【作者】〔智利〕帕布罗·孔特拉斯·卡伦斯1　〔丹麦〕罗斯·迪恩斯·克里斯滕森－麦克拉克伦2　〔丹麦〕莫滕·克里斯蒂安森3  著　杨旭4  译

【Author】Pablo Contreras Kallens1　Ross Deans Kristensen-McLachlan2　Morten H. Christiansen3　Tans. Yang Xu4；1. 3. Department of Psychology, Cornell University;2. 3. Center for Humanities Computing Aarhus University;4. School of Chinese Language and Literature, Wuhan University

【机构】1. 3. 康奈尔大学  心理学系； 2. 3. 奥胡斯大学  传播与文化学院；4. 武汉大学  文学院

【摘要】语言在多大程度上可以仅通过语言输入来习得？这个问题已经困扰了学者们几千年，仍然是语言认知科学中的一个主要争论焦点。人类语言的复杂性阻碍了这一进程，因为语言研究，尤其是涉及计算建模的研究，只能处理人类语言技能的一小部分。我们认为，最新一代的大型语言模型（LLMs）可能最终提供了计算工具，以实证方式确定了人类可以从语言经验中获得多少语言能力。LLMs是基于大量自然语言数据进行训练的复杂深度学习架构，能够执行大量的语言任务。尽管在语义和语用方面存在限制，但我们认为LLMs已经表明，合乎语法的类人语言可以在不需要内置语法的情况下习得。因此，虽然关于人类如何习得和使用语言还有很多要研究的地方，但LLMs为认知科学家提供了成熟的计算模型，可用来以实证方式评估在解释人类语言的全部复杂性方面，统计学习可以带我们走多远。

【关键词】大型语言模型　人工智能　语言习得　统计学习　语法　先天论　语言经验

【所属期刊栏目】ChatGPT专题研究（2023年第4期）

【DOI】10.19866/j.cnki.cjxs.2023.04.012