博文

字距猜想：“语言动力学”的起点精选

已有 8349 次阅读 2013-6-9 16:55 |个人分类:机器文学　|系统分类:科研笔记| 起点, 动力学

字距猜想：“语言动力学”的起点

杨义先

北京邮电大学信息安全中心主任

灵创团队带头人

　　　　　　　　　　　　　　　　　　　　（一） 背景

俺真有点怀疑马老祖宗的论断：人与动物的根本区别是劳动。实际上，人类的全部内涵可概括为两个要素：“言”与“行”。并且，成立如下定律，

定律1）“言”与“行”其实是基本一致的。虽然确有“言行不一”的情况，但是，从整体统计规律看，长期生活在谎言中的人不多，而且也很痛苦。因此，可通过对“言社会”的分析，来了解“行社会”。比如，在“言社会”中，若“政府”与“贪腐”这两个词经常“碰面”的话，那么，很有可能“行社会”就“亚健康”了；

定律2）“言”与“行”是相互影响的。人类通过各种“行”，获得若干经验，然后，以文字、图表、音视频、物品等“言”（或可以转化为“言”）的方式，把“经验”记录下来并（异地）传承给后人，以此影响后人的“行”。

定律3）“言”是可以继承的。“行”却不能继承，至少说“行”无法异地直接继承，即，必须以“言”为媒介。因此，人与动物的根本区别在“言”而不在“行”，当然，就更不在“劳动”这种特别的“行”了。

定律4）“言”的稳定性远远好于“行”。甚至几千年前的经文、遗物等“言”，至今都还在（对“行”和“言”）发挥影响重要作用，当然，也在不断地产生新“言”。特别是在当今“大数据时代”，每天产生的新“言”量，大大地超过了人类早期数百年的“言”量总和。

（二） 字距猜想

关于“行”的社会，过去人们认为完全杂乱无章，但是，现在却发现，“行”的社会其实是一个紧凑的“小世界”，即，

6度社交空间猜想[14]：任何两个人，都可以经过至多六次引荐，便能够相互认识。

虽然作为一个数学猜想，“6度社交空间猜想”的表述非常不严谨，但是，事实证明该猜想在指导诸如Facebook、微博、Twitter等社交网络的建设和发展过程中扮演着非常重要的角色。而且，该猜想表明，至少在某一点（“相互认识”这一点）上，“行”社会是小尺度社会。

互联网是“言”社会中的第一大“国”，此外，诸如档案、影视、文艺等也都是“言”社会中的不同“国”。既然，根据上述定律1），“言”的社会与“行”的社会基本一致，那么，在“言”社会中也应该有类似的“6度空间猜想”，即，

字距2度猜想：任何两个字A、B，要么，它们在同一个词中（此时称为A与B的距离为1）；要么，可以找到第三个字C，使得A与C在同一个词中，同时，B与C也在一个词中（此时，称为A与B的距离为2）。

与“6度社交空间猜想”相比，此处的“字距猜想”显然更加清晰。虽然至今仍然未能证明其正确性，但是，也没能找到反例。注：真心欢迎大家来找反例吧，即，找到两个字，使得它们之间的距离既非1，也非2！

在研究上述“字距2度猜想”时，作为工科人员，俺惊奇地发现，原来在汉语语法研究中，没有“字”的概念，代之却是所谓的“语素”、“词”、“短语”、“句子”等“似曾相识而又非”的概念。虽然直观含义最清楚的是“字距2度猜想”，但是，为吸引语文研究者们的注意，俺把上述猜想分解为如下几种情况：

语素级2度猜想：任意两个语素A、B，要么它们在同一个词中（此时称为A与B的距离为1）；要么，可以找到第三个语素C，使得A与C在同一个词中，同时，B与C也在一个词中（此时，称为A与B的距离为2）。

词级2度猜想：任意两个词A、B，要么它们在同一个短语中（此时称为A与B的距离为1）；要么，可以找到第三个短语C，使得A与C在同一个短语中，同时，B与C也在一个短语中（此时，称为A与B的距离为2）。

短语级2度猜想：任意两个短语A、B，要么它们在同一个句子中（此时称为A与B的距离为1）；要么，可以找到第三个短语C，使得A与C在同一个句子中，同时，B与C也在一个句子中（此时，称为A与B的距离为2）。

如果上述“2度猜想”正确，那么，

1）“言社会”将比“行社会”更紧凑。而且，在“言社会”中各种概念更确定，相关数学工具和建模理论将更有用武之地，当然，必须承认，至今对“言社会”的动力学理论几乎是一无所知，但是，只要有足够强大的需求驱动，“语言动力学复杂性理论”的诞生一定不会太遥远了。

2）由于“言”的继承性和“言”对“行”的影响性，将导致，“行”的可预测性。换句话说，虽然“个人命运”不一定能“算”出来，但是，从统计学观点来看，人群的命运是“可算”的。童鞋，俺可不是在宣扬“封建迷信”哟。

3）直接改变“行社会”，难度较大，甚至基本上不可能；但是，相比而言，“言社会”的改变就容易多了，比如，朝鲜正在施行的禁言、封网、“注水”等。对“言社会”的篡改，其影响将肯定漫延到“行社会”中，并最终改变“行社会”，虽然有一定的时滞；同样，如果融入到全人类的统一“言社会”之中，那么，若干年后，“行社会”也就真正“与国际接轨”了。

4）人们对“行社会”的“6度社会空间猜想”已经做了多年研究，并取得了不少成果，相信其中某些成果可以应用于研究“言空间”的“字距2度猜想”；同时，由于“言社会”的确定性更好，相信今后在“言社会”中的成果将更加深刻，而这些“更深刻”的成果，又将有助于“行社会”的研究。

（三） 几点说明

1）虽然上节是以中文为例来表述“字距2度猜想”的，但是，其实，该猜想与语种无关，因为，各语种之间是可以翻译的，即用数学术语来说，它们是“同构的”，所以，只需考虑一种语言的“言社会”就行了。当然，最好不用朝鲜语的“言社会”，因为，朝鲜的“言社会”已经受到了过度的强制性人为篡改。

2）“字距2度猜想”还处于相当幼稚的阶段，理论基础、模型等都是空白，但是，随着大数据时代的来临，对它的研究将越来越必要。相信在“语言动力学”研究方面，在不远的将来，一定会发表一批高水平的学术成果，甚至可能登上《Nature》或《Science》这样的世界顶级刊物。童鞋们，不要轻易放弃这个机会哟！

3）证明“字距2度猜想”的可能思路有如下几种，其一，语文方法，比如，找反例来否定该猜想；其二，数学方法，仿照“6度社交空间猜想”的数理统计法；其三，生物学方法，从人类的智能水平来考虑，比如，众所周知的“言不达意，词不达言”这个事实就表明，当今人类“言”的表述水平还不高，也许再经过若干世纪的进化后，人类的“言”水平将大幅度提高，“言社会”将更加复杂，到那个时候，“言社会”的维度数将有所增加；同理，反推，也许人类早期（比如，甲骨文或更早的时期）的“言社会”是一个很简单的0度孤立空间呢，这时只有“语素”，压根就还没有“词”。

4）自去年起，俺开始研究“技术文学”[1][2]，即，以计算机、数学等自然科学手段去研究文学中的一些经典问题，并先后解决（或部分解决）了微博正命题[3]、微博逆命题[4]、微博背影命题[5]，破解了著名的苏轼璇玑图[6]、史上最难璇玑图[7][8][9]，解开了苏蕙璇玑图的“心”结之谜[10]，解决了计算机撰写“千字文”的核心理论问题[11]，建立了史上最大的同音文库[12]，提出了影文猜想[13]以及本文中的字距猜想等等。总之，这些事实足以说明：技术文学是靠谱的，即，确实可以用“科学”来研究“文学”。因此，欢迎更多的科学家和文学家一起来开辟这一新的科研领域。当然，不可否认，用“科学”来研究“文学”也是一个高风险工作，不但研究难度大，而且还需要相当的胆量。实际上，“技术文学”的许多成果已经并将继续召来众多网友的肆意谩骂（比如，见[11]的网友评论等），但是，与布鲁诺和哥白尼等用“科学”去碰“神学”的科学家们相比，咱们已经相当幸运了，至少生命无忧吧。