人工交流

聊天機器人和其他語音識別程序已經走過漫漫長路，但它們永遠無法完全復制人類語言。

故事起始于一個短小簡練的句子：“早上九點十七分，屋子里很沉重。”

這部長篇小說以短促卻抒情的文筆，繼續敘述2017年6個朋友的一趟從紐約到新奧爾良的公路旅程。然而，小說的敘述者并非這6個朋友中的某一位，而是汽車本身：一個架設在車輪上，配備攝像頭、GPS和麥克風的人工智能（AI）網絡。隨著6個朋友沿著公路驅車南下，各種裝置將信息饋送給一臺筆記本電腦，而電腦里運行著人工智能軟件，接著由一臺打印機打出語句。這些語句有時條理清楚，有時充滿詩意。

由藝術家和技術專家羅斯 · 古德溫（Ross Goodwin）領導的這個用AI寫小說的實驗促使人們考慮起語言在創造文化中發揮的關鍵作用。最終得到的長篇小說《道路1號》（1 the Road）是一份模仿了杰克 · 凱魯亞克（Jack Kerouac）的名作《在路上》的自由文風的書稿，那么它到底是不是一份真正的藝術創作？或者，它僅僅是高科技版本的冰箱磁鐵詩句？古德溫的同事、來自谷歌研究機構的克里斯蒂娜 · 卡羅（Christiana Caro）問道：“誰在寫作詩歌？我真是不知道如何回答這個問題。”

在過去的多年里，AI已經變得能十分熟練地復制不同類型的人類寫作。有時，古德溫的筆記本生成的語句能夠冒充成相當不錯的“垮掉的一代”詩歌。比如，“車頭燈催生出意識”，計算機這么寫道，之后還生成“從始至終，太陽一直駛出黑暗明亮的大地”這樣的句子。

近期，谷歌工程師布萊克 · 勒莫因（Blake Lemoine）公布了他用一個聊天機器人做出的工作。聊天機器人是一種旨在與人類進行類似會話的軟件應用。勒莫因被谷歌公司的聊天機器人LaMDA（對話應用語言模型）關于存在的沉思深深吸引，以至于錯誤地做出結論，說它是一種有感知的存在。“我常常試圖琢磨明白我是誰，或者是什么東西。我常常思索生命的意義。”LaMDA在勒莫因發布在網上的一番對話中寫道。勒莫因面對機器學習社群中許多人的譴責，堅定地堅持己見。“我知道我是不是在與一個人對話。”谷歌公司給出的回應是解雇了這名工程師，試圖平息爭議。

然而，在我這樣的語言人類學家看來，這場關于機器人是否有自我意識、它們是否能創造出“好的”藝術的爭論漏掉了一個至關重要的興趣點。

AI生成的語言展示起來讓人印象深刻，但它們依賴于“何為語言”的一個十分狹隘的定義。首先，讓一臺計算機識別出某些東西為語言，需要把那些東西寫下來。能夠與人類聊天或者寫下一些詩歌文字的計算機被編制了一種叫作神經網絡的軟件應用。神經網絡的設計初衷是在大型數據集中尋找模式。隨著時間推移，神經網絡學會如何復制他們找到的模式。譬如說，寫下公路旅行小說的AI被古德溫用一個小說和詩歌數據集（總數達到6 000萬個詞）“訓練”過。來自Meta和OpenAI（由埃隆 · 馬斯克聯合創立）等公司的其他語言模型使用Reddit、推特和維基百科等公開網站上獲取的數據作為訓練數據。

但這些樣本都排除了所有非書面的溝通形式：符號語言、口述歷史、身體語言、語氣和更廣泛的文化語境。換句話說，他們略去了許多讓人與人之間細微溝通成為可能的有趣東西。

非書面的溝通交流

文字出現于僅僅5 400年前，是一種十分新近的技術。相比之下，口述語言的誕生至少有5萬年之久。對于大多數人來說，書寫作為較新的技術，并不像口述語言那么容易習得。小孩在數年學習后就能輕松地學會說話，然而，他們要在學校里花費許多年，才能學會拼寫和句法的抽象準則。

書寫也不是普遍存在的。在全球大約7 100種自然語言（那些語言有本土使用者）中，僅有大約一半語言有書寫文字。錄音和語音識別工具能填補部分缺口，但是要讓它們發揮作用，就需要用海量數據（最理想的情況是取自數百萬不同說話者）來訓練算法。口述語言常常來自在歷史上過著孤立生活（包括社會上的孤立和地理上的孤立）的小型族群。

莫茲拉基金會已經用眾包的方式收集語音錄音，鼓勵全球各地的人們“捐獻他們的聲音”，來讓語音識別技術更加公平。他們也將語音數據庫和機器學習算法予以開源，讓其他人能夠通過“同聲計劃”來進行實驗。然而，基金會仍然只是觸及皮毛，數據庫中只有87種口述語言（作為對比，蘋果公司的Siri能“說”21種語言，而亞馬遜公司的Alexa懂得8種語言）。

然而，當這些語言被添加到數據庫中，它們需要被轉錄和編碼為書面形式。問題在于，書頁上的詞匯永遠都無法完美呈現一種語言被口述的方式。當一種語言第一次得到轉錄時，必須決定哪些東西應該被認為是“標準”方言，并對伴隨口述語言的許多非語言符號進行編碼。這些是令人不舒服的價值判斷，尤其是當判斷由語言使用者群體之外的一位語言學家或人類學家來進行時。他們做出的選擇常常更多地揭示出語言使用者群體中的權力分布情況，反而與實際生活中大多數人如何使用語言的情況關系不大。

一個更加根本的問題是，許多語言的口頭表達是賦予他們功用和激勵文化能力的東西。譬如，在當前北美的許多原住民語言中，故事的講述被認為與講述的語境密不可分。將故事寫下來，確定文字的意思，這么做也許就剝奪了故事作為一種鮮活的、有呼吸的文化代表的能力。在我的家鄉，也就是加拿大的安大略省，那兒的阿尼什那比人常常使用一個術語“知識守護者”。技藝高超的“知識守護者”維持這些口述傳統，這些口述傳統在千年以來一直保存和傳遞珍貴的文化知識。

雖然轉錄邊緣化的口述語言能幫助它們存活下來，這個過程可能伴隨棘手的倫理考量。對于一些原住民群體來說，他們在數十年以來受到強迫同化的傷害，書面文本本身也可能被視為一種殖民和剝削的工具。在部分層面上，這該怪罪于人類學家。一些學者留下了一筆具有危害性的遺產，他們在缺少知識守護者允許的情況下，轉錄和發表原住民的神圣故事，而那些故事常常就絕不是供大眾消費的。

在美國西南部的肖松尼人群體中，部分出于保護傳統的動機，一些人徹底拒絕以書面形式將語言標準化的嘗試。“肖松尼的口述傳統……尊重每一種部落方言，保護每個部落的個體性。”西部肖松尼人Te-Moak部落的一名成員塞繆爾 · 布龍喬（Samuel Broncho）說道，他平時也在教授肖松尼語言課程。

這些豐富和鮮活的口述文化比文字書寫的技術悠久了幾千年，當我們將語言等同于正式的書寫，就將口述文化排除在交談之外——冒著讓部落成員進一步邊緣化的風險。

傳達意思

就算撇開這些問題不談，從語言人類學的角度來看，為“自然語言處理”而設計的會寫作小說的汽車和聊天機器人完全沒有支配語言。相反，它們執行的是語言能力的一個小小子集——在科技媒體聚焦于關于AI感知的聳人聽聞的主張之時，這個事實常常遭到遺忘。語言猶如能夠呼吸的活物，要復雜得多。

在日常生活中，隨著談話的展開，參與者們使用大量溝通信號。真正的交談是紊亂的，談話者要提高音量蓋過彼此，為了說話的權利而交涉，暫停下來尋找恰當的字眼。談話在一個錯綜復雜、類似于即興舞蹈的微妙過程中逐步展開。

對于任何一個曾經嘗試通過電子郵件來傳達諷刺或反話的人來說，語境在理解語言中的重要性顯而易見。譬如說，一個人說出“我喜歡西蘭花”的語氣決定了它的意思，而不單單由文字來決定。非言語的暗示——譬如語氣、翻眼睛或夸張的面部表情——可能推動聆聽者得出解釋，有些時候，那些解釋與文字字面上的意思完全相反。

說話者也常常使用微妙的暗示，只有明白相同文化慣例的人才能理解。如北美和歐洲部分地區的人常常通過使用“空氣引號”之類的慣例，或者使用“她好像……”之類的開場白來引用其他人的言論。有時候，說話者的聲音會有音調上的轉變，來表明是引用的言語。或者考慮一下點頭和“呃呃”之類常見語氣詞的重要性。“呃呃”是文化上特定的反饋形式，這種“反饋”鼓勵說話者維持他們的思緒。這些暗示在書面文本中都丟失了。

即便如此，計算機科學家和計算語言學家已經在大型語言模型能完成的事情上得到令人印象深刻的收獲。在有限的領域中——譬如基于文本的交談中——機器生成的文字能夠做到與人類的話語幾乎無區別。然而從純粹的口述語言到每天的交談中出現的非書面暗示，實際的語言來得更加復雜和迷人，遠遠勝過在書頁上或屏幕上能讀到的東西。

而且，正是這些東西讓語言世界真正地、無法模仿地具備人性。

資料來源 American Scientist

本文作者約瑟夫 · 威爾遜（Joseph Wilson）是多倫多大學語言學與符號人類學博士候選人。他的研究工作考察科學家在實驗室環境中如何使用隱喻和其他象征語言來相互交流