语言学在人工智能的应用都有哪些？

主流语言学难以应用的最大问题在于symbolicrepresentation的假设。语言学的模型把语言都写成二进制，非黑即白，要知道自从20世纪80年代开始，AI的人就已经意识到了概率的重要性。概率与传统语言学完全背离。而且理论语言学的人并不喜欢讨论实际自然语言数据，尤其喜欢坐着想句子。著名斯坦福计算语言学大神ChristManning，也是语言学系出身，但最近十几年几乎再也没发过跟理论语言学有关的论文。主流贡献相对大一点的分支有形式语义学(formalsemantics)，但过于依赖手写规则(handwrittenrules)，大规模推广有困难，面临的问题跟传统专家系统类似。两个冷门的句法模型dependencygrammar和combinatorialcategoricalgrammar(CCG)在句法分析领域有一定市场。对AI领域有帮助的理论都是语言学以及相关学科中偏门的领域，包括语音学(phonetics，语音识别的理论基础，不过语言学很多人不把语音学当作语言学分支)，词汇语义(lexicalsemantics,主要以LSA,LDA等一系列模型间接实现)，历史语言学(historicallinguistics)和类型学(typology)对于多语言的技术开发比较有一定启发。心理语言学(psycholinguistics)依靠行为实验(behaviorexperiments)，大脑成像技术(brainimaging)以及认知建模(cognitivemodeling)研究人类实际语言使用，可谓计算语言技术的理论后盾。计算语言学顶级会议ACL每年专门设分领域接收认知模拟的研究。认知建模也是我做的最多的一块。AI领域志在逼近人类智能，研究人类智能的认知科学才是AI的理论基础，而不是理论语言学。