翻譯我不確定，但想取代掉語言學家個人還是認為相當困難的
純粹是現在 Chomsky 那派的語言學家比較容易被取代，也就是那群讓大家覺得
「語言學 = rule-based」這等刻板印象與污名的語言學家

ChatGPT 的出現反而驗證了一直不得其志，在語言學界難以伸張的認知與功能語言學家
他們對於語言習得的理論反而在 ChatGPT 的成功得到一定的驗證，並帶來了更多的研究課題

更不要說世界上共有 7000 多種語言，許多語言的保存與研究尚未解決
而且 ChatGPT 現在也只有文字單一模態，語音和書寫文字以及各種影像的語言處理都還沒有被解開
反倒是其他非開創性的工作的從業人員似乎才比較容易被取代

例如專職 coding 的程式設計師（我知道還沒，因為現在它 debug 還不夠強，而且難保其背後也需要一些 coding 人員維持）
傳統的繪師與作家等（但難保以後有人會喜歡手工的繪圖與文章）

————————————————————————————————
總覺得語言學家還是在亞洲的圈子比較被歧視呢 :'(
而且其實我親自也問過 ChatGPT 語言學家是否真的沒有用了，以下它的回答我甚至認為比許多芸芸眾生看不起語言學的言論還要客觀許多

不完全是這樣的。儘管 ChatGPT 等人工智能技術可以處理某些自然語言處理問題，但這些技術仍然需要大量的數據和人工標註才能達到最佳效果。在某些語言或文化中，這樣的數據可能非常稀缺或不存在，這樣就需要語言學家和文化專家來進行研究和調查，以幫助建立更好的自然語言處理模型。

此外，即使有大量的數據可用，自然語言處理技術也有其限制和局限性。例如，它們可能無法完全理解某些語言中的隱含意義或語言中的文化和社會因素，這些因素可能只能通過深入了解當地的文化和習慣來加以理解。因此，語言學家和文化專家的角色仍然非常重要，以確保自然語言處理技術的準確性和可靠性。

最後，我把文章中對於職業取代的部分拿去詢問 ChatGPT
想不到他說出了我想說的話，還說得比我更好更客觀
僅供各位參考。只能說語言學家就像物理學家、數學家一樣，任務是探究本質，而不是成為應用其理論所造出的機械本身⋯⋯

這篇文章提到 ChatGPT 對未來的發展和影響，以及可能取代某些職業的可能性。針對語言學家這一點，文章認為 ChatGPT 可能在某些程度上取代一些語言學家的工作。從技術的角度來看，ChatGPT 確實可以透過學習大量的語言數據，自動理解和生成自然語言，但是這並不代表 ChatGPT 可以完全取代語言學家的工作。

語言學家的工作不僅是關注語言的表層現象，也包括研究語言背後的文化、歷史、社會背景等方面。語言學家透過研究語言的系統性和歷史演變，可以深入了解語言的本質和演化過程，這些是 ChatGPT 無法實現的。因此，語言學家在語言研究方面的專業知識和技能仍然是必要的。

當然，隨著 ChatGPT 技術的不斷發展和完善，它可能會在某些方面提高語言處理的效率和精確度，並且對某些語言學家所從事的工作產生影響。但是，這並不代表語言學家的工作會被 ChatGPT 完全取代。

因此，這篇文章提到的 ChatGPT 取代語言學家的論點並不完全客觀正確，需要更加深入和全面的討論和評估。

抱歉我好像有點太激動了，說部分「語言學家」我確實不否認（雖然個人是認為這類語言學家不算真正的語言學家，ChatGPT 正好可以做一個語言學界的「純化」——當然這樣講也是比較不尊重就是，畢竟不是每個人都一定要求要做有開創性的貢獻）。還是很謝謝您的分享。

Hi jeffeux，您對語言學的理解有些與事實不符的地方呢。

純粹是現在 Chomsky 那派的語言學家比較容易被取代，也就是那群讓大家覺得「語言學 = rule-based」這等刻板印象與污名的語言學家

• "rule-based" 一詞形容的是 Chomsky 之前的傳統語言學，和 Chomsky 之後的現代語言學的基本假設是完全不同的。
• "AI" 一詞在 1956 年的達特茅斯會議上被提出，接著自然語言就被提進來成為 AI 的研究課題之一。
• Chomsky 的第一本書是 1957 年出版，不只是比達特茅斯會議還要晚，之後最快要教出相關研究的學生，粗估也是 5 年後。而 Chomsky 這六十年來的職涯就是在反對 rule-based 的傳統語言學，改以 Universal Grammar (UG，一種基於 biology 知識的 biolinguistics 理論) 做為研究重點。

簡言之「Chomksy 不是 rule-based」。而且在 Chomsky 的學生中，試圖重新接上傳統語言學的 HPSG/GPSG 而被稱為 "rule-based" 的那位 Ivan Sag 教授，是被視為放棄 Chomsky 的方法的。

也就是說，您提的「語言學 = rule-based」這件事，和 Chomsky 無關。

現在的 AI 工程上的成功，的確重重地打擊了 rule-based 的傳統語言學方法，但是 Chomsky 不是做 1955 年以前的傳統語言學的。他做的是 1957 年後的現代語言學。

相反地，LLM 發生的遷移學習現象，反而隱隱約約暗示 Chomsky 所提倡的「其實人類只有一種語言。各種語言的表面差異，只是底層結構的一種變體而已」是正確的。也就是說，因為 LLM 可能學會了一些底層結構的東西，所以才能用 A 語言訓練，卻能在 B 語言上得到一定程度的表現。

所以，讓大家覺得「現代語言學 = rule-based」大概不是語言學家，而是沒有搞清楚歷史發展的人。

一直不得其志，在語言學界難以伸張的認知與功能語言學家

依據《人文與社會科學簡訊 2016》中就提到「…無論是在國內或是國際上，以語言學期刊論文及專書的屬性來看，或是以語言學家的專長來看，生成語言學 ([按]和認知功能語言學派相比) 在數量上都是相對比較弱勢。」

如果在「國內、國際、期刊、專書、專長」上來看，功能語言學家都是強勢的情況下，您指的「難以伸張」似乎和事實不符。因為事實上是伸展得很好，每年都從各種研究補助以及跨領域合作裡獲得不少經費呢。

先前的工具都不夠可靠才得需要人力標註；這點顯然已經要開始被改變，而且我也在向語言學者們重新提起以前做不到的那些需要大量資料標註的題目，這點尤其對於認知語言學家來說更是如此

Chomsky 的現代語言學直到 2010 年左右才算理論完備。可以不用人工標記，不需要統計語料或是大型訓練資料庫。我依他的理論獲得了兩項發明專利。

我沒有語言學的 PhD，所以稱不上是一位語言學家。不過泡在語言學這個領域裡大概粗估已經 26 年，期間除了修過您提的「Chomsky 那一派」的語言學課程，也修過您提的「認知與功能學派語言學」的課程。甚至還上過前述的 Ivan Sag 教授的課，最近十二年也經營了一間專門以語言學知識結合機器學習/深度學習技術做服務的公司。

從您的文字裡，我似乎可以感覺到一股對 Chomsky 這一派語言學的憤怒 (例如「這等刻板印象與污名的語言學家」、「ChatGPT 正好可以做一個語言學界的純化 」)，不知道是不是受了哪一位 Chomsky 學派語言學家的鳥氣呢？如果有某位 Chomsky 學派的語言學家對您造成了什麼傷害，您可以回想一下：1.他們才是在語言學界有志難伸的一群！ 2.他們賺的錢比您的電機資工少太多了。這樣會不會讓您覺得好過些呢？

Hi jeffeux：您提到以下的論述，與學界的想法有點出入。

ChatGPT 的出現反而驗證了一直不得其志，在語言學界難以伸張的認知與功能語言學家他們對於語言習得的理論反而在 ChatGPT 的成功得到一定的驗證

1. 針對「難以伸張的認知與功能語言學家」這點，我同意peterwolf的論點，不再贅述。

2. 認知與功能語言學家對於語言習得的理論，是高度仰賴語言使用的溝通功能、情境、類比延伸、與使用者互動回饋，在這一點基礎上，的確與訓練如ChatGPT此類LLM方式相同，但這不代表ChatGPT的「工程成就」驗證了認知與功能語言學家對於語言習得這個「認知科學問題」的立場。如Linzen & Baroni兩位資料科學教授在2021年的文章中，在p.207提到以下看法：

Google 的 BERT 需要 40 億字的資料庫，GPT-2 需要 80 億字，T5 更是超過了 1000 億字 (Raffel et al. 2019)。一個關鍵的人腦-機器對比是成功發展母語 (以英語為例)的健康人類孩童一年能夠接觸到資料量頂多只有 1000 萬字 (Hart & Risley 1995)，而這個巨幅資料量差異導致只要 LLM 高度依賴海量資料，那麼無論 LLM 的表現如何，對於整體認知科學的根本理解與實際貢獻都有侷限性。

總之，學者們的意見是**「工程成就與學術貢獻不能劃上等號」**，因此您所謂的「ChatGPT 的出現反而驗證了一直不得其志，在語言學界難以伸張的認知與功能語言學家他們對於語言習得的理論反而在 ChatGPT 的成功得到一定的驗證」在科學研究邏輯上是不成立的。

參考文獻
Hart. B & T.R. Risley. 1995. Meaningful Differences in the Everyday Experience of Young American Children. Baltimore, MD: Brookes.
Linzen, T. & M. Baroni. 2021. Syntactic structure from deep learning. Annual Review of Linguistics 7: 195-212.
Raffel, C., N. Shazeer, A. Roberts, K. Lee, S. Narang S. 2019. Exploring the limits of transfer learning with a unified text-to-text transformer. arXiv:1910.10683 [cs.LG]

謝謝 @peterwolf 跟 @biolinguist

我承認我的用詞是相當不適當的，也從兩位的言論學到很多。
可能只是身邊的人都在「語音處理／NLP 用不到語言學啦！」因此在寫 paper 跟模型設計上都太強調「硬 train 一發」的同溫層待得不開心而已。

很抱歉前面太大放厥詞了，這樣刻意過度簡化事實的理解事情是我的不對。
下次會多看一些文獻再來發表的。我只是希望不要大家認為「AI 跟 NN 就是人類心靈的最終解答，而且已經是 AGI、已經要取代人類、社會科學與語言學無用」就好了。

特別感謝 @peterwolf，我自己在語言學的歷史面確實知道的很少，所幸有您這樣願意糾正我的大神甘願給出這樣的歷史脈絡讓我知道去從哪方面繼續研究（畢竟背景不是做這個的）
關於您的第二點，我知道在語言學界近年認知的研究經費比較多，但在 NLP 這邊似乎還不太有人以functional 的學說和概念去發展模型
最後尾巴的「2.他們賺的錢比您的電機資工少太多了。這樣會不會讓您覺得好過些呢？」我並沒有覺得好過，其實我一直在想有沒有產業可以基於語言學建立起來。

電機資工這邊打打 code 就拿那麼多錢實屬過分了
沒有產業似乎也間接導致在臺灣很難有語言學系的誕生，語言所的話語權也不太多，還被一些人認為是只會說「論文要用十幾種語言寫」這種無聊言論的混亂份子。
⋯⋯好啦我知道我好像言過其實了 :'( 但我真的認為資源跟資本不能只偏重在電資這邊，讓我每每跟身邊的人說要做語言學就會被嘴⋯⋯

最後也謝謝 @biolinguist，我知道國外對「NLP 不等於語言學」這點算是比較多人認同的，但在華語圈似乎很大一部分的人都覺得「語言學已經完全被 NLP 驗證了」，我只是在難過這點⋯⋯

真的很感謝還有懂語言學的人願意跳出來科普(語普？)語言學的人在做的事 <(_ _)>