「也不能说语言学完全没有意义？语言总归是一件很重要的事物，难道不值得研究吗？再如，我觉得词典、语法书都属於语言学范畴，辞典和语法书的价值有目共睹吧，哪个人在成长经历中少得了它们？」
「好吧，就算你说的辞典等工具书有用，世界上有用的东西多了，但是，都配称什麽学吗？如果数学只有加减乘除，只配称算术，不敢称数学吧。如果化学只有炼丹，只配称炼金术，不敢称化学吧。语言学也如此，现在有一些零零碎碎有用的东西，但是由於没有系统的理论，称为语言学太勉强，实在要称为学，大概也是类似化学还在炼金术阶段的伪科学。」
「难怪中国大学都没有语言学系，政府大概也看到了，这还不是成熟的学科，国外倒是到处都有语言学系，可是，也没有看到它像个成熟学科的样子。」有人总结道。
这也是山丰长久以来的困惑，山丰不仅对计算语言学的根本目标、根本思路产生了怀疑，对更不一般的语言学也产生了怀疑，就是极其杂乱，看不到任何规律X，或者说人类使用语言主要靠着一种本能和潜意识，一旦人类想把语言提升到意识层面来研究，就举步维艰，千头万绪，无从下手。换句话说，山丰开始走向一种语言的不可知论，或者说语言是不可以被研究的，任何试图给语言建立一套理论T系，注定都是失败的。如果语言学不存在，那麽附予其上的计算语言学也不存在，那麽自然语言处理就始终停留在「术」，而无法进入「学」的殿堂。山丰在其科研生涯中，有种幻灭的感觉。
山丰越来越相信自然语言的材料只可以被计算机处理，而不可能被理解。这个处理主要是收集、保存、检索、组合等等，与创造X地使用语言基本无关，因为没有理解就不会有创造X的使用。物理学上有永动机，计算机科学中有停机问题，这都是理论上证明不可解的问题，山丰越来越倾向於认为自然语言的理解也属於这类问题，这也许也可以像停机问题那样通过构造悖论来证明或说明。其根本原因是，计算机是数学的产物，语言的本质与数学的本质是矛盾不相容的。任给一个自然语言句子S，是否存在一个计算机演算法P，P可以理解S？先假设P存在，然後利用P可以构造一个悖论，即构造一个新演算法，它反向证明P对某些S没有理解。
现在流行的用向量表示词的方法，山丰不能接受，不过也算是没有办法的办法，这只是一时之计。词向量研究者经常举一些例子，b如a-USA=Beijing-Washington，但是存在很多荒唐的情况，没有给出。是的，自然语言是一群人（非常大的一群人，而且历时很长）创造的，有的人自觉，绝大多数人不自觉地参与到这个创造过程中。词是语言语义的基础，研究词的产生过程，是了解语言创造过程的重要环节。特别是一些影响大的词，是如何创造出来的，一定不是依据某些数学上的严密逻辑出现的。用数学公司和推理无法解释为什麽「内卷」这个词突然在这两三年就流行起来。能不能设计一个计算机系统，自动预测下一年的流行词？山丰觉得基本不可能。面对语言，山丰的感觉大家都在瞎子m0象，各种理论都很牵强。从哲学、艺术的角度探讨语言b较合适，从数学、机械的角度对待语言不合适。
2003年的寒假一过，山丰就开始教课。山丰教的第一门课是《语言和计算理论导引》，这是山丰在华盛顿大学时去旁听过的课程。山丰在华盛顿大学时，逐渐坚定了将来去大学教书的想法，山丰就跟着实验室的几位博士生去听了一些课程，包括导师Lawrence的课，这门《语言和计算理论导引》是山丰觉得最有意义的一门课，主要内容是形式语言和可计算X、计算复杂X，属於理论计算机科学的内容。山丰一直希望能够利用形式语言的成果来研究自然语言，希望通过授课，自己把这方面内容理解得更透彻。这是一门面向高年级本科生的选修课，刚开始只有三位同学来听课，上了一个月，剩下两位同学，後来真正能够眼光跟随山丰的只有一位同学，两位同学的名字山丰都记不得了，但是他们当时听课的形象一直记在脑海，他们一直很严肃地盯着山丰，也许是山丰的紧张也影响了他们。第一次上课，总的来说，很紧张，为一切而紧张，内容是否合适，口齿是否清楚，衣着是否整洁，板书是否工整，等等。也不够真诚，因为课程内容b较难，山丰自己有些地方没有完全吃透，但是，又是很重要的内容，山丰希望在讲的过程中，和同学一起Ga0懂它们，结果讲的时候就有些含糊其词，既想把它讲出来，又想掩盖自己的不懂。总之，这次上课给了山丰很多教训，以後，碰到这种情况，要麽自己课下多花功夫，把问题想清楚，要麽课堂上，坦白地告诉同学，鼓励同学们和山丰讨论，一起把问题想清楚。以山丰後来的经验，后一种做法是非常有效的，旭耀大学的学生藏龙卧虎，不乏水准高过老师的高手。
後来系里安排山丰给一年级研究生上《专业英语》课程，这让山丰想起在首大上的类似的课程，可以说效果很不好，当时老师找了一些非常初级的介绍计算机知识的英文材料，上课时点名同学朗读给大家听，山丰印象里，里面的计算机知识实在太初级了，完全失去了读它的兴趣。山丰对语言学习，一贯主张在实际需要中学，而不是为学习而学习。想起山丰曾去过的英语角，两个陌生人，聊完「what''syourname，whereareyoufrom?」这些简单寒暄之後，就无话可说了，「what’syourname」说上一百遍，也说不出一句真正想练习的有深度的句子来。英语角，如果只是抱着学习英语的目的，一般对英语学习帮助不大，但是，如果抱着认识朋友、开拓视野的目的，反而可能促进英语的学习。换言之，仅靠英语角的那个小小空间和那点短暂时间，很难提高英语，「功夫在诗外，」英语角之外的日积月累的交流才真正提高英语。基於这样的思路，山丰找来了加州Berkeley大学计算机系的核心课程的教学实况录像，那都是有一定难度的课程，让同学们观看，学着记笔记，学着完成一定的作业，不仅关注其中的英语，还要Ga0懂其中的课堂内容，还要发现与中国大学课堂内容的不同。其中，JonathanShewchuk讲授的《DataStructures》，最受大家欢迎，山丰也觉得受益匪浅。山丰那时有种预感，这种网上的课程很有前途，它让学生接触到最好的老师，最好的资料，缺点是无法互动，但随着技术的进步，可以改善。上课原则，「可以不来、可以迟到、可以睡觉、可以早退」，但「不可以讲话、不可以吃东西、不可以敲击键盘，不可以发出声音，不可以g扰其他同学。」
後来山丰陆续开设了《机器学习》《自然语言处理》等课程，都是面向研究生的课程。《自然语言处理》是山丰自己选定的研究方向，统计方法已经成为自然语言处理技术的主流，而统计方法的基础是机器学习中的各种理论和方法，因此，山丰觉得有必要从机器学习讲起。算上前面的《语言和计算理论导引》，这三门课所用的教材都是山丰从美国带回来的，为了能够吃透内容，山丰讲课前把这三本书都翻译了一遍。不过，实践证明，翻译也可以在是懂非懂的情况下完成，翻译并不能确保完全Ga0懂书的内容。这三次翻译的经历让山丰不再相信翻译是语言处理中的最高智慧，也不再觉得机器翻译是人工智慧中最难的问题。《机器学习》山丰讲过两次，《自然语言处理》山丰讲了可能有五六次，山丰自己感觉都不好，这两门课涉及的内容都相当庞杂，大量内容是最近几年产生，而且每年都有新内容加入，如果要深入彻底地理解，就必须测底理解背後的数学原理、数学工具，即便是数学系的博士、老师，也是相当困难的，山丰觉得超出了自己的能力范围。
《机器学习》因为有其他老师想上，山丰就让给了他，而《自然语言处理》发现早有其他老师在上，所以山丰主动停了。不过，这也许是研究生课程的特点，不同於中学课程和大学课程，即便是老师，也无法完全掌握其中的所有内容。研究生课程更多的任务启发，而不是灌输，更大的角sE是带领，而不是包揽。在研究生课堂上，老师不如学生，不是羞愧的事，某种意义上，研究生老师可以如刘邦，军事作战不如韩信，後勤管理不如萧何，出谋划策不如张良，但全局布置能力够好，也是可以的。不过，山丰当时没有认识到这一点，陷於深深自责而决定放弃，山丰肤浅地认为，将课程内容限制到足够小的范围，山丰就有可能完全Ga0懂，就能得心应手地授课，所以後来开始了《机器翻译》。没想到这是一个极大的错误，可以说是山丰大学教学生涯中的滑铁卢。这门课山丰上了两次，後来因为出国访问，中断了。事实上，不中断，也很难上下去。或者说，这门课的不成功是导致出国访问的因素之一。实践证明这门课的难度与前面两门宏大的课程相b，是一样的，因为它们面临的核心问题，或者说最难的部分是一样的。而且，由於课程名字的偏狭，导致感兴趣，来选课的学生很少。出国回来后，因为前面效果不好，系里没有批准恢复这门课。後来，其他老师告诉山丰，旭耀研究生课程更通常的做法是，课程名称保持稳定，且取一个宏大的，这样可以x1引更多的学生，但是具T讲授时，教师根据自己的擅长，b较自由地调整、安排内容，内容和名字可以相差很大，不必太计较名字和内容的一致。当山丰知道这些时，已经晚了。从此以後，山丰的研究生课程没能再恢复，此时山丰的研究生招生也停了，山丰的学术研究生涯基本就结束了。
内容未完，下一页继续阅读