機器不是只看得懂數位編碼 0 與 1，為什麼能「讀懂」人類的語言，比如可以用 Python 寫「print」？
美國政治名嘴喬姆斯基 (Noam Chomsky) 還是引領語言學與電腦科學界的大師？
人類學習語言時是天生有一個內在機制幫助我們快速上手、還是後天的刺激呢？
《讓電腦讀懂你的話：形式語言》系列將為大家初探語言學，與後續引響電腦科學的重要理論──喬姆斯基的普遍-生成文法。此為第一集。
《進擊的巨人》作者諫山創說，他之所以會開始想畫巨人吃人、和人類無法溝通的故事，是因為受到過去打工經驗的啟發——
諫山創過去曾在東京網咖值大夜班，有時會遇上喝醉的客人：「最接近人類的動物應該就是人類，但是卻不知道人類在想什麼，這是最令人感到可怕的。」
今天，就要來跟大家聊聊，什麼是語言。
什麼是語言？
在聖經的《創世紀》中，有段故事叫「巴別塔」（Tower of Babel）。
故事中提到，西元兩千年前的巴比倫人，為了開通一條通往天堂的高塔，聯合建立了一座高聳入雲的塔、命名為巴別塔。那時候，全世界的人們都有著共通的語言。
為了阻止人類的意圖，上帝讓人類開始說不同的語言。人們無法進行溝通，因此計劃就這樣失敗了。
19世紀法國著名版畫家 Gustave Doré 所作《語言的淆亂》（The Confusion of Tongues, 1865）
我們每天都在說語言；也因此，對語言概念的探討，是一個非常古老的問題。
一個人的思想，總要透過表達、溝通才能讓其他人知道，其中的方式就是語言。
一個語言中，包含了「符號」與「規則」。符號通常稱為「文字」，會以視覺、聲音或者觸覺的方式來進行傳遞。而規則則稱為「文法」。
所以我們也可以把語言稱之為——將抽象思維符號化。
Language is a set of symbols being used for communication.
語言就是用來溝通的一個符號的集合。
語言有哪幾種呢？
自然語言
提到語言 (Language)，通常第一個會想到的是我們日常生活中所說的中文、英文等等。
這種自然隨著人類的文化、演化而出的語言，就稱作「自然語言」（Natural Language）。
自然語言是以器官（胸腔、喉嚨、嘴巴）發聲，作為基礎來傳遞信息的一種符號系統。
它也是人類最重要的交流溝通的工具，在還沒有文字之前就已經先有了自然語言。中文、英語、法語、日語等，都是自然語言。根據統計，全世界有 5000 多種自然語言。
語言學就是研究人類語言的分類與規則、而發展出來的一門學說；研究語言的學者們被稱呼為語言學家 (Linguist)。
語言學家可以透過追溯一族語言的演化，來發覺重要的歷史軌跡，例如判定該民族的地理起源、或該地祖先的生活方式、有否外來民族入侵或文化影響等等。
常常聽到最近因為機器學習技術的突破、而火紅起來的聊天機器人 (Chatbot)，在研究的也是「自然語言處理」(Natural Language Processing, NLP)。
NLP 領域中，探討如何處理及運用人類的自然語言。包括 Apple 的 Siri、微軟的 Cortana 、Amazon 的 Echo、Google Now、Samsung 在 S8 手機上推出的 Bixby 等語音助理，都在發展並應用 NLP 技術。
事實上，人工智慧在 1956 年被作為一個研究問題正式提出來時，人們把西洋棋和機器翻譯作為兩個指標性的任務，認為只要電腦西洋棋能夠打敗人類世界冠軍、機器翻譯系統達到人類翻譯的水準，就可以宣告人工智慧的勝利。
四十年後的 1997 年，IBM 公司的深藍電腦已經能夠打敗西洋棋世界冠軍卡斯巴羅夫，而機器翻譯到現在仍無法與人類翻譯水平相比，可看出自然語言處理有多麼困難！
人造語言
我們會說「自然」，那就一定還有相反的「人造」來對應這個概念。
除了自然語言之外，還有一些語言是為了特定的目的和用途，由人工所創造出的語言，叫「人造語言」(Constructed Language)。
自然語言是自然演化出來的，並沒有特別哪個人去發明它，然而人造語言都是人為創造、發明出來的。
人造語言主要分成兩種：第一種是國際輔助語言，第二種是藝術語言；第三種是數學語言。
1. 輔助語言(世界語)
輔助語言意指——為了讓非母語人士更容易上手、而進行某種程度轉換的語言。（像是 A 語言直接翻成 B 語言很困難；但 A 語言和 B 語言都可以很簡單的翻成 C 語言，兩個人再用 C 語言去溝通）
還記得我們本文一開始提到的巴別塔嗎？因為語言不通，人們開始分裂。
1859 年，猶太裔的柴門霍夫 (Zamenhof) 出生在一個波蘭小鎮上。鎮上有三種民族的人居住：波蘭人、猶太人和白俄羅斯人。
由於語言、宗教信仰不同，所以他們經常互相產生偏見和仇視。
柴門霍夫認為「語言不同使人們不能互相交流」是民族間彼此衝突的主要原因，所以他開始想：能不能創造一種人類共同的語言，使不同民族或文化的人能好好交流？
畢業後，柴門霍夫成為一名眼科醫生，在行醫過程中他一直學習外語、並研究各類語言長達十年，直到 1887 年以筆名「希望博士」出版他的研究成果：《Esperanto》、意為《世界語》。
世界語是以拉丁字母作為基礎，不是為了要取代現有的語言，而是統一自然語言的多樣性、拿它來輔助翻譯，讓翻譯時就不需要那麼困難。
可惜的是，由於柴門霍夫是猶太人的緣故，引發當時德國納粹對世界語的迫害。在希特勒《我的奮鬥》一書中，世界語被說成是猶太人陰謀支配世界後使用的語言。後續柴門霍夫的家人也慘遭屠殺。
目前人造的國際輔助語言中，不是僅有世界語一支。然而世界語的全球使用人數卻是最多的，約十萬至兩百萬人。維基百科也有世界語版本。
2. 藝術語言
為了藝術創作而創造出的語言。
像是魔戒作者托爾金發明的各種中土世界的語言，包括精靈語、矮人語。或神奇寶貝的神奇寶貝語、電視影集《冰與火之歌》中龍后學的多斯拉其語（Dothraki Language）。
多斯拉其語是由語言學家大衛·彼得森、以馬丁小說中的多斯拉其語單詞和短語為基礎，為《冰與火之歌》所開發的人工語言，包含 3,163 個單字。
(要開發一款語言可不是這麼簡單的事情 (›´ω`‹ ) 沒經費的電視劇很可能就隨便發發怪音吧…)
3. 形式語言
形式語言（Formal language）是用精確的數學或機器，可處理的公式定義的語言，包括了數學語言或電腦語言。
數學語言中，包括了數學體系中的數學符號，或是用於證明數學定理的邏輯語言。
在電腦方面，也有「程式語言」。
（學語言有什麼難的？ 我身邊的人都會五六種以上的語言… 包括：C/C++、Python、R、JavaScript、Go。 => 難笑的工程師笑話）
電腦的程式語言，就是人和機器之間進行訊息交流、傳遞的符號體系——讓人對機器下命令後， 機器能理解並執行人類的並令。
無論是數學語言還是程式語言，作為「傳遞訊息的符號系統」這個語言的本質並未改變。
只是數學語言更加的嚴密、精確。而程式語言是人類用來對電腦溝通用的。
所以… 語言到底怎麼來的？
為什麼要介紹這麼長一串「什麼是語言」、「語言有哪幾種」呢？
因為要瞭解語言是怎麼來的、探索人類的認知系統；要瞭解「機器能判定的語言」、要瞭解圖靈機，我們不能不懂語言學的基本概念。
目前，人們主要通過兩種思路來進行自然語言處理，一種是基於規則的理性主義，另外一種是基於統計的經驗主義。
理性主義方法認為，人類語言主要是由語言規則來產生和描述的，因此只要能夠用適當的形式將人類語言規則表示出來，就能夠理解人類語言，並實現語言之間的翻譯等各種自然語言處理任務。
而經驗主義方法則認為，從大量的資料中獲取語言統計知識，有效建立語言的統計模型。因此只要能夠有足夠多的用於統計的語言資料，就能夠理解人類語言。
前者論點的經典代表為 MIT 教授喬姆斯基 (Noam Chomsky)，後者為現在用機器學習方法處理。他嘗試回答：
我們是怎麼學習語言的？是天生機制還是後天反應刺激？
為何我們能夠自然地學會語言，說出無數合乎文法的語句？在各種紛歧語言的樣貌下，是否存在某種規則？
甚至有人更進一步思考：能否讓電腦也運用一個語言的符號體系來溝通呢？
在第二集開始，讓我們為大家介紹重磅語言學大家──喬姆斯基，和他延續三十年、對認知心理學與電腦科學造成重大影響的「生成語法」理論吧！
