|
一旦机器人的记忆库具备了丰富的语言结构、词汇、语素和人类声音，那么它们就能根据程序算法对它偏好的语言结构做出选择，进而形成具有独特属性的机器人文体产出风格。 现如今，人工智能与机器人技术的融合已然成为学术界和工业界共同关注的焦点话题。随着全新人工智能算法的不断演化以及大数据技术融入到智能机器人开发当中，机器人的语言研究就成了一个必须面对的话题。其中，新近兴起的机器人文体学分析就是其中的一个热点，其主旨在于通过参考人类文学语言和非文学语言输出，刻画机器人的语言风格与特点，进而交代机器人话语输出的反复性处理对于机器人以及人工智能的启示。 拓展文体族群的比量外延 作为语言学的一个分支学科，传统文体学比较关注特定人物或者作家的语言输出风格，并且只关注真实话语而非不真实抑或是人工编程话语。 随着人工智能水平的不断提升以及计算语言学的蓬勃发展，机器人文体学开始关注机器人的智能话语，积极尝试处理机器人输出的模糊话语和不敬话语，力求实现由“弱人工智能”到“强人工智能”的飞跃，即以生物似然性（人造产物的行为和表现应基于人类使用的同样的策略和方法）为出发点，分析机器人的话语输出取向，弄清楚机器人语言的文体属性与范畴。其背后的根本原理在于机器人的运行算法可以帮助它们从自身的错误中、互联网大数据中以及模仿人类和其他机器人话语处理中吸取经验。 深化文体认知的智能内涵 相对于传统文体学分析以形式和功能为焦点，机器人文体学更加侧重语言输出形式和功能背后的行为认知与形成规律。例如，强人工智能机器人可以通过观看视频、自学和观察等方式开展自我学习。此外，强人工智能机器人也可以从人们所说的话中学习，更可以通过连接到互联网上提取其记忆库中所存储的大量交际信息而为其所用。 可以说，相对于传统文体学比较关注一般人类的语言能力，机器人文体学则更倾向于以机器人的人工语言能力为焦点。一旦机器人的记忆库具备了丰富的语言结构、词汇、语素和人类声音，那么它们就能根据程序算法对它偏好的语言结构做出选择，进而形成具有独特属性的机器人文体产出风格。 (责任编辑：admin) |