新冠病毒改变了这个世界。现在的学术会议大都取消或网上召开，词汇语义学会议也不例外。

已经记不清参加了几届会议了，但是无疑这次会议的印象最深。在去年投稿之际，我们就很纠结，香港，投还是不投？我无法去香港开会，学生都很想去，我哪儿有那么多经费烧呢？可是去年在北京召开会议时，就已经确定2021年在南京师范大学召开，我们不投稿也说不过去。往届我们平均会投五六篇论文，中3篇左右。好吧，投一篇试试看，让学生去练练，中了口头报告才能去开会。

待到二月份、三月份，一切都因病毒而改变。大会发来邮件，取消了实体会议，可能转线上，并且退还注册费。看到这条消息，真是肠子都悔青了。如果让学生多投稿就好了，练练写作，看看审稿意见，又能免费线上会议，很是完美。

真正到了开会，发现会务组的安排特别仔细，居然有主会场，让人感觉还是有传统会议的样子。另外，还有信息很详细的网站，每篇论文都挂在上面 ，而且有讨论区、微信群给大家讨论。

网络会议，兼顾了国内外的参会者和听会者。参会者基本上使用zoom，有各种不同的发言权限，正式会议代表才能进入zoom，在听会时只能举手提问。而会议还使用了youtube、斗鱼，来向没有注册的观众开放直播。而斗鱼也没有让会议方失望，基本上保持在1500+观众的状态，有时还突破了3000。这对于以往的会议来说，也是极大的超越。以前这会的规模只有150-300人，没有直播，受众也就比较少了。而网络直播吸引了汉语、外语、对外汉语教学、计算语言学等领域的师生，甚至社会人士来观看，使得观众数扩大了十倍左右。

对于原计划无法参会的我来说，真是赚到了。许多学者，我也是第一次见到，比如Goldberg、董秀芳和陶红印，虽然不是面见，至少是实时视频。听了他们的讨论，也更了解了他们的理论和观点。

Church和周明老师的观点，都谈到了一个老话题，语言学和机器学习的关系。他们谈到，虽然NN很强，取得了许多突破。但在某些任务上，即使计算硬件上去了，算力上去了，依然提升很有限。需要考虑如何依靠现有的计算资源取得更好的效果。多轮对话现在NN处理的不好，需要常识知识，需要知识图谱，需要和语言学结合。

但我觉得并非如此，一方面是算法的问题，一方面是问题本身没有定义好，算法和问题并不匹配。可以预见的是，十年后的机器学习模型一定比现在有更多的提升，但有些问题如果不解决建模问题，仍然做不好。以语义角色标注SRL和句法分析为例，词语之间的支配关系可能性非常之多。不管模型有多强，都没有解决一个根本问题，就是语言不可以只做单句分析，它需要上下文，需要大语境。还有对说话人和听话人基本上都没有建模，不考虑这两个人的知识背景，仅仅依靠单句信息，不管预训练模型有多强，都是药不对症的。

对领域知识不了解，认为现在的模型对领域知识集成度不够。其实，领域知识，比如法律、医学，往往是领域专家的个体经验，并没有直接服务于神经网络的知识库。需要领域专家学习一番机器学习的基本技术，然后共同设计制作适合计算的知识库。

当然啦，还是先引用一下冯志伟老师的那句话“为了适应信息时代语言学研究的新发展，语言学家有必要进行更新知识的再学习，努力完善自己的知识结构，这应当是信息时代的语言学家责无旁贷的任务。”

我的补充是“计算机学家数学好，其实他们学习和了解语言学很有优势，他们来学语言学之后，可以更好地推进语言计算和应用”，且“语言也是一个复杂的心理现象，不只是计算机的问题，而是要结合神经生物、心理学、社会学等各领域的发展，用数学建模，用机器存储和计算，来实现我们希望的那个语言智能”。