语言

之前的语言障碍的康复训练侧重于额叶和颞叶的核心区域，此次新发现的这些扩展区域是否也应该被纳入干预范围，将是一个值得探索的后续问题。

在应用潜力上，这些发现可能对于语言障碍的评估和干预存在参考价值。

失语症、阅读障碍以及特定性语言障碍等问题的神经基础，也许不仅涉及到经典的语言区域，也涉及到这次新发现的扩展区域。

在他看来，这个“AI部落”有着非常奇特的特征：通晓几乎所有人类语言、永不休眠、能够吸纳人类沉淀下来的海量知识，并跨越地域传播信息。

而Julia相对能够在上述两者之间找到“平衡”，能够在提供较高抽象层次和相对友好的开发体验的同时，兼顾接近传统高性能语言的计算能力。

因此，我们说褒义词相对于贬义词来说，在人们的语言使用过程中出现的频率更高。

包括我后来去读博士，许多年中都在写论文，论文写作的语言和思维方式和写公众号就比较接近，都是理性而有条理的，这有时会

在正式投稿前，建议作者重点检查：·研究是否符合目标期刊的范围·标题和摘要是否清晰表达研究贡献·论文语言是否影响科学内容的理解

只有对语言发生反应、对工作记忆任务没发生反应的脑区，才被认为是真正服务于语言的脑区。

随着Transformer和大规模预训练模型的发展，一个统一模型已经能够覆盖大量语言任务，这也促使研究者重新讨论语言能力本身的形成机制。

随着模型能力不断提升，研究者不再只关注模型是否能够完成某项语言任务，而是进一步分析模型内部语言能力的形成机制，以及这种能力与人类语言使用和理解之间的关系。

4、随着大语言模型逐渐解决词法、句法和基础语义分析等传统NLP问题，Manning认为「语用（Pragmatics）」「语话（Discourse）」和「对话（Dialogue）」将成为大模型进一步理解语言能力的重要方向。

斯坦福大学计算机科学教授ChristopherManning近期在一场访谈中讨论了大模型时代NLP研究方向的变化，他认为，大模型的发展并没有结束语言研究，而是推动研究从语言处理能力本身，进一步转向语言能力如何形成以及模型是否具备更深层次的理解能力。

2026年10月17日14:57机器之心Pro近年来，大语言模型的发展推动自然语言处理进入新的阶段。

通过大规模预训练，模型已经能够完成翻译、问答、写作和代码生成等多种语言任务，过去针对单一任务分别构建模型的研究路径正在逐渐被通用语言模型取代。

1、斯坦福大学计算机科学教授ChristopherManning近期接受访谈，围绕语言学思想在大语言模型研究中的持续影响力，从语言交流、语言学习和语言意义三个层面，梳理大语言模型已经取得的进展，以及当前自然语言处理（NLP）领域仍在探索的问题。

2、ChristopherManning指出，大语言模型的发展正在改变自然语言处理（NLP）领域的问题结构。

从语言学的角度看，大语言模型为何天生就是抽象学习器？

也就是说，语言的使用一般伴随着注意、记忆和认知控制这些附属过程，而那些号称和语言有关的脑区，其实可能是在处理这些附属过程，而不是在处理语言本身。

因此，香港理工大学的翻译培训在保留传统的听说读写译的基础上，增设了译前编辑、译后编辑、翻译质量评估、提示词工程（promptengineering)等课程，希望学生能更好地适应未来的语言服务行业。

但在人工智能时代，我们的课程也要培养学生在人工智能场景下的翻译能力，思考要在整个语言服务行业需要学生配备什么技能。

除了在语言服务行业从事翻译、笔译和口译的工作，一些留在香港的学生能进入消防处、中小学或出版公司。

有一些之前被认为参与语言处理的小脑区域，在本次研究中被证明对于语言有选择性反应，这意味着小脑不只是参与动作协调，而是的确有一部分小脑区域在做跟语言有关的事情。

这就说明这些区域的确是在做和语言有关的事情，并非只是在处理一般的认知任务。

这项研究还挑战了一些以往被认为跟语言有关的脑区。

模型能否仅靠文本学会语言的意义？

1、围绕LLM对语义的抽象与学习能力，Manning分享了他们团队近期发表的论文「Abstractiondriveslanguagelearning」，认为模型在训练极早期就形成了类别抽象，这一结果偏向支持了语言学习中「抽象优先」的理论立场.

模型语言学习是「实例优先」还是「抽象优先」？

在我们的大脑里有着一张语言地图。

近日，美国麻省理工学院麦戈文脑研究所的EvelinaFedorenko团队在《神经科学杂志》上发表了一篇论文，尝试把这张语言地图的完整版画出来。

例如基底节中的尾状核和壳核，之前有研究认为它们参与了句法处理，但是在这项研究的数据里，这两个区域对于语言任务的反应非常弱，对于非语言任务的反应却非常强。

其中，十四个区域对语言表现出了选择性，也就是说它们能对语言任务发生反应，然而对于高难度工作记忆任务几乎没什么反应。

基于本次研究，未来人们可以测量这些区域对不同语言任务的响应模式，看看它们是对词汇、句法还是在语义层面更敏感，也可以记录它们和核心语言网络之间的功能连接，看看它们是在接收信号、还是在向上层发送信号。

他们招募了七百七十二名健康的成年人，让每一个人躺在功能磁共振成像扫描仪里进行一个语言任务。

在这个语言任务里，屏幕上先后出现真实的句子和没有意义的字符串，通过对比大脑处理这两类材料时在血氧信号上的差异，就可以把专门负责语言处理的脑区找出来。

这个任务跟语言没有关系，但是同样很费力，假如一个脑区对于语言任务有反应，对于工作记忆任务也有反应，那么它可能是在做某种通用的任务。

7、对话（Dialogue）关注语言交流的互动过程，即交流双方如何通过多轮表达不断确认信息、协调意图并推进共同目标的过程。

在AI时代读语言专业？

在AI时代读语言专业，还有什么可以学？

在遍地“AI+专业”的眼花缭乱中，学生又如何判断一个语言专业是否真正在转型？

近两年，国内外都有高校停招语言专业以及翻译硕士。

其实语言在地球上仅出现了几万年，大脑的演化历史则有几百万年，语言并没有把整个大脑都改造成为语言处理器，只是在已有的架构上嵌入了一组比较紧凑的模块。

2016年，语言科学实验室成立，我们的课程和研究逐渐发展出了言语治疗、心理语言学、神经语言学等方向，这些方向可以更直接地提升社会福祉。

2016年，语言科学实验室成立，我们的课程和研究逐渐发展出了言语治疗、心理语言学、神经语言学等方向，这些方向可以更直接地提升社会福祉。

过去研究主要关注模型能否完成具体语言任务，而当前研究开始进一步关注模型是否真正理解语言在交流中的作用。

海马体在语言处理中是否像在情景记忆中那样起到了编码和检索的作用？

掌握语言规律之后，LLM距离理解语言还有多远？

在遍地“AI+专业”的眼花缭乱中，学生又如何判断一个语言专业是否真正在转型？

没有人类教授语言，没有预设交流规则：AI智能体可自发形成一套词汇体系2026年10月21日07:36澎湃MD比利时布鲁塞尔自由大学人工智能（AI）实验室和那慕尔大学团队在一项大规模研究中证明，即使没有人类教授语言，也没有预设交流规则，AI智能体仍能通过反复互动，自发形成一套共享的、彼此能够理解的词汇体系。

（原标题为《没有人类教授语言，没有预设交流规则AI智能体可自发形成一套词汇体系》）