眾所周知，人類語言非常複雜，語言學家長期以來一直認為，教導機器如何像人類一樣分析語音和單字結構是不可能的。
但麥基爾大學、麻省理工學院和康乃爾大學的研究人員已經朝著這個方向邁出了一步。他們開發了一種人工智慧 (AI) 系統，可以自行學習人類語言的規則和模式。
此模型自動學習可以應用於不同語言的高階語言模式，使其能夠獲得更好的結果。
當給定單字和這些單字如何變化以用一種語言表達不同語法功能的例子時——例如時態、大小寫或性別——這個機器學習模型會提出規則來解釋這些單字的形式為什麼會改變。
研究人員開發了一種人工智慧系統，可以自行學習人類語言的規則和模式。學分：麻省理工學院 Jose-Luis Olivares
例如，它可能知道必須將字母“a”添加到單字的末尾，以使塞爾維亞-克羅埃西亞語中的陽性形式變為陰性。
研究人員說，該系統可用於檢驗語言理論，並研究不同語言轉換單字方式的細微相似之處。 「我們想看看我們是否可以模仿人類為這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，它展示了我們如何建立能夠從非常小的語言資料樣本中進行泛化的演算法，更像是人類科學家和兒童，」該系助理教授、資深作者Timothy O'Donnell 說麥基爾大學語言學博士，Mila – 魁北克人工智慧研究所加拿大CIFAR AI 主席。
自動化的、數據驅動的科學模型和理論的建構和評估是人工智慧中長期存在的挑戰。
我們提出了一個演算法合成人類語言基本部分模型的框架：形態音韻學，從聲音建構單字形式的系統。我們將貝葉斯推理與受語言理論和學習和發現的認知模型啟發的程序合成和表示相結合。
在來自 58 種不同語言的 70 個資料集中，我們的系統綜合了每種語言形態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 個資料集的聯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。
最後，相同的演算法捕捉了少量學習動態，僅從一個或幾個範例中獲取新的形態語音規則。
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現可解釋模型的途徑。
以上是可以學習人類語言模式的人工智慧的詳細內容。更多資訊請關注PHP中文網其他相關文章！
