2022年9月30日上午，由四川外国语大学语言智能学院、语言脑科学中心和川外学坛联合举办的“语言智能大讲堂”之“研修讲坛”在博文楼401报告厅成功举行。首都经济贸易大学密云分校廖敏博士应邀做了题为“失语法失语症的评估及其语言干预”的学术讲座，澳门大学博士后、重庆大学大数据与软件学院讲师陈静博士应邀作了题为“数据、特征与模型：智能分析的三个层次”的学术讲座。两场讲座分别由语言智能学院教师陈秋桐博士和杜爽博士主持，语言智能学院全体教师、硕博士研究生及线上师生参加了本次活动。

在第一场讲座中，廖敏博士首先介绍了失语症的研究背景以及分类并聚焦由脑卒中以及神经退行性疾病所致的失语症状和病变机理。随后，她对失语法失语症的临床特征进行了详细的描述。其中，卒中失语法性失语症表现为语法形态的产出障碍，动词的产出障碍以及复杂句的理解和产出障碍，原发性进行性失语法失语症（PPA- G）表现与卒中失语法失语症类似。

廖博士还详细介绍了在有关失语法失语症的语言评估中，中国失语症语言评估系统等内容，其中包含了基于词汇认知加工模型的评估命名分量表以及基于两阶段语句加工模型的分词语句分量表。前者的测试包括听觉辨识，声调理解，听觉词汇判断，对证命名，听觉确认，听觉理解，语义关联，假词复述和真词复述；后者的测试内容则涵盖动词命名，动词理解，论元结构产出，语句启动产出和语句理解。廖副教授指出，语言认知能力评估表既可从语音分析能力，词汇加工能力，语义加工能力和认知能力四个部分分析患者的各项加工能力，也可以从患者的语法加工能力评估表判断其动词语句加工能力。

在失语症治疗部分，廖博士主要介绍了失语症语言治疗中的底层结构治疗法（TUF）：先训练复杂的句子，通过把句子的句法成分和形成句子所需要的句法移位视觉化来训练患者的句子理解和表达，泛化有相同语言学结构的相对简单的句子，最终达到单一模态泛化，跨模态泛化的治疗结果。她提到，可用作TUF训练的句子有主动宾句，受事主语句，把字局，被字句。其中理解训练中可分为理解测试，论元识别，主动句构建，把字局构建，被字句构建和理解检验六个步骤。

在互动环节，线上线下师生踊跃提问。陈秋桐博士指出未来的研究能否将语言学与临床病理学更好的结合和产出，从分子层面对患者语言通路进行调控，值得深入探究。

廖敏副教授作报告

在第二场讲座中，陈静博士首先介绍了美国上世纪的统计学家乔治E.P.Box，他指出该统计学家提出的所有模型虽在本质上都是错误的但却都是有用的，对现代统计学的发展产生了深刻影响。接着，陈博士指出，人工智能分为模式识别和机器学习，其中模式识别更偏向工程，而机器学习更偏向理论，模式识别的流程是通过数据流向特征再流向模型，而机器学习则省略了特征这一点。随后，陈博士讲述了模型识别的过程，分为变形-线性插值，通过举例他简要展示了线性插值的整体过程，同时他指出这也是数据流向特征的过程。从特征到模型，也即分类器设计的版块，是通过NNMAP的最近邻区分类法。陈博士举例说明了NNMap的算法过程。最后，陈博士提出了有关融合数据，特征与模型的深度学习的相关领域，他认为时间序列数据的深度学习过程是由时间序列到矩阵到图的转变形成的，通过多重卷积得到简单最小单位然后进行视网膜特征映射将最小单位池化以及子样本化得到复杂最小单位，伴随着随机梯度下降，该训练过程即刻被监督。最后，陈博士讨论了该课题在地理空间，语义空间以及时间维度上的研究意义并且给出了地理图论，语义图论，时间图论，图序列以及图卷积和其交叉理论的相关定义和实例。

在问答环节中陈静博士结合实例旁征博引，对所提问题进行了专业解答，现场互动气氛热烈。

陈静博士作报告

在讲座结束之际，姜孟教授进行里总结和点评。他指出，两位博士的报告立足前沿，内涵丰富，信息量大，报告过程生动入心，富含启迪，是高水平、高水准的学术报告。与此同时，他也希望语言智能学院师生能发挥本专业多学科交叉的优势点，拓宽自身视野，夯实基础，坚定而又扎实的走出一条高水平，宽眼界，非“常规”的语言智能发展之路。

姜院长作总结

语言脑科学研究中心

语言智能学院

川外学坛

2022年9月30日