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。
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。
我們常聽到像「台積電雇了30%的本地人」這樣的句子，乍聽之下語意清楚，實則存在歧義。這句話可以理解為（1）台積電的員工有30%是本地人，或（2）所有本地人中有30%被台積電雇用。這樣的語意歧異來自於「百分比」表達與語句中其他成分的轄域互動。新加坡南洋理工大學的李昊澤教授的研究針對這類語句進行語意層面的深入剖析。
本場演講題為「再一次，再一次：『連鎖』再現——恢復性解讀與狀態變化謂語」，深入探討 "again" 一詞背後的語意解讀機制，講者Andrew Weir教授曾分別在愛丁堡、倫敦大學學院、馬薩諸塞大學深造，並於比利時根特大學完成博士後研究，現任挪威科技大學首席副教授。
在這場演講中，加州大學爾灣分校的 Gregory Scontras 教授探討兒童在語言理解中對真值判斷的表現，特別是為何他們對多義句的解讀與成人不同。他提出三個關鍵影響因素——語法處理能力、對話情境的理解以及對描述世界的預期，並透過貝葉斯理性言語行為模型分析其作用。研究結果顯示，語用因素比語法處理對兒童的判斷影響更大，並有最新的成人數據進一步支持這些發現。
