大数据文摘出品
编译:李世林、刘俊寰
如果准备去另一个国家旅行,最令人头大的肯定是语言不通的问题,有时甚至还会抱怨语言的分类过于细化。
但是,里昂大学研究人员的一项新研究表明,语言之间的差异可能比想象的要小。
“语言在音节所包含的信息以及说话的速度方面差异很大。但有趣的是,这两种语言是相互平衡的,因此信息密集的语言说得慢,而信息较少的语言说得快。这意味着不同语言之间有一个非常相似的稳定的信息率。”该研究的共同作者,来自里昂大学的语言动力学实验室研究员Dediu说道。
通用常数的探寻
在试图为语言找到一个“通用”常数的过程中,Dediu的团队面临着相当大的挑战。世界上有超过7000种不同的语言,它们之间的联系非常少。这甚至扩展到信息如何用文字编码的基本度量。
例如,不同语言中每个单词的音节数量差别很大,这意味着香农信息率也不同。然而,Dediu和他的团队很有远见,不仅考虑了单词,也考虑了单词的使用频率。
Dediu和他的同事使用了来自欧洲和亚洲17种不同语言的170名成年人的录音。每位演讲者的任务是阅读一组15个大段的文本,大约由24万个音节组成。
一秒钟有几个音节?
研究人员选择音节作为他们唯一的信息单位,这是基于在另外两种选择上采用的:
- 音素:帮助我们区分单个单词的声音单位,被排除在外,因为德迪欧的团队意识到,它们在讲话中很容易被省略
- 词汇:被认为是过于语言特异性,不便于比较
有了数据集和度量标准之后,科学家们检验了他们的结果,由此揭示了世界语言之间的一些有趣的差异:
- 英语中有近7000个音节,而日语只有几百个
- 语速从4.3个音节到每秒9.1个音节不等
- 元音和谐(一种引人入胜的语言创新,要求后缀与所连接的单词保持“和谐”)出现在四种语言中
简而言之,这些语言听起来完全不同。
尽管如此,Dediu的团队注意到,考虑到书面文本的语速和信息密度,所有记录的语言信息率基本一致;信息丰富的文本阅读速度较慢,而信息较少的语言阅读速度更快。
语言就像姜饼人和驯鹿:这两个B/W版本使用不同的分辨率和灰度级别,但编码的信息相同,就像语言交换不同的策略,但同样有效。资料来源:丹·德迪欧,里昂第二大学。
研究人员确定了一个数字——39.15位/秒,作为17种语言的平均信息率,这就又引出一些有趣的发现,例如,女性演讲者的演讲和信息率较低。
研究小组发现,书面文本的差异对信息率几乎没有影响,这表明研究结果可以推广到本文基于文本的研究之外。语音速率和音节数的变化明显大于信息速率,信息速率是有效的跨语言连接手段。
这对我们的大脑意味着什么?
研究人员认为,这一发现意味着信息率必须稳定在一个较紧的平均值附近,因为过高的信息率会阻碍大脑处理数据和清晰表达语言的能力;另一方面,低信息率要求大脑在提取意思之前记住太多的单词。
这突出了语言的双重角色, Dediu总结道:“就如同硬币的两面性,谈及语言也有两面性,一个是文化上,一个是生物性的,当说一门语言的信息变得更加密集,说话者也会开始放慢语速。”
相关报道:
https://www.technologynetworks.com/neuroscience/news/different-tongue-same-information-17-language-study-reveals-how-we-all-communicate-at-a-similar-323584
【本文是51CTO专栏机构大数据文摘的原创译文,微信公众号“大数据文摘( id: BigDataDigest)”】