詞典學(xué)視閥下人工智能與人類智能共生范式探析

摘要文章探討了如何在人機(jī)共生范式下開發(fā)出一種適用于寫作助手的語(yǔ)法分類新體系，并在數(shù)字詞典視閾下審視了“人類智能”與“人工智能”之間的關(guān)系。借助人工智能提升編纂效率的理論創(chuàng)新與實(shí)踐舉措已成為詞典學(xué)領(lǐng)域的重要課題，但在此過(guò)程中人工智能所展現(xiàn)的“理論”與“實(shí)踐”之間的差距，也進(jìn)一步印證了人類智能的重要性。

一、引言

本文的主題聚焦數(shù)字詞典視閾下人工智能與人類智能的關(guān)系。本文與之前筆者在中國(guó)的一場(chǎng)國(guó)際會(huì)議[1上講述的內(nèi)容相似。但是由于數(shù)字詞典項(xiàng)目的持續(xù)推進(jìn)，也促使我們對(duì)人工智能與人類智能之間的關(guān)系進(jìn)行了更加深刻的反思。

二、概念辨析：人工智能與人類智能

縱觀人類發(fā)展的歷史進(jìn)程，人類與機(jī)器的關(guān)系始終處于動(dòng)態(tài)演變之中，貫穿了從原始社會(huì)到當(dāng)今智能時(shí)代的漫長(zhǎng)歷程。在此期間，人類使用的工具幾經(jīng)迭代，從遠(yuǎn)古時(shí)期的簡(jiǎn)單工具，到工業(yè)革命時(shí)期以蒸汽機(jī)為代表的動(dòng)力機(jī)械的誕生，從工業(yè)自動(dòng)化到人工智能的問(wèn)世，其復(fù)雜程度與日俱增。但是，究其本質(zhì)，機(jī)器作為人類身體機(jī)能的延伸這一核心特質(zhì)從未改變。人工智能也是人類身體機(jī)能（思維）的延伸。

“人工智能”這一概念最早由約翰·麥卡錫（JohnMcCarthy）及其三位同事于1955年提出。（McCarthy等2006）他們認(rèn)為，人工智能旨在通過(guò)技術(shù)手段（如計(jì)算機(jī)程序）模擬和實(shí)現(xiàn)人類智能的核心特征，逐步理解和擴(kuò)展人類智能，而非從生物學(xué)角度出發(fā)復(fù)刻人類大腦構(gòu)造或其神經(jīng)系統(tǒng)運(yùn)行機(jī)制。喬姆斯基則認(rèn)為，這偏離了他們最初的目標(biāo)。喬氏對(duì)當(dāng)前一些基于大數(shù)據(jù)和統(tǒng)計(jì)模型的研究方法持批判態(tài)度，強(qiáng)調(diào)人類智能涉及復(fù)雜的生物學(xué)知識(shí)和深層認(rèn)知機(jī)制，人工智能難以模擬，這也催生了認(rèn)知科學(xué)（cognitivescience）的發(fā)展。探討人工智能與人類智能的關(guān)系，必須厘清二者在“智能”概念層面的本質(zhì)差異。從底層邏輯來(lái)看，人工智能與人類智能的核心區(qū)別在于：前者主要依賴復(fù)雜算法和計(jì)算模型來(lái)模擬智能行為，而后者則包含了復(fù)雜的生物學(xué)、神經(jīng)學(xué)和認(rèn)知機(jī)制。因此，雖然人工智能在處理特定任務(wù)時(shí)展現(xiàn)出強(qiáng)大的能力，但其“智能”與人類的思維方式截然不同。事實(shí)上，人工智能無(wú)法真正復(fù)刻人類智能深層次的思維特質(zhì)。例如，生物科學(xué)家對(duì)秀麗隱桿線蟲（caenorhabditiselegans）的研究可以支持這一觀點(diǎn)。悉尼·布倫納（SydneyBrenner）最先提出了秀麗隱桿線蟲的分子生物學(xué)與發(fā)育生物學(xué)研究，該項(xiàng)目于1974年在麻省理工學(xué)院正式實(shí)施。秀麗隱桿線蟲的結(jié)構(gòu)相對(duì)簡(jiǎn)單，神經(jīng)系統(tǒng)的規(guī)模有限，然而，即使經(jīng)過(guò)精準(zhǔn)解析其基因序列及繪制神經(jīng)元線路圖，其行為依然難以預(yù)測(cè)。這充分表明，看似簡(jiǎn)單的生物也極具復(fù)雜性，進(jìn)一步說(shuō)明了從人工智能的角度理解生物過(guò)程，極有可能導(dǎo)致對(duì)“智能”本質(zhì)的錯(cuò)誤解讀和方向性偏差。

談及人工智能的未來(lái)發(fā)展，許多專家學(xué)者對(duì)其潛在威脅表示擔(dān)憂。英國(guó)著名物理學(xué)家斯蒂芬·威廉·霍金（StephenWilliamHawking，2018）曾言：人工智能的發(fā)展可能意味著人類種族的終結(jié)。人工智能領(lǐng)域的先鋒人物杰弗里·辛頓（Geoffrey Hinton，2025）也曾公開表達(dá)過(guò)對(duì)人工智能脫離人類控制的擔(dān)憂。這些觀點(diǎn)反映了人類對(duì)人工智能發(fā)展的警覺(jué)，從宏觀角度提醒我們?cè)谧非蠹夹g(shù)創(chuàng)新的同時(shí)，一定要謦惕其潛在的風(fēng)險(xiǎn)。從微觀層面來(lái)看，人工智能的發(fā)展大致經(jīng)歷了三個(gè)階段。早期的符號(hào)主義學(xué)派認(rèn)為，人類思維過(guò)程可以用符號(hào)和規(guī)則表示，并據(jù)此將“智能”簡(jiǎn)化為符號(hào)邏輯推演，其核心目標(biāo)在于通過(guò)建立形式化的邏輯模型來(lái)模擬人類智能。后來(lái)的連接主義學(xué)派則認(rèn)為，人類智能的產(chǎn)生源于大腦神經(jīng)元之間的連接，他們希望通過(guò)建立神經(jīng)網(wǎng)絡(luò)模型來(lái)模仿人腦的結(jié)構(gòu)和功能。2022年以來(lái)，人工智能的效能顯著提升，其工作原理主要基于外部反饋與強(qiáng)化學(xué)習(xí)機(jī)制，在本質(zhì)上與早期認(rèn)知科學(xué)所摒棄的行為主義訓(xùn)練方式相似，但這種方法依然缺乏對(duì)人類智能深層次運(yùn)行機(jī)制的理解。

人類智能與人工智能的關(guān)鍵差異在于人類大腦的神經(jīng)元數(shù)量及其錯(cuò)綜復(fù)雜的連接結(jié)構(gòu)。盡管人工智能在某些任務(wù)上表現(xiàn)出色，但人類大腦中的神經(jīng)元質(zhì)量遠(yuǎn)超人工神經(jīng)元，尤其體現(xiàn)在學(xué)習(xí)能力上。例如，兒童僅需接觸幾千個(gè)詞匯便可掌握語(yǔ)言的基本結(jié)構(gòu)，但是訓(xùn)練一個(gè)大語(yǔ)言模型卻需要海量數(shù)據(jù)。這一現(xiàn)象凸顯了人類智能與人工智能在處理復(fù)雜認(rèn)知任務(wù)時(shí)的巨大差異。因此，人類智能與人工智能之間的區(qū)別仍然是認(rèn)知科學(xué)和人工智能領(lǐng)域亟待探討的重要課題。

三、數(shù)字詞典項(xiàng)目新進(jìn)展：寫作助手（Writingassistants）

接下來(lái)，以筆者參加的一個(gè)數(shù)字詞典實(shí)踐項(xiàng)目（西班牙語(yǔ)版寫作助手）為例，分享筆者的經(jīng)驗(yàn)和反思。該項(xiàng)目旨在探索如何應(yīng)用基于人工智能驅(qū)動(dòng)的語(yǔ)言模型GECToR（Grammatical Error Correction：Tag，NotRewrite）來(lái)研發(fā)服務(wù)于西班牙語(yǔ)學(xué)習(xí)者（包括母語(yǔ)學(xué)習(xí)者和非母語(yǔ)學(xué)習(xí)者）寫作需求的數(shù)字產(chǎn)品。與歐美國(guó)家已發(fā)布的寫作助手（如DeepLWrite、Grammarly、Ginger、LanguageTool、ProWritingAid 等）不同，我們研發(fā)的寫作助手將提供雙語(yǔ)版本及附加解釋，凸顯其教學(xué)功能。作為詞典學(xué)家，筆者主要參與了語(yǔ)料訓(xùn)練、功能設(shè)計(jì)及用戶互動(dòng)等方面的工作。GECToR的語(yǔ)料訓(xùn)練主要包括：（1）西班牙語(yǔ)語(yǔ)料訓(xùn)練；（2）添加源自詞典數(shù)據(jù)庫(kù)的合成數(shù)據(jù)；（3）添加驗(yàn)證數(shù)據(jù)以評(píng)估語(yǔ)言模型性能。此外，為了提升產(chǎn)品的用戶友好度，筆者還做了如下主要工作：（1）用西班牙語(yǔ)撰寫“文本片段”以闡明語(yǔ)法問(wèn)題并提供替代選項(xiàng)；（2）撰寫“附加文本”以提示詞匯、語(yǔ)法、文體等知識(shí)；（3）將西班牙語(yǔ)對(duì)譯為英語(yǔ)、丹麥語(yǔ)、意大利語(yǔ)和漢語(yǔ)。

人工智能并非完全可靠，但是，以往的認(rèn)知似乎陷入了一個(gè)誤區(qū)，即過(guò)分關(guān)注其給出的回復(fù)正確與否，而忽略了問(wèn)題的關(guān)鍵所在，即我們（人類）如何使用人工智能（例如，提供恰當(dāng)?shù)闹噶睿┮猿浞职l(fā)揮其潛力。正如沒(méi)有人會(huì)問(wèn)一個(gè)網(wǎng)球拍“你能做什么”這樣荒誕的問(wèn)題。因?yàn)槲覀冎?，它只是一個(gè)工具，只有在經(jīng)過(guò)專業(yè)訓(xùn)練的網(wǎng)球運(yùn)動(dòng)員手中才能發(fā)揮其價(jià)值。人工智能與人類智能之間的關(guān)系也是如此。諸如ChatGPT之類的生成式人工智能也只是工具，若缺乏系統(tǒng)訓(xùn)練，便難以精準(zhǔn)執(zhí)行指令、完成復(fù)雜任務(wù)。因此，若想充分發(fā)揮其效用，掌握最終話語(yǔ)權(quán)的人類必須主動(dòng)接受訓(xùn)練，掌握人機(jī)交互技巧，挖掘其應(yīng)用價(jià)值。

2023年3月，ChatGPT被引人本項(xiàng)目，研究人員逐漸聚焦于人工智能和人類智能之間的協(xié)作關(guān)系，探索如何在人機(jī)協(xié)同下提升項(xiàng)目進(jìn)展效率。（Huete-Garciaamp;Tarp 2024）在本項(xiàng)目中，詞典學(xué)家主要使用ChatGPT訓(xùn)練語(yǔ)言模型（生成西班牙語(yǔ)語(yǔ)料庫(kù)和驗(yàn)證數(shù)據(jù)）及用戶交互（提供簡(jiǎn)單解釋和增補(bǔ)解釋）。經(jīng)過(guò)訓(xùn)練后的語(yǔ)言模型會(huì)自動(dòng)識(shí)別詞匯、語(yǔ)法等問(wèn)題，并基于該語(yǔ)言模型生成的內(nèi)部編碼（詳見(jiàn)圖1所示），為用戶指明問(wèn)題并提供替代選項(xiàng)（詳見(jiàn)圖2所示）。

該項(xiàng)目的最終目標(biāo)是推出一款高質(zhì)量的寫作助手，以幫助西班牙語(yǔ)學(xué)習(xí)者提升其寫作水平。因此，在正式發(fā)布該寫作助手之前，有必要通過(guò)驗(yàn)證數(shù)據(jù)（validationdata）測(cè)試其各項(xiàng)功能。如果驅(qū)動(dòng)寫作助手的語(yǔ)言模型表現(xiàn)不佳，就需要基于更多的語(yǔ)料進(jìn)一步訓(xùn)練，以便后續(xù)進(jìn)行實(shí)際的用戶測(cè)試。經(jīng)過(guò)一系列試驗(yàn)，我們已經(jīng)探索出利用ChatGPT推進(jìn)該任務(wù)的方法，該方法主要包括3個(gè)步驟：（1）向ChatGPT簡(jiǎn)要介紹問(wèn)題，并詢問(wèn)其是否了解該問(wèn)題；（2）闡明我們需要其協(xié)助的原因；（3）明確告知其具體任務(wù)，引導(dǎo)其生成符合要求的文本。大多數(shù)情況下，ChatGPT能夠正確理解我們所提出的問(wèn)題。然而，某些情況下，即便它可以從抽象層面正確描述語(yǔ)言規(guī)則，但在提供具體例證時(shí)卻出現(xiàn)了錯(cuò)誤。例如，在對(duì)西班牙語(yǔ)中的連詞“o”（英文中的“or”）進(jìn)行解釋時(shí)，它雖然能正確闡明語(yǔ)法規(guī)則，即指出該連詞在位于以“o”或“ho”開頭的單詞之前時(shí)要寫成“u”，以避免連續(xù)重復(fù)相同發(fā)音，但是給出的例證卻出現(xiàn)了錯(cuò)誤。隨后，我們多次詢問(wèn)ChatGPT是否了解上述問(wèn)題。盡管其回復(fù)表明它了解該問(wèn)題并提供了正確的語(yǔ)法解釋，但提供的例證仍然出現(xiàn)了錯(cuò)誤。由此可見(jiàn)，人工智能無(wú)法像人類一樣思考和推理，這也進(jìn)一步說(shuō)明詞典學(xué)家的獨(dú)特價(jià)值不會(huì)輕易被取代。（Tarp＆Nomdedeu-Rull2024）但是，ChatGPT可以顯著提升工作效率的價(jià)值也不容忽視。此前，詞典學(xué)家每天最多編寫200個(gè)句子，而借助ChatGPT，工作效率提高了將近20倍。最終，通過(guò)人機(jī)協(xié)作，團(tuán)隊(duì)在幾天內(nèi)就構(gòu)建了約3.5萬(wàn)個(gè)包括正確句子和錯(cuò)誤句子的語(yǔ)料庫(kù)，用于寫作助手語(yǔ)言模型的性能檢驗(yàn)，充分證明了ChatGPT在該語(yǔ)言模型訓(xùn)練中的作用。

此外，我們認(rèn)為，人工智能應(yīng)用于翻譯或文學(xué)創(chuàng)作之中也是可行的，但存在過(guò)度泛化的風(fēng)險(xiǎn)。美國(guó)的一項(xiàng)實(shí)驗(yàn)顯示，目前互聯(lián)網(wǎng)上 40% 的文本是由人工智能生成的，且這一比例隨著技術(shù)發(fā)展仍在持續(xù)增加。該實(shí)驗(yàn)通過(guò)使用人工智能生成的文本來(lái)測(cè)試語(yǔ)言模型，并讓其再生成新的文本，經(jīng)過(guò)5次迭代之后，生成的文本與人類使用的語(yǔ)言相差甚遠(yuǎn)，難以理解。這表明，我們不能完全依賴人工智能生成文本。此外，我們也觀察到，新一代學(xué)習(xí)者的寫作能力普遍較弱。隨著人工智能的發(fā)展，學(xué)習(xí)者可以直接將自己的寫作文本粘貼至寫作助手進(jìn)行修改，無(wú)需過(guò)多關(guān)注語(yǔ)言的正確性。盡管這一趨勢(shì)可能難以改變，但我們認(rèn)為，有必要讓學(xué)習(xí)者意識(shí)到語(yǔ)言技能（skill）批判性思維（critical sense）及創(chuàng)造力（creativity）的重要性。因此，本項(xiàng)目研發(fā)的西班牙語(yǔ)版寫作助手，旨在與用戶的互動(dòng)中提供即時(shí)的語(yǔ)言使用指導(dǎo)，通過(guò)提供替代選項(xiàng)、簡(jiǎn)單解釋、增補(bǔ)解釋等方式，助力學(xué)習(xí)者從“發(fā)現(xiàn)錯(cuò)誤”到“理解錯(cuò)誤”，使其能夠在不斷的反饋中提升語(yǔ)言能力，培養(yǎng)批判性思維。

四、新型語(yǔ)法分類：以西班牙語(yǔ)和英語(yǔ)為例

教科書、語(yǔ)法書與詞典是輔助二語(yǔ)學(xué)習(xí)者語(yǔ)法習(xí)得的三類基礎(chǔ)性材料。三者基于各自視角對(duì)語(yǔ)法問(wèn)題予以闡釋，各具優(yōu)勢(shì)和不足。例如，教科書與語(yǔ)法書涵蓋一般性的語(yǔ)法規(guī)則，卻不會(huì)針對(duì)特定的語(yǔ)法問(wèn)題展開詳細(xì)解釋，且查檢不便。詞典相較于前兩者，雖然查檢方便，且部分情況下會(huì)針對(duì)特定的語(yǔ)法問(wèn)題進(jìn)行解釋說(shuō)明，但通常為單語(yǔ)形式，功能豐富，并非聚焦于單一的語(yǔ)法問(wèn)題，無(wú)法助益學(xué)習(xí)者對(duì)特定語(yǔ)法問(wèn)題的深度理解。鑒于此，我們?cè)谌藱C(jī)協(xié)作下創(chuàng)造出了一種新型語(yǔ)法分類，與傳統(tǒng)語(yǔ)法書、教科書及詞典中的分類截然不同，該分類模式能夠更好地反映學(xué)習(xí)者在實(shí)際使用語(yǔ)言時(shí)的需求。我們將其主要特征歸納為5個(gè)方面：（1）雙語(yǔ)編寫，凸顯學(xué)習(xí)者母語(yǔ)的重要作用；（2）單一功能，幫助學(xué)習(xí)者在產(chǎn)出西班牙語(yǔ)文本時(shí)，深入理解文本中的語(yǔ)法錯(cuò)誤；（3）易于獲取，只需點(diǎn)擊由語(yǔ)言模型識(shí)別為有問(wèn)題的單詞即可獲取所需信息；（4）它既不像傳統(tǒng)語(yǔ)法書或教科書附錄中的迷你語(yǔ)法指南（mini-grammars）那樣具有系統(tǒng)性，也不像教科書中的注釋或者學(xué)習(xí)者期望在詞典中找到語(yǔ)法信息那樣針對(duì)特定詞匯；（5）提供解釋，大部分解釋針對(duì)單詞或詞組中常見(jiàn)的語(yǔ)法問(wèn)題，同時(shí)又具備個(gè)性化特征，可以幫助學(xué)習(xí)者解決文本寫作時(shí)遇到的具體問(wèn)題。

然而，確定需要為哪些語(yǔ)法錯(cuò)誤提供解釋，頗具挑戰(zhàn)性。一方面，語(yǔ)法錯(cuò)誤在學(xué)習(xí)者的文本寫作中要有一定的出現(xiàn)頻率；另一方面，這些語(yǔ)法錯(cuò)誤既不能過(guò)于籠統(tǒng)也不能過(guò)于具體。[2]因此，選擇一種合適的方法對(duì)語(yǔ)法錯(cuò)誤進(jìn)行再分類至關(guān)重要。最初，我們計(jì)劃采用語(yǔ)言模型生成的內(nèi)部編碼（詳見(jiàn)圖1所示），但由于數(shù)據(jù)過(guò)多，難以進(jìn)行實(shí)際操作。另一種解決方案則是使用西班牙語(yǔ)標(biāo)注語(yǔ)料庫(kù)幫助我們進(jìn)行語(yǔ)法錯(cuò)誤再分類，這一方法主要受到了Bestgen和Granger（2011）研究的啟發(fā)。［3]然而，經(jīng)過(guò)調(diào)查，我們發(fā)現(xiàn)西班牙語(yǔ)作為第二語(yǔ)言及母語(yǔ)的書面語(yǔ)語(yǔ)料庫(kù)（CorpusofWriten Spanish ofL2andHeritageSpeakers，以下簡(jiǎn)稱COWS-L2H）是唯一一個(gè)進(jìn)行標(biāo)注的開放型語(yǔ)料庫(kù)。據(jù)該語(yǔ)料庫(kù)的研發(fā)團(tuán)隊(duì)稱，它包含了基于先前確立的分類法所做的共計(jì)9463個(gè)與名詞性句法結(jié)構(gòu)類別相關(guān)的語(yǔ)法錯(cuò)誤標(biāo)注。其中，出現(xiàn)頻率最高的是主語(yǔ)人稱代詞的不當(dāng)使用（3051例， 32% ），[4]其次是性屬不一致（gender disagreement）（2235例， 24% ）及冠詞缺失（1695例， 18% ）。在本研究中，我們選擇了性屬不一致這一語(yǔ)法錯(cuò)誤類別作為進(jìn)一步研究的對(duì)象。但是，COWS-L2H并未提供更多的幫助，即該語(yǔ)料庫(kù)并未對(duì)語(yǔ)法錯(cuò)誤類別進(jìn)行細(xì)分及提供性屬不一致語(yǔ)法錯(cuò)誤類別下的子類別語(yǔ)法錯(cuò)誤頻率等信息。因此，我們借助ChatGPT及詞典專家的專業(yè)知識(shí)對(duì)性屬不一致語(yǔ)法錯(cuò)誤進(jìn)行了再分類。在此過(guò)程中，我們還檢索了權(quán)威的西班牙語(yǔ)語(yǔ)法書和詞典及西班牙國(guó)家廣播電視的文體指南。最終，在性屬不一致語(yǔ)法錯(cuò)誤類別下細(xì)分了25個(gè)子類別（詳見(jiàn)表1）。此外，需要說(shuō)明的是，這一語(yǔ)法錯(cuò)誤類別劃分有別于傳統(tǒng)的語(yǔ)法分類模式，主要是基于適宜納入寫作助手，并且能夠針對(duì)學(xué)習(xí)者特定的語(yǔ)法錯(cuò)誤提供解釋等標(biāo)準(zhǔn)。

接下來(lái)就需要撰寫文本，就特定的語(yǔ)法問(wèn)題向用戶提供解釋。我們先要明確人機(jī)協(xié)同撰寫文本以闡明語(yǔ)法問(wèn)題的主要目的，即回答以下4個(gè)問(wèn)題：（1）誰(shuí)可能需要這些解釋；（2）為什么需要這些解釋；（3）在什么情況下需要這些解釋；（4）在什么技術(shù)環(huán)境下產(chǎn)生這種需求。在第一項(xiàng)研究中，我們所撰寫的文本旨在幫助西班牙語(yǔ)學(xué)習(xí)者實(shí)現(xiàn)對(duì)語(yǔ)法問(wèn)題的深度理解。具體來(lái)講，本研究對(duì)上述4個(gè)問(wèn)題的回答如下：（1）該文本所針對(duì)的對(duì)象是初級(jí)或中級(jí)西班牙語(yǔ)學(xué)習(xí)者；（2）上述學(xué)習(xí)者的需求是更好地理解文本寫作中出現(xiàn)的語(yǔ)法錯(cuò)誤；（3）其所處的具體情景為西班牙語(yǔ)寫作；（4）其所處的技術(shù)環(huán)境為基于語(yǔ)言模型驅(qū)動(dòng)的寫作助手。為實(shí)現(xiàn)上述目的，我們所撰寫的文本應(yīng)該具備以下特征：（1）簡(jiǎn)明易懂且具備教學(xué)性；（2）不使用過(guò)多的專業(yè)術(shù)語(yǔ)；（3）提供與特定的語(yǔ)法問(wèn)題最為相關(guān)的信息；（4）結(jié)構(gòu)布局合理，便于學(xué)習(xí)者全面了解并領(lǐng)會(huì)語(yǔ)法問(wèn)題的關(guān)鍵所在。

在這一過(guò)程中，ChatGPT[5]出現(xiàn)了更多的問(wèn)題。最初，ChatGPT幾乎不可能產(chǎn)出符合上述要求的文本內(nèi)容。但是，我們不應(yīng)該將全部問(wèn)題歸咎于ChatGPT，而應(yīng)重新審視自己的能力（例如，撰寫的指令是否存在問(wèn)題），從而發(fā)揮其最大效用。因此，基于詞典學(xué)家的經(jīng)驗(yàn)及對(duì)ChatGPT的了解，情況逐漸有所好轉(zhuǎn)，ChatGPT生成的內(nèi)容質(zhì)量也不斷提升。我們向ChatGPT發(fā)布的第1條指令為：“請(qǐng)向一位母語(yǔ)非西班牙語(yǔ)且不熟悉語(yǔ)法術(shù)語(yǔ)的學(xué)習(xí)者解釋西班牙語(yǔ)中名詞和形容詞性屬不一致這一語(yǔ)法錯(cuò)誤。我只需要一個(gè)錯(cuò)誤例證及同一個(gè)經(jīng)過(guò)修正的例證。\"（Prompt1：Explain to a non-native Spanishlearner，who is also a layman in grammatical terminology，the error in gender agreementin Spanish between noun and adjective. I just need an incorrect example and the sameexamplecorrected.）基于上述指令，ChatGPT生成了很長(zhǎng)的文本，主要包括7方面的內(nèi)容。「6]鑒于ChatGPT存在提供冗長(zhǎng)文本及錯(cuò)誤信息等問(wèn)題，我們對(duì)上述指令進(jìn)行了修改，要求它僅提供對(duì)上述語(yǔ)法錯(cuò)誤的簡(jiǎn)短介紹、錯(cuò)誤和正確的例證及對(duì)例證的簡(jiǎn)要解釋。指令2為：“請(qǐng)用簡(jiǎn)潔且具備教學(xué)性特征的表述，向一位非母語(yǔ)的西班牙語(yǔ)學(xué)習(xí)者解釋西班牙語(yǔ)中名詞和形容詞性屬不一致這一語(yǔ)法問(wèn)題。我需要你先提供該語(yǔ)法問(wèn)題的簡(jiǎn)單介紹，然后給出一個(gè)錯(cuò)誤例證以及同一個(gè)經(jīng)過(guò)修正的例證，并提供簡(jiǎn)要解釋。例證長(zhǎng)度至少10 個(gè)單詞。\"（Prompt 2：Explain briefly and didactically to a non-native Spanishlearner the gender agreement error between a noun and an adjective in Spanish. I need youto present the problem，give an example with an error and its correction and briefly explainthe example. The example must be at least l0 words long.）

在新的指令下，ChatGPT生成的文本進(jìn)行了信息刪減及結(jié)構(gòu)簡(jiǎn)化（詳見(jiàn)圖3所示）。然而，新生成的文本內(nèi)容中仍舊存在指令1中出現(xiàn)的問(wèn)題，盡管相較之前有所改善。例如，內(nèi)容矛盾，它仍舊表示“形容詞用來(lái)描述事物”。其次，當(dāng)解釋錯(cuò)誤例證中的名詞和形容詞性屬不一致的問(wèn)題時(shí)，ChatGPT使用的表達(dá)方式是“使它們一致”（tomake themagree），而更準(zhǔn)確的表達(dá)方式應(yīng)該是“使它們性屬一致”（to make themagree in gender），表明這不是其他類型的語(yǔ)法問(wèn)題?；谥噶?的第2次回復(fù)（詳見(jiàn)圖4所示），ChatGPT表示“名詞用來(lái)指代事物或人”，這也是不準(zhǔn)確的。此外，“為了使它們一致，bonito（漂亮的，陽(yáng)性）必須改為bonita（漂亮的，陰性）\"（To make them match，“bonito”must bechanged to its feminineform，“bonita”.），這一內(nèi)容幾乎和ChatGPT基于指令1生成的內(nèi)容完全相同，即“為了使它們一致，我們必須使用形容詞的陰性形式bonita”（To makethem match，we must use “bonita”，which is the feminine form of the adjective.），并且二者都采取了“一致”而非“性屬一致”的表達(dá)方式。

然后，詞典學(xué)家進(jìn)行了二次編輯，保留了ChatGPT先前提供的整體結(jié)構(gòu)框架，并在此基礎(chǔ)上進(jìn)行了修改（詳見(jiàn)圖5所示）。具體的優(yōu)化流程如下：（1）快速閱讀ChatGPT生成的內(nèi)容；（2）刪除干擾學(xué)習(xí)者的冗余信息；（3）替換部分單詞或詞組以提升文本的可讀性；（4）從例證中選取相關(guān)信息將其添加到開始的簡(jiǎn)介部分，以闡明所解釋的語(yǔ)法問(wèn)題（尤其在不可避免地要使用語(yǔ)法術(shù)語(yǔ)的情況下）；（5）改進(jìn)文本布局，以便快速獲取必要信息；（6）優(yōu)化論證結(jié)構(gòu)（argumentation structure），即錯(cuò)誤例證和正確例證的解釋部分，使其簡(jiǎn)潔明了，更具邏輯性。

具體來(lái)講，在本例中我們做了如下工作：其一，針對(duì)名詞和形容詞這兩類詞匯給出了更易于理解的定義，即以在兩個(gè)例證中出現(xiàn)的西班牙語(yǔ)具體詞匯為例說(shuō)明何為形容詞和名詞；其二，采取了更加精確的表述方式，把“一致”改為“性屬一致”；其三，改進(jìn)了文本布局，錯(cuò)誤例證和正確例證分別用不同的顏色進(jìn)行標(biāo)記區(qū)分；其四，優(yōu)化了論證結(jié)構(gòu)，即在解釋中明晰錯(cuò)誤例證（in the incorrect example...）和正確例證（in the correctexample...）兩項(xiàng)信息內(nèi)容。

正如前文所述，我們開發(fā)的寫作助手是雙語(yǔ)的，即以學(xué)習(xí)者的母語(yǔ)編寫語(yǔ)法解釋。我們計(jì)劃首先使用上述方法撰寫西班牙語(yǔ)語(yǔ)法解釋（詳見(jiàn)圖6所示），然后使用DeepL將其對(duì)譯為多種語(yǔ)言，主要包括英語(yǔ)、丹麥語(yǔ)、意大利語(yǔ)和漢語(yǔ)（詳見(jiàn)圖7所示），并基于詞典學(xué)家的專業(yè)知識(shí)進(jìn)行修正。在本例中，提供了兩組正確和錯(cuò)誤的例證，因?yàn)樗鼈兎謩e代表了不同的語(yǔ)法問(wèn)題，在這里一起解釋，既為避免編寫和翻譯過(guò)多的內(nèi)容，也為讓學(xué)習(xí)者對(duì)該問(wèn)題有更全面的了解。

我們的第二項(xiàng)研究旨在幫助中國(guó)的英語(yǔ)學(xué)習(xí)者對(duì)主謂不一致（subject-verb disagreement）語(yǔ)法錯(cuò)誤的認(rèn)識(shí)，該研究主要包括以下3項(xiàng)任務(wù)：（1）在人機(jī)協(xié)作下確定需要提供解釋的錯(cuò)誤類別；（2）提供簡(jiǎn)單解釋；（3）提供增補(bǔ)解釋。

首先，我們憑借ChatGPT及詞典學(xué)家的專業(yè)知識(shí)確定了需要提供解釋的語(yǔ)法錯(cuò)誤類別，具體流程如下：（1）要求ChatGPT提供英語(yǔ)中主謂不一致（subject-verb disagreement）語(yǔ)法錯(cuò)誤類別的列表，它表現(xiàn)得非常出色；（2）點(diǎn)擊“重新生成”（regenerate）按鈕，看它是否會(huì)提供更多有用的建議，重復(fù)這一操作，直到?jīng)]有新的內(nèi)容產(chǎn)生；（3）如果對(duì)ChatGPT提供的結(jié)果不滿意，就修改或重寫指令以改善輸出的文本質(zhì)量；（4）利用經(jīng)驗(yàn)豐富的詞典專家和教師的專業(yè)知識(shí)及教學(xué)經(jīng)驗(yàn)增加錯(cuò)誤類別或者把ChatGPT所提供的一些錯(cuò)誤類別一分為二；（5）檢索中國(guó)英語(yǔ)學(xué)習(xí)者語(yǔ)料庫(kù)（TheChineseLearnerEnglishCorpus），確認(rèn)語(yǔ)料庫(kù)中是否包含上述語(yǔ)法錯(cuò)誤。如果沒(méi)有，則暫時(shí)忽略該語(yǔ)法錯(cuò)誤;（6）統(tǒng)一使用用于描述不同子類別的語(yǔ)法錯(cuò)誤的術(shù)語(yǔ)，因?yàn)橛袝r(shí)ChatGPT生成的內(nèi)容會(huì)前后矛盾。最終，我們?cè)谥髦^不一致語(yǔ)法錯(cuò)誤類別下細(xì)分了26個(gè)子類別（詳見(jiàn)表2所示）。但是，這一分類并未包含主謂不一致這一語(yǔ)法錯(cuò)誤類別下的所有語(yǔ)法問(wèn)題。例如，集體名詞未被納入其中，因?yàn)楦鶕?jù)語(yǔ)言使用者想要表達(dá)的內(nèi)容，集體名詞可以與動(dòng)詞的單數(shù)形式（大多數(shù)情況下如此）搭配使用，也可以與動(dòng)詞的復(fù)數(shù)形式搭配使用，但是當(dāng)下區(qū)分這兩種用法的技術(shù)手段尚未成熟。

在撰寫文本提供解釋時(shí)，我們向ChatGPT提供了以下指令：“我正在訓(xùn)練一個(gè)用于教學(xué)目的的語(yǔ)言模型。我希望你針對(duì)（問(wèn)題類型）向一位中國(guó)英語(yǔ)學(xué)習(xí)者提供一個(gè)簡(jiǎn)要且具備教學(xué)性的解釋。我需要你所生成的文本具有以下結(jié)構(gòu)：（1）語(yǔ)法問(wèn)題的簡(jiǎn)單介紹；（2）一個(gè)錯(cuò)誤例證；（3）同一個(gè)經(jīng)過(guò)修正的例證；（4）錯(cuò)誤例證和正確例證的簡(jiǎn)要解釋。例證的長(zhǎng)度至少12 個(gè)單詞?！盵Prompt 3：I am training a language model to be usedfor didactic purposes.I want you to briefly and didactically explain to a Chinese learnerof English en error related to the noun subject-verb agreement.I need the text to have thefollowing structure：（ 1 ） an introduction to the problem;（2） an example sentence with anerror;（3 ） the same example sentence with the error corrected;（4） a brief explanation ofthe incorrect and correct examples. The example sentences must be at least l2 words long.]基于上述指令，ChatGPT生成了如下內(nèi)容（詳見(jiàn)圖8所示），這一文本中也同樣存在諸多問(wèn)題。然后，憑借詞典學(xué)家的專業(yè)知識(shí)，我們進(jìn)行了和第一項(xiàng)研究類似的優(yōu)化流程，以便為用戶呈現(xiàn)更為完善的語(yǔ)法解釋（詳見(jiàn)圖9所示）。

五、新型語(yǔ)法分類在寫作助手中的應(yīng)用

我們需要將上述語(yǔ)法解釋集成到寫作助手中。寫作助手基于語(yǔ)言模型驅(qū)動(dòng)，該語(yǔ)言模型經(jīng)過(guò)訓(xùn)練可以識(shí)別文本中的詞匯、語(yǔ)法等錯(cuò)誤，為學(xué)習(xí)者提供即時(shí)的語(yǔ)言使用指導(dǎo)。學(xué)習(xí)者可以將他們的文本粘貼到寫作助手中，也可以直接基于寫作助手進(jìn)行寫作。寫作助手會(huì)突出顯示文本中存在的語(yǔ)法問(wèn)題，只需點(diǎn)擊添加下畫線的詞匯就會(huì)出現(xiàn)一個(gè)提供簡(jiǎn)短解釋的彈窗（詳見(jiàn)圖10所示）。本例中的語(yǔ)法問(wèn)題是名詞和動(dòng)詞主謂不一致：動(dòng)詞are是復(fù)數(shù)，但是必須使用動(dòng)詞的單數(shù)形式才能與主語(yǔ)impact保持一致。學(xué)習(xí)者只需點(diǎn)擊標(biāo)注為綠色的is，這一正確的動(dòng)詞形式就會(huì)取代標(biāo)注為紅色的錯(cuò)誤的動(dòng)詞形式are嵌人到文本中，并且不會(huì)中斷學(xué)習(xí)者的寫作流程。如果學(xué)習(xí)者是初學(xué)者，想要對(duì)這一語(yǔ)法問(wèn)題有更深入的了解，點(diǎn)擊彈窗左下角的“更多知識(shí)”，就會(huì)出現(xiàn)提供增補(bǔ)解釋的文本（詳見(jiàn)圖11所示）。其構(gòu)建框架體現(xiàn)了黑格爾的辯證法思維。具體來(lái)講，寫作助手向用戶提供的替代選項(xiàng)，即將are改為is代表了語(yǔ)法錯(cuò)誤實(shí)例，簡(jiǎn)單解釋闡明了本例中的語(yǔ)法問(wèn)題所在，增補(bǔ)解釋則揭示了該語(yǔ)法問(wèn)題表象下的語(yǔ)法規(guī)則。簡(jiǎn)言之，簡(jiǎn)單解釋充當(dāng)了連接具體語(yǔ)法錯(cuò)誤與抽象語(yǔ)法規(guī)則的橋梁，可以有效引導(dǎo)學(xué)習(xí)者實(shí)現(xiàn)從對(duì)語(yǔ)法問(wèn)題的附帶學(xué)習(xí)（incidental learning）到對(duì)語(yǔ)法規(guī)則的有意學(xué)習(xí)（intentional learning）。（Tarp2022）

簡(jiǎn)單解釋基于模板直接生成，“動(dòng)詞：token是復(fù)數(shù)，但是必須是單數(shù)動(dòng)詞才能與主語(yǔ)：subject在數(shù)量上保持一致”。前者（token）由驅(qū)動(dòng)寫作助手的語(yǔ)言模型提供，后者（subject）由ChatGPT提供。我們向ChatGPT發(fā)出了以下指令要求其解釋為何圖10中寫作助手添加下畫線的動(dòng)詞are是錯(cuò)誤的，即“請(qǐng)解釋為什么下面這個(gè)句子使用are 是錯(cuò)誤的\"（Prompt： Please explain why it is a mistake to use“are”in the following sentence：“The impact of social media on teenagers are a topic worth exploring because it shapes ouridentities，influences our mental health，and affect our social interactions.”）。從 ChatGPT的回復(fù)（詳見(jiàn)圖12所示）可以看出，它完全能夠識(shí)別出主語(yǔ)（impact）及其單復(fù)數(shù)形式，并將其與動(dòng)詞的復(fù)數(shù)形式（are）做對(duì)比，并基于此，為當(dāng)前的語(yǔ)法問(wèn)題提供解釋。然而，我們不能直接將這些信息提供給學(xué)習(xí)者，因?yàn)镃hatGPT提供的內(nèi)容篇幅過(guò)長(zhǎng)，且存在信息錯(cuò)誤及使用專業(yè)術(shù)語(yǔ)的情況，必須經(jīng)過(guò)詞典學(xué)家的二次編輯。但是，它所提供的信息，對(duì)于詞典學(xué)家編寫簡(jiǎn)單解釋極具價(jià)值。因此，如何從ChatGPT生成的內(nèi)容中提取主語(yǔ)并將其嵌入到上述模板是另外需要解決的問(wèn)題，亟需技術(shù)人員設(shè)計(jì)有效的信息提取與嵌入機(jī)制。

六、辭書未來(lái)發(fā)展展望

我們認(rèn)為，寫作助手項(xiàng)目研發(fā)的不同階段主要體現(xiàn)了人類智能和人工智能之間的4種關(guān)系：1）在構(gòu)建語(yǔ)料庫(kù)進(jìn)行語(yǔ)言模型的訓(xùn)練時(shí)，詞典學(xué)家只需要檢查其發(fā)布的指令是否可以促使ChatGPT生成正確的文本類型，因?yàn)檫@些文本僅用于寫作助手語(yǔ)言模型的內(nèi)部訓(xùn)練；2）在生成驗(yàn)證數(shù)據(jù)進(jìn)行語(yǔ)言模型的檢驗(yàn)時(shí)，詞典學(xué)家必須仔細(xì)校對(duì)所有文本，以便糾正ChatGPT出現(xiàn)的錯(cuò)誤；（3）在撰寫附加解釋時(shí)，ChatGPT只是提供靈感啟發(fā)，詞典學(xué)家需要對(duì)文本進(jìn)行最終編輯，使文本內(nèi)容更加符合用戶需求；（4）在撰寫簡(jiǎn)短解釋時(shí)，ChatGPT負(fù)責(zé)執(zhí)行文本分析與特定詞匯識(shí)別的任務(wù)，詞典學(xué)家則通過(guò)設(shè)計(jì)恰當(dāng)?shù)闹噶罱档虲hatGPT的錯(cuò)誤率，這主要是基于人機(jī)互動(dòng)中，詞典學(xué)家對(duì)ChatGPT工作的深度認(rèn)知。

生物學(xué)中將共生關(guān)系（symbiosis）定義為兩個(gè)物種之間長(zhǎng)期的、緊密的關(guān)系或相互作用。具體來(lái)講，這種關(guān)系包含3種具體類型：互利共生型（mutualistic），即兩個(gè)生物體都受益；偏利共生型（commensalistic），即一方受益而另一方不受影響；寄生型（parasitic），即一方受益而另一方受到損害。此外，這種關(guān)系可以是非強(qiáng)制型，即兩個(gè)生物體能夠彼此獨(dú)立存在；也可以是強(qiáng)制型，即其中一方的生存完全依賴于另一方。人類智能和人工智能之間的關(guān)系本質(zhì)上是偏利共生型，因?yàn)橹挥星罢邚娜藱C(jī)互動(dòng)中受益，而后者并不會(huì)受到影響。此外，人類智能和人工智能之間的關(guān)系顯然是非強(qiáng)制型，因?yàn)樵~典學(xué)家可以自由決定是否使用人工智能。然而，如果想要提升工作效率，這種共生關(guān)系就顯得尤為必要。正如在寫作助手的項(xiàng)目研發(fā)中，人工智能的參與顯著提升了工作效率，也促進(jìn)了我們對(duì)人機(jī)協(xié)作新模式的探索，為詞典研究和技術(shù)應(yīng)用的深度融合提供了新思路。借助人工智能提升辭書編纂效率，既是理論創(chuàng)新的焦點(diǎn)，也是實(shí)踐探索的任務(wù)，人類智能與人工智能的協(xié)同編纂無(wú)疑會(huì)成為未來(lái)辭書發(fā)展的基本方向。關(guān)鍵在于，誰(shuí)才是掌握最終話語(yǔ)權(quán)的一方，毫無(wú)疑問(wèn)，答案是我們（人類）。正如上文所言，人工智能始終無(wú)法像人類一樣進(jìn)行深層次思考，人類智能的重要性毋庸置疑，這也要求我們掌握必要的技能和知識(shí)，以充分發(fā)揮人工智能潛力，實(shí)現(xiàn)人類智能與人工智能的共生。

附注

[1］第九屆學(xué)習(xí)詞典與二語(yǔ)教學(xué)國(guó)際研討會(huì)（2024年10月24日—27日，湖北武漢，華中農(nóng)業(yè)大學(xué)）。［2］如果語(yǔ)法錯(cuò)誤過(guò)于籠統(tǒng)，提供的解釋建議會(huì)過(guò)于寬泛，無(wú)法令學(xué)習(xí)者明確具體問(wèn)題所在；如果過(guò)于具體，語(yǔ)法錯(cuò)誤類別數(shù)量過(guò)多，也難以歸類處理。[3]Bestgen 和Granger（2011）利用國(guó)際英語(yǔ)學(xué)習(xí)者語(yǔ)料庫(kù)（International Corpus of LearnerEnglish）對(duì)拼寫錯(cuò)誤進(jìn)行了再分類，該語(yǔ)料庫(kù)涵蓋8個(gè)主要領(lǐng)域和56個(gè)錯(cuò)誤類別。[4」嚴(yán)格來(lái)講，這一類并不是真正的語(yǔ)法錯(cuò)誤。［5」本文中第一項(xiàng)研究及第二項(xiàng)研究使用的均是ChatGPT4o版本。［6］ChatGPT生成的文本主要涵蓋以下7方面的內(nèi)容：（1）使用簡(jiǎn)潔易懂的語(yǔ)言引出了西班牙語(yǔ)中性屬一致的話題；（2）對(duì)性屬一致語(yǔ)法規(guī)則進(jìn)行了解釋，圍繞指令1中所要求的內(nèi)容展開;（3）給出了一個(gè)錯(cuò)誤例證和一個(gè)正確例證；（4）對(duì)上述兩個(gè)例證做了簡(jiǎn)單解釋；（5）總結(jié)了上述內(nèi)容；（6）給出了一個(gè)有關(guān)西班牙語(yǔ)性屬一致語(yǔ)法規(guī)則的練習(xí)；（7）以一句鼓勵(lì)性的話語(yǔ)結(jié)尾：“堅(jiān)持練習(xí)，很快就能掌握西班牙語(yǔ)中性屬一致的語(yǔ)法規(guī)則！”該文本主要存在以下問(wèn)題：首先，它所提供的練習(xí)不符合我們的要求，也并未體現(xiàn)教學(xué)性的目標(biāo)。其次，內(nèi)容準(zhǔn)確性有待提升。例如，把名詞定義為“命名事物的詞”，比如“房子”或“書”；把形容詞定義為“描述事物的詞”，比如“漂亮的”或“大的”，這是不準(zhǔn)確的。因?yàn)槌酥?，名詞還可以指代具備不同性質(zhì)的實(shí)體，形容詞還可以對(duì)名詞進(jìn)行限定或修飾。最后，ChatGPT生成的內(nèi)容包含了許多干擾學(xué)習(xí)者的冗余信息。

參考文獻(xiàn)

1.Bestgen Y，Granger S. Categorising Spelling Errors to AssessL2 Writing. International Journal ofContinuing Engineering Education and Life Long Learning，2011，21（2-3）： 235-252.

2.Hawking S.BriefAnswers to the Big Questions.Newyork：Bantam，2018：251.

3.Hinton G. Interview.NobelPrize.org. Nobel Prize. Outreachhttps：//www.nobelprize.org/prizes/physics/2024/hinton/interview/，2025.

4.Huete-Garcia A，Tarp S. Training an AI-based Writing Assistant for Spanish Learners ： TheUsefulnessof Chatbots and the Indispensability of Human-assisted Intellgence.Lexikos，2024，34（1） ： 21-40.

5.Li Q，Tarp S. Using Generative AI to Provide High-quality Lexicographic Assistance to ChineseLearners ofEnglish. Lexikos，2024（34）：397-418.

6.McCarthy J，Minsky ML，Rochester N，et al.A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence，August 31，1955.AI Magazine，2006，27（4）： 12.

7.Tarp S.A Lexicographical Perspective to Intentional and Incidental Learning： Approaching an Old Question from a New Angle.Lexikos，2022，32（2）：203-222.

8.Tarp S，Nomdedeu-RullA. Who Has the Last Word？ Lessons from Using ChatGPT to Develop an AI based Spanish Writing Asistant. Circulo de linguistica aplicada a la comunicacion，2024（97）：309-321.

（責(zé)任編輯 劉博）