本网讯 2026年6月13日上午，由广东外语外贸大学人力资源部（教师发展中心）主办、语言学习与人工智能研究院承办的著名教授论坛第754讲在广外白云山校区第七教学楼407顺利举行。讲座由北京大学中文系詹卫东教授主讲，广外语言学习与人工智能研究院王治敏教授主持，讲座主题为“知识驱动的数据合成：人工智能时代语言学的功能转型”。
讲座现场
詹卫东教授系统探讨了大语言模型兴起背景下，计算语言学如何实现角色转型与任务调整，指出语言学与人工智能分别代表了“know why”与“know how”两种研究范式。他由乔姆斯基生成语法与辛顿深度学习之间的“辛乔之争”引入，探索了两种方法论的差异，二者目标一致但路径迥异。当前，数据驱动的AI虽表现出色，却存在表层数据盲区，缺乏解释力；而语言学方法虽精准，却难以规模化。因此，融合的关键就在于将语言学知识转化为可被AI学习、生成和验证的高质量数据，以此弥补大模型的深层能力短板。
詹卫东教授提出，应在乔姆斯基“观察、描写、解释”三充分基础上，增加“生成”充分，作为检验语言学理论的新标准。这一观点意味着语言学功能的根本性拓展：它不仅要能够解释语言现象，更要能够“生成”语言世界，将抽象的理论知识转变为机器可以自动生成并验证的高质量数据。
詹卫东教授
实践层面，詹卫东教授展示了基于知识库驱动的空间认知评测体系（SPACE）。通过设计固定的空间布局和模板规则，程序自动生成涵盖语法判断、信息抽取、空间推理等六个递进任务的文本数据。实验表明，这一知识驱动的方法成效显著，使得大模型在空间推理任务上的正确率近乎翻倍提升，并在后续研究中继续突破，充分验证了高质量合成数据的巨大潜力。研究已扩展至“空间+社会关系”“空间+时间”等复合领域。
在自由交流环节，詹卫东教授就语言生成、多模态推理与模型训练等议题与在场师生深入互动，指出大模型对隐含常识的覆盖有限、静态图像与动态空间推理存在矛盾，强调垂类模型应注重类别覆盖率与数据质量而非单纯堆砌数据量。
本次讲座为语言学与人工智能的交叉研究提供了全新视角，展示了知识驱动方法在提升AI认知能力方面的巨大潜力，为语言学知识转化为AI可理解、可训练的数据资源，实现人机智能的融合发展开辟了新路径。
合影
人力资源部（教师发展中心）
语言学习与人工智能研究院
初稿：徐丹璐
复审：张哲 朱思达
终审：王治敏
当前位置: