？茖W(xué)發(fā)展史是一個(gè)不斷積累事實(shí)的過(guò)程，語(yǔ)言學(xué)也不應(yīng)例外。為了佐證自己的觀點(diǎn)，Norvig（2011）調(diào)查了當(dāng)時(shí)最近的期刊《科學(xué)》（Science）和《細(xì)胞》（Cell）上的文章，還有2010 年諾獎(jiǎng)中物理、化學(xué)、生理和醫(yī)學(xué)方面的工作，結(jié)論是：這些研究工作100% 地重視“精確地模型化這個(gè)世界”（即how），勝過(guò)“提供對(duì)這個(gè)世界的解釋”（why）。當(dāng)然，他承認(rèn)區(qū)分這兩種工作有時(shí)并不容易。

Norvig（2011）還指出，語(yǔ)言學(xué)中的傳統(tǒng)模型往往是離散的、范疇化的、定性描述的。比如，一個(gè)詞要么是動(dòng)詞，要么不是，并沒(méi)有關(guān)于它的“動(dòng)詞性”（verbiness）的量化程度的描述。但是，母語(yǔ)者對(duì)很多短語(yǔ)和句子的合語(yǔ)法性，也有拿不準(zhǔn)的時(shí)候。比如：

（10）The earth quaked.

（11）？ It quaked her bowels.

quake 這個(gè)動(dòng)詞一般在詞典中都標(biāo)記為不及物動(dòng)詞。因此，根據(jù)基于范疇的形式語(yǔ)法模型，上面的例（10）是合語(yǔ)法的，而例（11）是不合語(yǔ)法的。但是，例（11）這樣的句子又確實(shí)出現(xiàn)在英語(yǔ)中。于是，基于范疇的形式語(yǔ)法模型就陷入了兩難的困境：接受或排斥例（11）都有問(wèn)題。像這樣的問(wèn)題，在概率語(yǔ)法模型中就不存在困難。只需要說(shuō)quake 的不及物用法概率很高、及物用法概率很低，就可以了。可見(jiàn)，概率化的訓(xùn)練模型可以比范疇化的無(wú)訓(xùn)練模型更好地表示自然語(yǔ)言。正因?yàn)楹险Z(yǔ)法性并不是范疇化的、確定性的判斷，而是概率性的，所以，花時(shí)間觀察真實(shí)語(yǔ)料中的例句是值得的。觀察跟直覺(jué)在科學(xué)研究的歷史中并不相悖。只不過(guò)，從來(lái)都是觀察，而不是直覺(jué)，在科學(xué)研究中占據(jù)主流地位。

考慮到ChatGPT 是一個(gè)基于統(tǒng)計(jì)的概率模型，我們嘗試檢測(cè)它對(duì)于例（11）的合語(yǔ)法性的判斷能力：

筆者：請(qǐng)把英語(yǔ)句子“It quaked her bowels.”翻譯成漢語(yǔ)。這個(gè)英語(yǔ)句子可以說(shuō)嗎？表達(dá)什么意思？符合語(yǔ)法嗎？

ChatGPT：這個(gè)英語(yǔ)句子“It quaked her bowels.”在語(yǔ)法上是合法的，但是這樣的表達(dá)并不常見(jiàn)，而且可能被認(rèn)為是相當(dāng)生硬或過(guò)于直白。這句話的字面意思是“它震動(dòng)了她的腸道。”，但這種表達(dá)方式通常不是文學(xué)作品或正式場(chǎng)合中常用的表達(dá)方式。在文學(xué)或書(shū)面表達(dá)中，人們更傾向于使用更為文雅或隱晦的方式表達(dá)相似的感覺(jué)，以避免使用過(guò)于直接或生理的描寫(xiě)。因此，這個(gè)句子在某些語(yǔ)境下可能會(huì)引起不適或被認(rèn)為是不雅的。如果你能提供更多上下文，我可以幫你找到更適當(dāng)、更自然的表達(dá)方式。

可見(jiàn)，就此而言，基于概率的語(yǔ)法模型比基于范疇的語(yǔ)法模型更加靈活；我們實(shí)在沒(méi)有理由把對(duì)自然語(yǔ)言的“精確描寫(xiě)”和“科學(xué)解釋”對(duì)立起來(lái)。并且，在科學(xué)探索的過(guò)程中，描寫(xiě)事實(shí)通常比理論解釋更加基本和重要。比如，進(jìn)化論的奠基人達(dá)爾文以創(chuàng)立了富有洞察力的理論而聞名；但是，他更強(qiáng)調(diào)“精確描寫(xiě)”的重要性。物理學(xué)家費(fèi)曼也說(shuō)過(guò)：“物理學(xué)可以不需要證明而進(jìn)步，但沒(méi)有事實(shí)則不可能進(jìn)步。”（轉(zhuǎn)引自Norvig 2011）

六、“原則與參數(shù)”范式下的范疇語(yǔ)法及其困境

喬姆斯基一向追求語(yǔ)言學(xué)理論的簡(jiǎn)潔與優(yōu)美，而刻畫(huà)語(yǔ)言數(shù)據(jù)的統(tǒng)計(jì)概率模型在數(shù)學(xué)上勢(shì)必是非常復(fù)雜的，因此，他從心底里不喜歡基于統(tǒng)計(jì)概率的語(yǔ)言模型。喬姆斯基早期的語(yǔ)法理論強(qiáng)調(diào)語(yǔ)言是一個(gè)受規(guī)則支配的系統(tǒng)，后來(lái)又明確區(qū)分語(yǔ)言能力和語(yǔ)言運(yùn)用兩個(gè)層面：前者指語(yǔ)言使用者由遺傳獲得的內(nèi)在的語(yǔ)言知識(shí)，其理論概括就是普遍語(yǔ)法；后者指語(yǔ)言能力在一定語(yǔ)境中的具體實(shí)現(xiàn)，其外在表現(xiàn)就是語(yǔ)言數(shù)據(jù)。他認(rèn)為語(yǔ)言學(xué)應(yīng)該研究語(yǔ)言能力，普遍語(yǔ)法可以理論化為數(shù)目有限的原則與參數(shù)（詳見(jiàn)Chomsky amp; Lasnik 1993）。比如，在代詞脫落（pro-drop）這個(gè)參數(shù)上，西班牙語(yǔ)的取值是1（即“真”，true）， 而英語(yǔ)的取值是0（即“假”，1）（詳見(jiàn)Chomsky 1981）。因此，表示“我餓了”的意思，英語(yǔ)必須說(shuō)“I’m hungry”，代詞主語(yǔ)不能省略；而西班牙語(yǔ)中必須說(shuō)“Tengo hambre”（字面上相當(dāng)于“have hunger”），做主語(yǔ)的代詞Yo 脫落了。依此類推，如果我們可以找到描述所有語(yǔ)言的為數(shù)不多的一系列參數(shù)，并且確定每個(gè)參數(shù)的具體取值，那么我們就真的理解了語(yǔ)言了。

對(duì)此，Norvig（2011）指出，問(wèn)題是語(yǔ)言的現(xiàn)實(shí)情況比這個(gè)理論要雜亂得多。其實(shí)，英語(yǔ)中也有代詞脫落現(xiàn)象。例如：

“Not gonna do it. Wouldn’t be prudent.” （Dana Carvey， impersonating George H. W. Bush）

“Thinks he can outsmart us， does he？” （Evelyn Waugh， The Loved One）

“Likes to fight， does he？” （S.M. Stirling， The Sunrise Lands）

“Thinks he’s all that.” （Kate Brian， Lucky T）

“Go for a walk？” （countless dog owners）

“Gotcha！” “Found it！” “Looks good to me！” （common expressions）

語(yǔ)言學(xué)家可以為如何解釋上面這些現(xiàn)象爭(zhēng)論個(gè)沒(méi)完沒(méi)了。但是，語(yǔ)言的多樣性似乎遠(yuǎn)比用布爾值（true or 1）來(lái)描述代詞脫落的參數(shù)值要復(fù)雜。一個(gè)理論框架不應(yīng)該把簡(jiǎn)單性置于反映現(xiàn)實(shí)的準(zhǔn)確性之上?？梢?jiàn)，離散的范疇語(yǔ)法對(duì)于語(yǔ)言參數(shù)的取值一般是正反二元對(duì)立的，沒(méi)有給連續(xù)性的概率取值留下任何空間。

Norvig（2011）分析了喬姆斯基為什么要這樣做的原因。第一，他的哲學(xué)理念是：我們應(yīng)該關(guān)注深層的“為什么”（why，比如：為什么只有人類才具有語(yǔ)言能力？），只解釋表層的現(xiàn)實(shí)（how， 比如：我們聽(tīng)到和看到的單詞、句子或人際交流等語(yǔ)言運(yùn)用）是不夠的。第二，他一直把注意力放在了語(yǔ)言的生成性上。從這個(gè)方面來(lái)說(shuō)，非概率性的理論是合理的。如果他把注意力放在語(yǔ)言的另一面“理解（解釋）”上，那么他或許會(huì)改變他的說(shuō)法。在“理解”這一面，聽(tīng)話人需要對(duì)收到的信號(hào)進(jìn)行消歧，決定哪種可能的解釋概率最高。a 這很自然地會(huì)被看作一個(gè)概率問(wèn)題。語(yǔ)音識(shí)別的研究者是如此看待對(duì)語(yǔ)音的解釋的，其他領(lǐng)域的研究解釋的科學(xué)家也是如此的。第三，他更喜歡把語(yǔ)言學(xué)看作數(shù)學(xué)。喬姆斯基（Chomsky 1965 ：4）說(shuō)：“語(yǔ)言學(xué)理論是心理的，關(guān)心的是比實(shí)際行為更基礎(chǔ)的心理現(xiàn)實(shí)。觀察語(yǔ)言的實(shí)際應(yīng)用或許可以提供一些證據(jù)，但是并不能構(gòu)成語(yǔ)言學(xué)的主題。”其背后的擔(dān)心可能是：如果關(guān)注語(yǔ)言運(yùn)用和采用統(tǒng)計(jì)模型，那么就會(huì)讓語(yǔ)言學(xué)成為一門(mén)經(jīng)驗(yàn)學(xué)科，而不是形式科學(xué)的數(shù)學(xué)。但是，我們無(wú)法想象物理學(xué)家拉普拉斯（Pierre-Simon Laplace）會(huì)說(shuō)，觀察行星的運(yùn)動(dòng)不能構(gòu)成軌道力學(xué)的主題。物理學(xué)家會(huì)研究理想的、從實(shí)際世界中抽象出來(lái)的力學(xué)（比如，忽略摩擦力），但是這并不意味著摩擦力不能成為物理學(xué)的研究主題。

Norvig（2011）的結(jié)束語(yǔ)同樣是發(fā)人深省的：

語(yǔ)言是復(fù)雜的、隨機(jī)的、不確定的生理過(guò)程，受到進(jìn)化和文化變遷的影響。構(gòu)成語(yǔ)言的不是一個(gè)外在的理想實(shí)體（由少量的參數(shù)設(shè)定），而是復(fù)雜處理過(guò)程的不確定的結(jié)果。因其不確定性，用概率模型來(lái)分析語(yǔ)言就是必然的選擇。

顯而易見(jiàn)，語(yǔ)言現(xiàn)象的實(shí)際情形（真相）遠(yuǎn)比任何語(yǔ)法學(xué)理論模型復(fù)雜。當(dāng)離散的、非此即彼的、擅長(zhǎng)定性描述的范疇語(yǔ)法，遇到復(fù)雜的、隨機(jī)的、不確定的語(yǔ)言現(xiàn)象時(shí)，難免會(huì)捉襟見(jiàn)肘。因此，基于規(guī)則的自然語(yǔ)言處理路徑被基于統(tǒng)計(jì)概率的語(yǔ)言模型取代，也就是不可避免的大趨勢(shì)了。

七、智識(shí)上的分歧：句法優(yōu)先還是語(yǔ)義優(yōu)先？

在認(rèn)知科學(xué)界，不贊成喬姆斯基語(yǔ)言學(xué)路線的大佬也不乏其人。比如，同為麻省理工學(xué)院著名教授的計(jì)算機(jī)科學(xué)家馬文·明斯基。不知道是出于個(gè)人認(rèn)識(shí)還是政治因素，明斯基對(duì)喬姆斯基的語(yǔ)言學(xué)理論頗有微詞。說(shuō)起來(lái)，這兩位科學(xué)家都精通數(shù)學(xué)，都提出了有關(guān)基本心理過(guò)程的理論；并且，他們都在1950 年代后期推動(dòng)了認(rèn)知科學(xué)和人工智能的興起和繁榮，都稱得上是認(rèn)知科學(xué)和人工智能的重要奠基者。但是，也許是出于深刻的智識(shí)上的分歧，也就是對(duì)適合于理解心智的目標(biāo)和方法存在著根本性的差異，他們對(duì)于語(yǔ)言學(xué)首先應(yīng)該干什么，有著截然不同的見(jiàn)解：明斯基更加關(guān)注的是語(yǔ)言所能實(shí)現(xiàn)的功能，而不僅僅是它的結(jié)構(gòu)。因此，他埋怨喬姆斯基太過(guò)專注于句法，以至于一度幾乎將語(yǔ)義問(wèn)題完全排除在語(yǔ)言學(xué)之外；結(jié)果，一個(gè)重要的研究領(lǐng)域（語(yǔ)義學(xué)）被一個(gè)相對(duì)不重要的領(lǐng)域（句法學(xué)）取代了。對(duì)于明斯基來(lái)說(shuō)，這是根本沒(méi)理解問(wèn)題的正確起點(diǎn)（即甚至沒(méi)有提出正確的問(wèn)題，“not even have the problem statement right”）。他認(rèn)為喬姆斯基被抽象的數(shù)學(xué)所迷惑，而忽略了更有趣、更實(shí)質(zhì)的問(wèn)題，即意義和機(jī)制是如何相互關(guān)聯(lián)的。

明斯基的議論在很大程度上觸及了語(yǔ)言學(xué)和/ 或語(yǔ)言信息處理是句法優(yōu)先還是語(yǔ)義優(yōu)先的問(wèn)題。就語(yǔ)言信息處理而言，鮮有倚重句法的模型或系統(tǒng)獲得成功的先例；而像ChatGPT 等語(yǔ)言大模型成功的關(guān)鍵是倚重語(yǔ)義，特別是通過(guò)基于分布式語(yǔ)義學(xué)的詞向量嵌入表示〔詳見(jiàn)袁毓林（2022，2023）及其所引文獻(xiàn)〕。這從工程應(yīng)用的角度，給語(yǔ)言學(xué)理論研究的取向和側(cè)重點(diǎn)的選擇，提供了一個(gè)反思的維度和衡量得失的參照。

不過(guò)，對(duì)于喬姆斯基來(lái)說(shuō)，語(yǔ)言是一個(gè)心智的計(jì)算系統(tǒng)，其主要功能是思維，而不是交際。他堅(jiān)持認(rèn)為，交際是語(yǔ)言的次要的、附帶的功能（詳見(jiàn)史有為 2022）。因此，語(yǔ)言學(xué)的研究對(duì)象不是語(yǔ)言運(yùn)用，即我們能看到和聽(tīng)到的單詞、句子或人際交流行為；而是人類內(nèi)在的語(yǔ)言能力，即一種潛在于人類心智中的普遍語(yǔ)法，是所有語(yǔ)言共享的一種幾乎肯定是通過(guò)進(jìn)化而融入我們的生物學(xué)的結(jié)構(gòu)。他假設(shè)這種結(jié)構(gòu)的核心和基本特征是遞歸，即能夠無(wú)限地在短語(yǔ)中嵌套短語(yǔ)，從而表達(dá)思想之間的復(fù)雜關(guān)系（比如“湯姆說(shuō)| 丹聲稱|| 諾姆相信……”）。因此，喬姆斯基的生成語(yǔ)言學(xué)必然是句法優(yōu)先的。

但是，挑戰(zhàn)性的事實(shí)是人類學(xué)家和田野語(yǔ)言學(xué)家丹尼爾·埃弗雷特（Daniel Everett）發(fā)現(xiàn)了一種亞馬孫語(yǔ)言，即皮拉罕語(yǔ)（Pirah?），它不具備遞歸性。例如：

（12）a. 男人打我。男人壞。

b. 打我的男人壞。

（13）a. 月亮是綠奶酪做的。彼得說(shuō)。約翰說(shuō)。

b. 約翰說(shuō)彼得說(shuō)月亮是綠奶酪做的。

（14）a. 你喝酒。你開(kāi)車(chē)。你進(jìn)監(jiān)獄。

b. 如果你喝酒開(kāi)車(chē)，那么你會(huì)進(jìn)監(jiān)獄。

（15）a. 給我?guī)б恍┽斪踊貋?lái)。丹買(mǎi)了那些釘子。它們都是一樣的。

b. 把丹尼爾買(mǎi)的釘子給我?guī)б恍┗貋?lái)。

在皮拉罕語(yǔ)中，沒(méi)有b 這種嵌套式的遞歸結(jié)構(gòu)，只能說(shuō)成a 這種平鋪開(kāi)來(lái)的一組句子。正如Futrell etal.（2016）所指出的：有些現(xiàn)代人類語(yǔ)言的層級(jí)結(jié)構(gòu)低于喬姆斯基推測(cè)的層級(jí)結(jié)構(gòu)。

對(duì)此，信從喬姆斯基理論的人當(dāng)然可以理直氣壯地回應(yīng)稱：即使皮拉罕語(yǔ)沒(méi)有遞歸，這對(duì)普遍語(yǔ)法理論也毫無(wú)影響。因?yàn)檫@種能力是內(nèi)在的，即使它并不總是被利用。正如喬姆斯基及其同事在一篇合著論文中所說(shuō)：“我們的語(yǔ)言能力為我們提供了構(gòu)建語(yǔ)言的工具包，但并非所有語(yǔ)言都使用所有工具?！保‵itch et al. 2005）對(duì)此，Okrent（2017）敏銳地指出，這關(guān)系到的不是埃弗雷特對(duì)喬姆斯基理論的挑戰(zhàn)，而是喬姆斯基對(duì)科學(xué)方法本身的挑戰(zhàn)。因?yàn)?，根?jù)哲學(xué)家卡爾·波普爾（Karl Popper）的可證偽性準(zhǔn)則：理論除非具有被證偽的潛在可能性，否則就不是科學(xué)。如果你聲稱遞歸是語(yǔ)言的基本特征，并且無(wú)遞歸語(yǔ)言的存在并沒(méi)有推翻你的主張，那么還有什么可能使它無(wú)效呢？是啊，一個(gè)不能被事實(shí)反駁的理論，還稱得上是一種科學(xué)理論嗎？語(yǔ)言學(xué)還到底是不是一門(mén)科學(xué)??？該不會(huì)是一門(mén)哲學(xué)或一種宗教吧？這是不是有一點(diǎn)兒細(xì)思極恐啊？

2007 年，在接受Edge.org 的采訪中，埃弗雷特說(shuō)，他給喬姆斯基發(fā)了一封電子郵件：“普遍語(yǔ)法做出了什么我可以證偽的單一預(yù)測(cè)？我怎么測(cè)試它？”據(jù)埃弗雷特稱，喬姆斯基回答說(shuō)：“普遍語(yǔ)法并不做出任何預(yù)測(cè)。它是一門(mén)研究領(lǐng)域，就像生物學(xué)一樣?！保ㄒ設(shè)krent 2017）如果情況屬實(shí)，那么就徹底刷新了我們對(duì)于普遍語(yǔ)法的固有認(rèn)知：普遍語(yǔ)法是一種關(guān)于語(yǔ)言能力的理論。難道這是為了逃避可證偽性測(cè)試而臨陣換將和改旗易幟嗎？

事實(shí)上，不僅是遞歸，而且“合并”（merge）這種普遍語(yǔ)法的句法操作，即把兩個(gè)成分組合成一個(gè)更大的成分，也不是所有語(yǔ)言都采用的。比如，埃弗雷特和芭芭拉·克恩（Barbara Kem）宣稱：合并理論對(duì)亞馬孫的瓦里語(yǔ)（Wari）做出了錯(cuò)誤的預(yù)測(cè)；語(yǔ)言學(xué)家雷·杰肯道夫（Ray Jackendoff ）和伊娃·維滕堡（Eva Wittenburg）宣稱：在印尼廖內(nèi)語(yǔ)（Riau）中尋找合并操作是徒勞的（詳見(jiàn)Everett2017）。這說(shuō)明，合并可能是人類語(yǔ)言的一種重要的類似二進(jìn)制的句法操作，但是不一定是人類語(yǔ)言的必不可少的結(jié)構(gòu)基礎(chǔ)。反過(guò)來(lái)，對(duì)于語(yǔ)言來(lái)說(shuō)，更加重要的是語(yǔ)言形式的意義和交際者之間的互動(dòng)，而不是語(yǔ)言的結(jié)構(gòu)及其抽象的運(yùn)算方式。也就是說(shuō)，語(yǔ)義研究可能比句法研究更加重要。

八、結(jié)語(yǔ)：我們能夠從中得到什么教訓(xùn)？

技術(shù)進(jìn)步的速度常常會(huì)超出業(yè)內(nèi)資深專家們的估計(jì)。比如，在距今不遠(yuǎn)的那些歲月中，曾經(jīng)有過(guò)下面這些信心爆棚、信誓旦旦的預(yù)判（引自Jason 2024）：

1. 高速行駛的鐵路火車(chē)是不現(xiàn)實(shí)的，因?yàn)椋丝蜁?huì)由于車(chē)速太快不能呼吸，窒息而死?！?jiàn)W尼修斯·拉德納（1793 ～ 1859），自然哲學(xué)、天文學(xué)教授，倫敦

2. 折騰交流電是浪費(fèi)時(shí)間，人們永遠(yuǎn)也不會(huì)使用它?！旭R斯·愛(ài)迪生，1889 年

3. 馬匹不會(huì)過(guò)時(shí)，而汽車(chē)只是流行一時(shí)的新奇事物。——美國(guó)密歇根州儲(chǔ)蓄銀行總裁，1906 年

4. 全世界所需要的計(jì)算機(jī)大概是……五臺(tái)。——IBM 公司，1943 年

5. 過(guò)了一開(kāi)始的6 個(gè)月，電視就不會(huì)再有任何市場(chǎng)了，人們很快就會(huì)厭倦每天晚上盯著一個(gè)膠合板做的盒子?！兰o(jì)?？怂垢吖苓_(dá)里爾·扎納克，1946 年

6. 人們沒(méi)有理由想要在家里擁有一臺(tái)電腦。——數(shù)字設(shè)備公司總裁肯·奧爾森，1977 年

7. 移動(dòng)電話不會(huì)取代固定電話?！R蒂·庫(kù)珀，1981 年

8. 我預(yù)測(cè)互聯(lián)網(wǎng)很快將成為壯觀的超新星，而到1996 年就會(huì)遭遇災(zāi)難性的崩潰。—— 羅伯特·梅特卡夫，1995 年

9. 不支持3G，造價(jià)高，而且連最起碼的摔落測(cè)試都沒(méi)能通過(guò)，不太可能對(duì)諾基亞構(gòu)成威脅?！Z基亞工程師對(duì)第一代iPhone 的評(píng)估報(bào)告，2007 年

后來(lái)的現(xiàn)實(shí)當(dāng)然是：這些預(yù)言家被事實(shí)無(wú)情地啪啪打臉，有時(shí)簡(jiǎn)直讓當(dāng)事人無(wú)地自容。同樣，當(dāng)許多語(yǔ)言學(xué)家以為基于統(tǒng)計(jì)的概率模型無(wú)法真正刻畫(huà)自然語(yǔ)言時(shí)，ChatGPT 等基于統(tǒng)計(jì)概率的大語(yǔ)言模型卻大獲成功。從中，我們語(yǔ)言學(xué)家能夠得到哪些經(jīng)驗(yàn)和教訓(xùn)呢？

關(guān)于經(jīng)驗(yàn)和教訓(xùn)，粗略地說(shuō)，至少有下面幾點(diǎn)。（1）ChatGPT 等現(xiàn)代大語(yǔ)言模型基于深度神經(jīng)網(wǎng)絡(luò)，在詞語(yǔ)的嵌入式向量表示和轉(zhuǎn)換器的注意力機(jī)制等的加持下，能夠超越馬爾可夫過(guò)程模型的有限狀態(tài)的轉(zhuǎn)移網(wǎng)絡(luò)，來(lái)捕獲語(yǔ)句中不同詞語(yǔ)之間長(zhǎng)距離的依存關(guān)系，從而達(dá)到接近于人類水平的語(yǔ)言生成與理解。（2）ChatGPT 等現(xiàn)代大語(yǔ)言模型基于海量文本語(yǔ)料的訓(xùn)練，通過(guò)詞向量進(jìn)行語(yǔ)言上下文關(guān)系等知識(shí)的壓縮，能夠隱式地學(xué)習(xí)基本的句法和語(yǔ)義知識(shí)，從而能夠理解、識(shí)別和生成“Colorlessgreen ideas sleep furiously.”之類經(jīng)典的句法合格但語(yǔ)義異常的句子。（3）對(duì)語(yǔ)言的“精確描寫(xiě)”和“科學(xué)解釋”并不對(duì)立，并且前者比后者更加重要，因?yàn)閷?duì)語(yǔ)言的科學(xué)解釋必須建立在對(duì)語(yǔ)言的精確描寫(xiě)的基礎(chǔ)上。比如，ChatGPT 等現(xiàn)代大語(yǔ)言模型通過(guò)學(xué)習(xí)海量文本語(yǔ)料中的詞語(yǔ)與句式的概率分布，相當(dāng)于達(dá)到了對(duì)某種語(yǔ)言的精確描寫(xiě)，以至于連人類文本中的各種偏見(jiàn)和刻板印象都習(xí)得了；然后通過(guò)集束搜索等采樣解碼策略來(lái)預(yù)測(cè)下一個(gè)詞語(yǔ)，最終達(dá)到語(yǔ)言的生成和理解〔居然還是通過(guò)生成來(lái)達(dá)到理解（詳見(jiàn)Radford et al. 2018）〕。因此，從某種意義上講，現(xiàn)代大語(yǔ)言模型本身就可以看作一種關(guān)于語(yǔ)言運(yùn)用的科學(xué)理論。（4）人類自然語(yǔ)言由眾多的社會(huì)成員使用，內(nèi)部難免參差不齊，對(duì)于有關(guān)句子的合語(yǔ)法性和可接受性也不會(huì)有整齊劃一的標(biāo)準(zhǔn)。因此，生成語(yǔ)法學(xué)的“原則與參數(shù)”范式下的范疇語(yǔ)法，對(duì)于描寫(xiě)人類自然語(yǔ)言肯定有不可克服的困難。（5）從語(yǔ)言的交際功能這種實(shí)際用途出發(fā)，無(wú)論是語(yǔ)言生成還是語(yǔ)言理解，都是以意義為中心的；相應(yīng)地，語(yǔ)法學(xué)的研究取向可能不應(yīng)該是“句法優(yōu)先”，而應(yīng)該是“語(yǔ)義優(yōu)先”。只要想一下在人類進(jìn)化的漫長(zhǎng)征途中語(yǔ)言的形成過(guò)程，就可以明白：首先得有一批人類文化所創(chuàng)造的概念（意義）跟社會(huì)認(rèn)同的形式（語(yǔ)音）相結(jié)合的象征符號(hào)，然后才有怎樣讓多個(gè)象征符號(hào)合并和組合成符號(hào)串的句法。正如Luuk amp; Luuk（2014）所指出的：句法最初是從符號(hào)連接開(kāi)始發(fā)展的，然后從單純的連接發(fā)展到嵌入語(yǔ)法。（6）語(yǔ)言學(xué)家從語(yǔ)言大模型的成功中獲得的最大經(jīng)驗(yàn)與教訓(xùn)是：對(duì)能夠直接觀察的語(yǔ)言事實(shí)（我們每天都說(shuō)的單詞、句子等）的準(zhǔn)確描寫(xiě)，遠(yuǎn)比對(duì)不能直接觀察的語(yǔ)言能力及其本質(zhì)（一種特定于語(yǔ)言和人類的抽象特性等）的解釋更為基本。前者可以用語(yǔ)料和大語(yǔ)言模型來(lái)驗(yàn)證并且支持有關(guān)的教學(xué)和工程應(yīng)用，后者則不容易證偽并且容易陷于“確認(rèn)偏差”（confi rmation bias，即傾向于發(fā)現(xiàn)有利于自己先前所持的信念、假設(shè)或理論的證據(jù)，而忽略對(duì)自己不利的證偽性數(shù)據(jù)、事實(shí)或理論）。當(dāng)然，也不排除這樣一種可能性：前者囿于語(yǔ)言的表面現(xiàn)象而失去關(guān)于語(yǔ)言本質(zhì)的洞察力，后者則開(kāi)辟了一條通向認(rèn)識(shí)語(yǔ)言（和人類及其思維）本質(zhì)的光明大道。另外，在計(jì)算技術(shù)和數(shù)學(xué)模型面前，我們應(yīng)該保持足夠的謙遜！因?yàn)椋Z(yǔ)言技術(shù)變革的速度、效力和前途，可能會(huì)比人們通常預(yù)想的更快、更高和更遠(yuǎn)！

參考文獻(xiàn)

史有為 2022 《從喬氏對(duì)答談?wù)Z言的思維功能》，微信公眾號(hào)“西去東來(lái)中傳站”，2022?10?25。

袁毓林 2022 《在人類生境約束下思考語(yǔ)言的設(shè)計(jì)原理和運(yùn)作機(jī)制》，《語(yǔ)言戰(zhàn)略研究》第6 期。

袁毓林 2023 《超越聊天機(jī)器人，走向通用人工智能——ChatGPT 的成功之道及其對(duì)語(yǔ)言學(xué)的啟示》，《當(dāng)代語(yǔ)言學(xué)》第5 期。

袁毓林 2024 《ChatGPT 等大型語(yǔ)言模型對(duì)語(yǔ)言學(xué)理論的挑戰(zhàn)與警示》，《當(dāng)代修辭學(xué)》第1 期。

Chomsky， N. 1956. Three models for the description of language. IRE Transactions on Information theory （Volume 2， Issue 3），113?124. Chomsky， N. 1957. Syntactic Structures. The Hague： Mouton.

Chomsky， N. 1965. Aspects of the Theory of Syntax. Cambridge， MA.： MIT Press.

Chomsky， N. 1969. Some empirical assumptions in modern philosophy of language. In Philosophy， Science and Method： Essays in Honor or Ernest Nagel. St. Martin’s Press.

Chomsky， N. 1981. Lectures on Government and Binding. De Gruyter.

Chomsky， N. 2023. The False Promise of ChatGPT. New York Times， Mar. 8， 2023.（《喬姆斯基：ChatGPT 的虛假承諾》，微信公眾號(hào)“語(yǔ)言治理”，2023?03?10，https：//mp.weixin.qq.com/s/e9KDOZ3vwd10PFvH6hbtmg ；《終于，喬姆斯基出手了：追捧ChatGPT 是浪費(fèi)資源》，微信公眾號(hào)“機(jī)器之心”，2023?03?10，https：//mp.weixin.qq.com/s/MyiLZYE_hcL27i_qtm7lSA。）

Chomsky， N. amp; H. Lasnik. 1993. Principles and parameters theory. In J. Jacobs， A. von Stechow， W. Stemefeld， amp; T.Vennemann （Eds.） Syntax： An International Handbook of Contemporary Research. Berlin： de Gruyter.

Everett， D. L. 2017. How Language Began： The Story of Humanity’s Invention. New York · London： Liveright Publishing Corporation.（《語(yǔ)言的誕生：人類最偉大發(fā)明的故事》，何文忠，樊子瑤，桂世豪，譯，北京：中信出版集團(tuán)，2020。）

Fitch， W. Tecumseh， M. D. Hauser， amp; N. Chomsky. 2005. The evolution of the language faculty： clarifi cations and implications.Cognition 97（2）： 179?210.

Futrell， R.， L. Stearns， D. L. Everett， S. ， et al. 2016. A Corpus Investigation of Syntactic Embedding in Pirah?. PLoS One.https：//journals.plos.org/plosone/article？id=10.1371/journal.pone.0145289.

Gazzaniga， M. S. ， R. B. Ivry amp; G. R. Mangun. 2009. Cognitive Neuroscience： The Biology of the Mind （3rd Edn.）. W. W.Norton amp; Company， Inc.（《認(rèn)知神經(jīng)科學(xué)—— 關(guān)于心智的生物學(xué)》，周曉林，高定國(guó)，等，譯，北京：中國(guó)輕工業(yè)出版社，2011。）

Hinton， E. G. 2024.《數(shù)字智能會(huì)取代生物智能嗎？》，2024 年2 月19 日于牛津大學(xué)的公開(kāi)演講，衛(wèi)劍釩，編譯，微信公眾號(hào)“衛(wèi)sir 說(shuō)”，2024?03?08，https：//mp.weixin.qq.com/s/u72sPc0PxwIaQBFK-TCKJw。

Jason. 2024.《從GPT-5 是什么說(shuō)起》，微信公眾號(hào)“信息平權(quán)”，2024?01?21，https：//mp.weixin.qq.com/s/1uKg8QulI7AmWLqS9Q8toA。

……

（因版面不足，以下參考文獻(xiàn)從略，可在中國(guó)知網(wǎng)上閱讀、下載完整版）

責(zé)任編輯：王 飆