i雅俗共赏 · 第 18 篇
吴军的《数学之美》自然语言处理的演进，对英语学习的启示
- 背景：《数学之美》的阅读感悟，结合英语学习有效方法的启示。
摘要：机器翻译的突破，靠的不是语法分析，而是概率统计。这个反直觉的发现让我重新审视学英语的方式——死磕语法可能是最大的弯路，真正有效的是大量输入输出，让大脑自己建立语言模型。
为什么我们学了十几年，依然没有学会英语？
问题不是你不努力，而是方法一开始就选错了。而且这个错误，计算机在 30 年前就已经替你踩过一遍了。
一、科学家们走过的弯路
今天坐地铁时在读吴军的《数学之美》。书里讲了一个让我停下来反复看了三遍的故事。
早期科学家做机器翻译时，走了一条最符合直觉的路：教计算机学语法。
他们把句子的主谓宾、定状补一条条写进程序。遇到一个句子，计算机先做分词，再做句法分析，把它展开成一棵语法树，然后逐层解析。
听起来很合理对吧？我们学语言不也是这么学的吗？
但结果是——翻译出来的东西，烂到没法用。
为什么？
因为语言从一维的线性序列被硬生生展开成二维的树状结构，复杂度呈指数级增长。内存吃紧，计算爆炸，而且无论你写多少规则，总有新的语言现象是规则覆盖不到的。
这就像你想用一本语法书穷尽所有可能的句子——理论上就不可能。
但在上世纪80年代之前，全世界的科学家都认为这是唯一正确的路。他们花了二十多年，投入无数资源，走了一条死胡同。
二、一个反直觉的发现
转机来自一个「偶然」。
有几位科学家换了一个思路：不看语法，看概率。
他们不再问「这句话符合语法吗」，而是问——「这句话在真实世界里出现的概率有多高？」
具体做法是：把海量的人类文本（语料库）喂给计算机，让它统计每个词和它前后词之间共现的频率。
「你」和「好」在一起的概率是 99%，所以「你好」是个合理的表达。 「你」和「桌子」在一起的概率是 0.001%，所以「你桌子」大概率不是一个正常的句子。
就这么简单。
这个方法的核心数学原理，任何一个本科生都能看懂。 但它做到了那些复杂的语法规则系统二十多年都没做到的事。
更关键的是——这个方法是反直觉的。
直觉告诉我们：要理解语言，得先理解语法规则。就像要学好英语，得先背熟语法书。
但计算机告诉我们：规则是结果，不是原因。 概率才是底层逻辑。
三、计算机的教训，对学英语的启示
这个发现让我重新审视了自己学英语的方式。
机器拥有远超人类的计算能力，可以 24 小时不间断运行，但依然在纯语法路线上走不通。那人类呢？
我们花十几年背单词、学语法、刷题，最后开口还是磕磕巴巴——这不是在重蹈计算机的覆辙吗？
真正有效的路径，其实计算机已经替我们验证过了：
不是先学规则再使用，而是通过大量使用来内化规则。
把机器学习的过程迁移到人身上，就是——
- 大量输入：听播客、读原版书、看英文视频，给自己创造一个「语料库环境」
- 大量输出：说、写、表达，让大脑在实践中不断修正概率模型
当我们学习英语或其他语言时，不应过度依赖语法规则的记忆和分析，而应借鉴机器的成功路径：通过大量输入（听、读）和输出（说、写），构建属于自己的“语料库”。
久而久之，你不需要知道某个句子的语法结构是什么，你也能自然地说出通顺的话。
因为你的大脑在潜意识里，已经完成了对语言模式的概率匹配。
这不叫「语感」，这叫基于数据的统计学习。
语言能力的本质，不是对规则的掌握，而是对模式的概率性感知。 真正的 fluency，来自经验的积累，而非知识的堆砌。
四、你现在可以开始做的事
道理讲完了。如果只说「要多输入多输出」，那跟没说一样。以下是三个可以明天就开始的具体动作：
1. 每日 30 分钟可理解输入
每天找一段你能听懂 70% 以上的英文内容（播客、YouTube、有声书），连续听 30 分钟。不看中文字幕，不暂停查词。目标是让大脑适应英文的节奏，而不是「学懂」每一个词。
坚持 30 天，你会发现一些表达开始「自动冒出来」，不需要先在脑子里翻译。
2. 每周 3 次自由写作
每次 15 分钟，用英文写任何东西——今天的心情、刚才看的电影、工作中的一件事。不查词典、不纠语法、不在意拼写错误。写完之后只做一件事：朗读一遍。
这个练习训练的不是「写对」，而是「敢写」。
3. 停止语法专项练习
接下来一个月，把花在语法书和语法题上的时间降到零。把省下来的时间全部用于第 1 和第 2 项。
一个月后，看看你的表达流利度是上升还是下降——大概率，你会发现「丢掉了语法书，反而更敢开口了」。
虽然我英文不好，但我想的美呀。
I think so deep although My English is so bad.
Chester · 2026-08-24