在本月 (以及下一個月)〈言來如此〉科技應用專欄中，本篇文章將先簡要介紹作者於書中第一篇〈ChatGPT 在做什麼？它為何能做到這些？〉中，針對 ChatGPT 運作本質及隨機性的核心觀察。而因為本文重點放在ChatGPT與語言學的關聯，內容將會略過有關大型語言模型訓練原理、過程以及神經網路技術相關的內容。接著，我會分享對於書中所提到「將自然語言轉換為計算語言」這個過程的想法並進一步討論它如何與語言學產生有意思的呼應。同樣地，此節內容將聚焦於Wolfram | Alpha 和語言學之間可能產生的連結，而不深入涉及語言學相關的理論和技術。
大型語言模型 (LLMs) 在自然語言處理 (NLP) 領域取得了顯著的技術突破。然而，在其廣泛應用的背後，存在著一個核心問題：LLMs 是否能在所有語言中保持一致的表現？特別是對於「低資源語言」而言，LLMs 的表現及困境仍然是亟待探討的重要課題。
從語言學與人工智慧的交會中，我看見了語言結構知識在實務應用上的潛力。這樣不同視角的討論不僅開闊了我的學習視野，也深化了我對語言學在 AI 發展中所能扮演角色的理解。
在人工智能與語言科技迅速交匯的時代，語言學正展現前所未有的活力與挑戰。本集我們特別邀請到周昭廷副教授，與我們深入探討語言學與人工智能交融的學術新局。從生成語言學的啟蒙歷程到回台後的跨界創新，周教授以幽默而富有前瞻性的視角，帶領聽眾穿梭在理論與實踐之間，揭示語言科技背後那些耐人尋味的故事與啟示。
我們進行這個實驗並不是想表達 LLM 不好，而是想實際應用簡單的語言學知識，驗證這些形式化的分析是否真的能實現「在接受這麼少的前提的情況下，知道這麽多」的效果。我們的實驗成果顯示 pyLiteracy 在文法檢查這類小型 NLP 任務中的表現十分出色。最重要的是，仰賴更貼近人類對語言的理解方式，它能用相比於 LLM 而言，非常非常少的資源就完成任務，在這個專案中，我們用非常非常少的語言學知識就省下了非常多的資源。
掌握母語知識後，幼兒便能開始創造其「一生中從沒看過或聽過」的句子。反觀 LLM，以 Meta 開發的 Llama 3.1 405B為例，根據官方給出的數據，其訓練資料包含超過 15 兆個字元，這幾乎可以說是網際網路出現以來所有的文本資料了，並且其訓練用的硬體設備不論在記憶體大小還是執行速度上，都遠超幼兒大腦。集大量軟硬體資源於一身的 LLM 在「語言知識」上仍與普通人類有基本的差異，甚至在某些特定情境下，不及那個每天早上只靠一杯咖啡保持頭腦清醒、侃侃而談的你。
現在的生成式人工智慧能做到的事情越來越多，也越做越好。像是ChatGPT這樣的大型語言模型應用，從一般的問答、文章翻譯、摘要到檢查，甚至程式碼的撰寫，都能幫上忙。而身為語言學研究所的學生，我對於機器和資訊系統學習人類語言這件事情感到驚奇之餘，也很好奇 LLM 和人類在「語言知識的儲存表徵與運用機制」的差異究竟在哪裡？
前半段時間我專注於南島語資料的預處理，包括資料的讀取和寫出，以及學習使用「正規表達式」來抓取語料。後半段時間則著重在將處理好的語料套入字典內，並針對搜尋功能做調整，包括最基本的詞彙配對，以及 C 為所有子音、V 為所有母音、N 為所有鼻音的配對方式等等，便能以音結結構查詢詞彙。
