MIT推新型機器算法，可破譯消失已久的古語言

麻省理工學院計算機科學與人工智能實驗室（Computer Science and Artificial Intelligence Laboratory，CSAIL）的研究人員最近開發(fā)出了一種新的計算機算法，可以幫助語言學家自動破譯歷史上消失已久失的古語言。

官方指出，該系統(tǒng)能夠自動破譯已消失的語言，且無需對這一語言與其他語言的關(guān)系有深入的了解。他們還表明，該系統(tǒng)自身就可以確定語言之間的關(guān)系，并可以用它來證實最近的一項表明 Iberian 語言實際上與 Basque 語言無關(guān)的學術(shù)研究。

CSAIL 方面稱，最近的研究表明，大多數(shù)曾經(jīng)存在過的語言已經(jīng)不再被使用。其中有數(shù)十種已滅絕語言也已被認為是“未破譯”的語言。這就意味著，大眾對它們的語法（grammar）、詞匯（vocabulary）或句法（syntax）都了解不足，也無法理解其文本的意思。

而研究這些“未破譯”的語言，除了是出于學術(shù)上的好奇心。還在于，不理解語言我們就會錯過與講這些語言的人有關(guān)的一整套知識體系。然而不幸的是，大多數(shù)滅絕語言的相關(guān)記錄都非常的少，導致科學家無法使用谷歌翻譯之類的機器翻譯工具或 AI 算法來對其進行解密。

因此，此次 CSAIL 團隊推出這一新算法的最終目的就是，旨在只用幾千個單詞，就可以破譯語言學家?guī)资陙黼y以理解的失傳語言。

本次研究由 MIT 教授 Regina Barzilay 牽頭，依賴于基于歷史語言學（historical linguistics）見解的幾項原則。例如，語言通常僅以某些可預測的方式發(fā)展。具體表現(xiàn)為：一種給定的語言很少會直接添加或刪除整個音節(jié)，但是很可能會發(fā)生某些近似發(fā)音的替換。像母語中帶有“p”發(fā)音的單詞就可能會在其后代演變中變?yōu)椤癰”，但是由于明顯的發(fā)音差異，變?yōu)椤発”的可能性則較小。

通過整合這些原則和其他語言學約束，Barzilay 和 MIT 博士生 Jiaming Luo 開發(fā)了一種解密算法，該算法可以處理可能的轉(zhuǎn)換的巨大空間以及輸入中引導信號的稀缺性。該算法學習將語言聲音嵌入多維空間，在該多維空間中，相應矢量之間的距離反映了不同發(fā)音的差異。這種設計使他們能夠捕獲語言變化的相關(guān)模式，并將其表達為計算約束（computational constraints）。生成的模型可以將古代語言中的單詞進行細分，并將其映射到相關(guān)語言中的對應單詞。

該項目建立在 Barzilay 和 Luo 去年寫的一篇論文的基礎上， 這篇論文解密了已滅絕的 Ugaritic 和 Linear B 語言，后者以前需要數(shù)十年的時間才能被人類解碼。但是，兩個項目之間的主要區(qū)別在于，該團隊此前就已經(jīng)知道這些語言分別與希伯來語和希臘語的早期形式有關(guān)。

新算法可以推斷語言之間的關(guān)系，這是語言解密中的最大挑戰(zhàn)之一。該算法可以評估兩種語言之間的相似度，當對已知語言進行測試時，它甚至可以準確地識別出該語言屬于哪個語系（language families）。不僅如此，算法生成的模型可以將古語言中的單詞進行細分，并將其一一映射到“相關(guān)”語言中的對應單詞上去。

在未來的工作中，該團隊希望擴展到將文本與已知語言的相關(guān)單詞相關(guān)聯(lián)的范圍之外，這種方法被稱為“基于同源的破譯方法”。其表示，“例如，我們可以識別文本中涉及到的所有人或地點的信息，然后可以根據(jù)已知的歷史證據(jù)對其進行進一步的調(diào)查。這些實體識別（entity recognition）方法如今已廣泛用于各種文本處理應用程序中，并且具有很高的準確性。但是關(guān)鍵的研究問題在于，在沒有任何古代語言訓練數(shù)據(jù)的情況下，這項任務是否可行？ ”
責編AJX