momo电子书

手机浏览器扫描二维码访问

六二章 牙牙学语（第5页）

騑（fei），代指三岁的马。

“也因此，从先秦上古到十一世纪，汉字的数量一直在增长。

“你们选择让人工智能优先学习汉语，其实难度要比学习英语复杂的多。”

徐福不解道“颜同教授，不是应该学习汉语更简单吗？

“我们只要认识六七百个字，就已基本读写无碍了。

而牛津词典却每年都在增加，现在都已经十几册牛津词典了。

“简直就是个臃肿的怪胎。”

颜同笑道“你有这个想法，并不奇怪。

我们汉语比英语，使用起来的确更加简洁明了。

但是要让智能程序说话，它就不能满足与普通人的对话的水平，它需要通晓每个字的读音、用意，甚至假音、假意。

“这无疑是个庞大的工程。”

徐福道“我一直有个疑问，汉字到底有多少个？”

颜同摇摇头道“具体多少个，其实没有定论的。

“比如目前发现和整理的甲骨文字数量有4055个；到了东汉《说文解字》中，汉字数量增长到9353个；三国时《广雅》收字18150个；一直到北宋《类编》收录的汉字，高达33190个；之后汉字增量放缓，直到清朝《康熙字典》共收字46933个，是古代收录汉字数量最多的字书。

“不过汉字的数量并非只有这么多，现代字书如《汉语大字典》更是收字60370个，其中《难检字表》还录入了不少读音不详的汉字。

“而将佛经、道经和石刻资料中发现的异体字也包含在内的《中华字海》，收字更是高达85568个。

“除了中国以外，受汉字影响的其他国家字书中也有大量汉字收录，比如rb《大汉和词典》收字五万个左右，韩国《汉韩大辞典》收字53667个。

“rb《今昔文字镜》收字更是高达16万，其中还包含了越南旧时曾使用的以汉字为原型孳乳仿造的喃字。

“虽然汉字数量众多，甚至还有衍生字形，真要统计一个准确数字是一件困难的事情。

但从商朝至今，使用最频繁、字义稳定不变的核心汉字不超过300个。

“这些核心汉字在任意一篇文本中，占用字数量的70，余下29则有2000个汉字，而那孤独的1则属于其他几万个汉字，其中大多数属于在文献中出现过一次或几次，或只在特定情况下才使用的‘一次性’的汉字。

“即便是27部先秦主要文献中，1076个汉字也占全部用字的95，而这些先秦典籍使用的汉字数量其实并没有想象中那么丰富。

“比如《诗经》用字2831个，《周易》用字1358个，《老子》用字824个，而《孙子兵法》用字更是仅有760个。

“所谓微言大义，可见一斑。

“而《现代汉语常用字表》则是有3500个汉字，能够覆盖现代主流文本的9948的篇幅。

“所以我们国家的九年义务教育的语文课标里要求认识常用汉字3500个左右这个标准，可以说是十分有依据。

“不过认识汉字的数量足够多，并不代表一个人的汉语水平一定很高，因为还涉及到构词和造句的问题。

“毕竟仅有760字的《孙子兵法》不是所有人都读得懂，当这些单语素的字组成千上万不同的词和短语，要是还包含典故的话，就是那种‘既熟悉又陌生’的感觉了。

“这也是许多老外在学习汉字时最头疼的一件事——认识几千个汉字，但仍然读不懂一篇文章。”

听到这一席话，众人已经觉得有点棘手了。

这无疑是让一个初学者，做到顶尖语言学家的水准。

就这些，还不包括各种方言、乡音的语调学习。

至少碰到一个口音比较重的天津人，人家张口闭口“介介”

，你得知道那有可能是自称“我”

，或者在表达尊称“您”

的意思。

想想都能让人崩溃。

至于少数民族的文字，外语，那些都是以后的事情了。

徐福倒没那么大负担，“你们想的太复杂了，别忘了，我们现在就拥有二十多万用户可以帮助人工智能学习进步。