美国《科学日报》网站2月20日文章，原题：科学家揭示人类语言为何不同于计算机代码 与计算机使用的超紧凑二进制字符串相比，人类语言可能显得杂乱无章且效率低下——但我们的大脑实际上更喜欢这种表达方式。新研究表明，尽管代码在理论上可以更紧密地压缩信息，但这要求说话者和听者都消耗更多脑力。相反，人类语言是围绕着熟悉词汇和反映现实世界体验的可预测模式构建的，这使大脑能持续预测接下来可能出现什么词汇或短语，从而逐步精准解读语言传递的信息。

德国语言学家迈克尔·哈恩与美国加州大学欧文分校的理查德·富特雷尔共同创建了一个模型，以解释人类语言为何呈现出这种形态。最近，他们的研究成果发表在国际期刊《自然·人类行为》上。目前全球仍在使用大约7000种语言。有些语言的使用者寥寥无几，而汉语、英语、西班牙语和印地语等语言的使用者多达数十亿。它们通过将词汇组合成短语，再将短语排列成句子来传达信息。每个部分都承载着各自含义，组合在一起就形成清晰信息。

“这实际上是一种非常复杂的结构。自然界倾向于追求效率最大化和节约资源，人类大脑为何要以这种显然更复杂——而非像计算机那样以数字编码——的方式来表达信息？”哈恩认为，理论上，将语音编码为二进制的0和1序列会更高效，因为它们能比口语更紧密地压缩信息，“但对我们的大脑来说，走那条看起来更复杂的路径反而更容易。”尽管自然语言未被最大程度压缩，但它们能让大脑承受小得多的压力。这是因为大脑处理词汇时会与我们已知的世界持续互动。

纯粹的数字代码或许能更快传送信息，但它们脱离日常体验。哈恩将此比作通勤上班：“我们非常熟悉日常通勤路线，开车几乎就像自动驾驶。我们的大脑完全清楚接下来会是什么路况，所以它就轻松得多。选择一条更短但不那么熟悉的路线会让我们感觉累得多，因为新路线要求我们在驾驶过程中更加集中注意力。”换言之，说出和听懂二进制代码需要说话者和听者都付出更多脑力劳动。由于我们几十年如一日地每天使用母语，相关模式已经变得根深蒂固，从而使交流变得更顺畅更轻松。

哈恩和富特雷尔用数学方式证明了这些模式。他们的研究结果表明，人类语言优先考虑减少认知负担而非实现压缩最大化。这些见解也可能为AI大语言模型提供改进信息。通过更好地理解人类大脑如何处理语言，研究人员或将设计出更符合人类自然交流模式的AI系统。（王会聪译）

美国《科学日报》网站2月20日文章，原题：科学家揭示人类语言为何不同于计算机代码 与计算机使用的超紧凑二进制字符串相比，人类语言可能显得杂乱无章且效率低下——但我们的大脑实际上更喜欢这种表达方式。新研究表明，尽管代码在理论上可以更紧密地压缩信息，但这要求说话者和听者都消耗更多脑力。相反，人类语言是围绕着熟悉词汇和反映现实世界体验的可预测模式构建的，这使大脑能持续预测接下来可能出现什么词汇或短语，从而逐步精准解读语言传递的信息。

德国语言学家迈克尔·哈恩与美国加州大学欧文分校的理查德·富特雷尔共同创建了一个模型，以解释人类语言为何呈现出这种形态。最近，他们的研究成果发表在国际期刊《自然·人类行为》上。目前全球仍在使用大约7000种语言。有些语言的使用者寥寥无几，而汉语、英语、西班牙语和印地语等语言的使用者多达数十亿。它们通过将词汇组合成短语，再将短语排列成句子来传达信息。每个部分都承载着各自含义，组合在一起就形成清晰信息。

“这实际上是一种非常复杂的结构。自然界倾向于追求效率最大化和节约资源，人类大脑为何要以这种显然更复杂——而非像计算机那样以数字编码——的方式来表达信息？”哈恩认为，理论上，将语音编码为二进制的0和1序列会更高效，因为它们能比口语更紧密地压缩信息，“但对我们的大脑来说，走那条看起来更复杂的路径反而更容易。”尽管自然语言未被最大程度压缩，但它们能让大脑承受小得多的压力。这是因为大脑处理词汇时会与我们已知的世界持续互动。

纯粹的数字代码或许能更快传送信息，但它们脱离日常体验。哈恩将此比作通勤上班：“我们非常熟悉日常通勤路线，开车几乎就像自动驾驶。我们的大脑完全清楚接下来会是什么路况，所以它就轻松得多。选择一条更短但不那么熟悉的路线会让我们感觉累得多，因为新路线要求我们在驾驶过程中更加集中注意力。”换言之，说出和听懂二进制代码需要说话者和听者都付出更多脑力劳动。由于我们几十年如一日地每天使用母语，相关模式已经变得根深蒂固，从而使交流变得更顺畅更轻松。

哈恩和富特雷尔用数学方式证明了这些模式。他们的研究结果表明，人类语言优先考虑减少认知负担而非实现压缩最大化。这些见解也可能为AI大语言模型提供改进信息。通过更好地理解人类大脑如何处理语言，研究人员或将设计出更符合人类自然交流模式的AI系统。（王会聪译）

美国《科学日报》网站2月20日文章，原题：科学家揭示人类语言为何不同于计算机代码 与计算机使用的超紧凑二进制字符串相比，人类语言可能显得杂乱无章且效率低下——但我们的大脑实际上更喜欢这种表达方式。新研究表明，尽管代码在理论上可以更紧密地压缩信息，但这要求说话者和听者都消耗更多脑力。相反，人类语言是围绕着熟悉词汇和反映现实世界体验的可预测模式构建的，这使大脑能持续预测接下来可能出现什么词汇或短语，从而逐步精准解读语言传递的信息。

德国语言学家迈克尔·哈恩与美国加州大学欧文分校的理查德·富特雷尔共同创建了一个模型，以解释人类语言为何呈现出这种形态。最近，他们的研究成果发表在国际期刊《自然·人类行为》上。目前全球仍在使用大约7000种语言。有些语言的使用者寥寥无几，而汉语、英语、西班牙语和印地语等语言的使用者多达数十亿。它们通过将词汇组合成短语，再将短语排列成句子来传达信息。每个部分都承载着各自含义，组合在一起就形成清晰信息。

“这实际上是一种非常复杂的结构。自然界倾向于追求效率最大化和节约资源，人类大脑为何要以这种显然更复杂——而非像计算机那样以数字编码——的方式来表达信息？”哈恩认为，理论上，将语音编码为二进制的0和1序列会更高效，因为它们能比口语更紧密地压缩信息，“但对我们的大脑来说，走那条看起来更复杂的路径反而更容易。”尽管自然语言未被最大程度压缩，但它们能让大脑承受小得多的压力。这是因为大脑处理词汇时会与我们已知的世界持续互动。

纯粹的数字代码或许能更快传送信息，但它们脱离日常体验。哈恩将此比作通勤上班：“我们非常熟悉日常通勤路线，开车几乎就像自动驾驶。我们的大脑完全清楚接下来会是什么路况，所以它就轻松得多。选择一条更短但不那么熟悉的路线会让我们感觉累得多，因为新路线要求我们在驾驶过程中更加集中注意力。”换言之，说出和听懂二进制代码需要说话者和听者都付出更多脑力劳动。由于我们几十年如一日地每天使用母语，相关模式已经变得根深蒂固，从而使交流变得更顺畅更轻松。

哈恩和富特雷尔用数学方式证明了这些模式。他们的研究结果表明，人类语言优先考虑减少认知负担而非实现压缩最大化。这些见解也可能为AI大语言模型提供改进信息。通过更好地理解人类大脑如何处理语言，研究人员或将设计出更符合人类自然交流模式的AI系统。（王会聪译）

美国《科学日报》网站2月20日文章，原题：科学家揭示人类语言为何不同于计算机代码 与计算机使用的超紧凑二进制字符串相比，人类语言可能显得杂乱无章且效率低下——但我们的大脑实际上更喜欢这种表达方式。新研究表明，尽管代码在理论上可以更紧密地压缩信息，但这要求说话者和听者都消耗更多脑力。相反，人类语言是围绕着熟悉词汇和反映现实世界体验的可预测模式构建的，这使大脑能持续预测接下来可能出现什么词汇或短语，从而逐步精准解读语言传递的信息。

德国语言学家迈克尔·哈恩与美国加州大学欧文分校的理查德·富特雷尔共同创建了一个模型，以解释人类语言为何呈现出这种形态。最近，他们的研究成果发表在国际期刊《自然·人类行为》上。目前全球仍在使用大约7000种语言。有些语言的使用者寥寥无几，而汉语、英语、西班牙语和印地语等语言的使用者多达数十亿。它们通过将词汇组合成短语，再将短语排列成句子来传达信息。每个部分都承载着各自含义，组合在一起就形成清晰信息。

“这实际上是一种非常复杂的结构。自然界倾向于追求效率最大化和节约资源，人类大脑为何要以这种显然更复杂——而非像计算机那样以数字编码——的方式来表达信息？”哈恩认为，理论上，将语音编码为二进制的0和1序列会更高效，因为它们能比口语更紧密地压缩信息，“但对我们的大脑来说，走那条看起来更复杂的路径反而更容易。”尽管自然语言未被最大程度压缩，但它们能让大脑承受小得多的压力。这是因为大脑处理词汇时会与我们已知的世界持续互动。

纯粹的数字代码或许能更快传送信息，但它们脱离日常体验。哈恩将此比作通勤上班：“我们非常熟悉日常通勤路线，开车几乎就像自动驾驶。我们的大脑完全清楚接下来会是什么路况，所以它就轻松得多。选择一条更短但不那么熟悉的路线会让我们感觉累得多，因为新路线要求我们在驾驶过程中更加集中注意力。”换言之，说出和听懂二进制代码需要说话者和听者都付出更多脑力劳动。由于我们几十年如一日地每天使用母语，相关模式已经变得根深蒂固，从而使交流变得更顺畅更轻松。

哈恩和富特雷尔用数学方式证明了这些模式。他们的研究结果表明，人类语言优先考虑减少认知负担而非实现压缩最大化。这些见解也可能为AI大语言模型提供改进信息。通过更好地理解人类大脑如何处理语言，研究人员或将设计出更符合人类自然交流模式的AI系统。（王会聪译）

美国《科学日报》网站2月20日文章，原题：科学家揭示人类语言为何不同于计算机代码 与计算机使用的超紧凑二进制字符串相比，人类语言可能显得杂乱无章且效率低下——但我们的大脑实际上更喜欢这种表达方式。新研究表明，尽管代码在理论上可以更紧密地压缩信息，但这要求说话者和听者都消耗更多脑力。相反，人类语言是围绕着熟悉词汇和反映现实世界体验的可预测模式构建的，这使大脑能持续预测接下来可能出现什么词汇或短语，从而逐步精准解读语言传递的信息。

德国语言学家迈克尔·哈恩与美国加州大学欧文分校的理查德·富特雷尔共同创建了一个模型，以解释人类语言为何呈现出这种形态。最近，他们的研究成果发表在国际期刊《自然·人类行为》上。目前全球仍在使用大约7000种语言。有些语言的使用者寥寥无几，而汉语、英语、西班牙语和印地语等语言的使用者多达数十亿。它们通过将词汇组合成短语，再将短语排列成句子来传达信息。每个部分都承载着各自含义，组合在一起就形成清晰信息。

“这实际上是一种非常复杂的结构。自然界倾向于追求效率最大化和节约资源，人类大脑为何要以这种显然更复杂——而非像计算机那样以数字编码——的方式来表达信息？”哈恩认为，理论上，将语音编码为二进制的0和1序列会更高效，因为它们能比口语更紧密地压缩信息，“但对我们的大脑来说，走那条看起来更复杂的路径反而更容易。”尽管自然语言未被最大程度压缩，但它们能让大脑承受小得多的压力。这是因为大脑处理词汇时会与我们已知的世界持续互动。

纯粹的数字代码或许能更快传送信息，但它们脱离日常体验。哈恩将此比作通勤上班：“我们非常熟悉日常通勤路线，开车几乎就像自动驾驶。我们的大脑完全清楚接下来会是什么路况，所以它就轻松得多。选择一条更短但不那么熟悉的路线会让我们感觉累得多，因为新路线要求我们在驾驶过程中更加集中注意力。”换言之，说出和听懂二进制代码需要说话者和听者都付出更多脑力劳动。由于我们几十年如一日地每天使用母语，相关模式已经变得根深蒂固，从而使交流变得更顺畅更轻松。

哈恩和富特雷尔用数学方式证明了这些模式。他们的研究结果表明，人类语言优先考虑减少认知负担而非实现压缩最大化。这些见解也可能为AI大语言模型提供改进信息。通过更好地理解人类大脑如何处理语言，研究人员或将设计出更符合人类自然交流模式的AI系统。（王会聪译）