在機器理解語言層面，傳統語言學理論和端到端的自然語言處理技術，哪個發揮了更大的作用？

深度學習的發展帶來了端到端的自然語言處理技術，有很多該領域的專家認為在幫助機器理解語言方面，喬姆斯基等語言學的理論已經不再那麼重要，反而是數據、計算能力等發揮更加重要的作用。你對此怎麼看？

本題已加入圓桌 ? 漫談機器智能，更多「人工智慧」相關的話題歡迎關注討論

Ultimately, natural language processing and linguistic theory have different goals. Theoretical linguists are interested in the structural properties of human languages: what properties do all human languages share in common? what kind of variation do we find in human languages? how to children acquire language? And most importantly, what does this tell us about the human brain? The goals of natural language processing are different, but both fields can (and should) benefit from one another.

A deeper understanding of the structural properties that underlie human language may benefit the development of algorithms, and knowledge of principles and parameters of human language variation will be especially important in working towards language-independent machine learning. At the same time, machine learning can help theoretical linguists tests theories of learnability.

Jessica Coon 為機器之心 | GMIS 2017 全球機器智能峰會嘉賓，知乎賬號由Jessica Coon 授權，機器之心代為註冊和運營，以上為Jessica Coon的英文版答案，以下為機器之心翻譯答案供大家參考。

最終，自然語言處理和語言學理論有著不同的目標。理論語言學家對人類語言的結構性質感興趣：所有人類語言的共同屬性是什麼？我們能從人類語言中找到哪些變異？孩子們是怎樣習得語言的？還有最重要的：這一切暗示了哪些人類大腦的機制？這些目標和自然語言處理是不同的，但兩個方向可以（也應該）互相受益。對人類語言結構的深入理解可能會有利於演算法的發展，人類語言變化的原理和參數對於獨立於語言的機器學習而言非常重要；與此同時，機器學習可以幫助語言學家測試他們的易學性理論。

現在語言處理技術僅僅在翻譯和語音識別上被人們和各大公司所關注更多。但是在對話上卻遠遠落後於人。自然語言處理的最終目標也就是實現人和機器的無感無差別對話，而要實現真正超越人類的翻譯水平，也必須是先完成和人類的無感無差別對話。而要實現這些目標，沒有語言理論作為基礎，即使全世界的計算機和計算機科學家集中起來研究自然語言處理技術也無法達到。首先必須是語言理論的進步和不斷的探索發現，自然語言處理技術才能得到進步。有時我們不要以為自己拿著一把神劍就以為自己劍神了。而現在從圖像處理到自然語言處理，我們是從強大的計算能力和演算法中看到了一些曙光，但是前景沒有一個人可以說出正確的時間表。

如同 Jessica Coon 所說，雙方互相受益 ，但是我認為語言理論卻主要的。如果不能正確的定義智能，那麼何來真正的智能呢？

沒有理論的支持應用研究可能會跑偏，但是也可能出現在跑偏的應用研究誕生新的理論方向。