语义是人类认知的基础。无论是研究传统的语言学问题，还是研究智能时代的自然语言处理等问题，语义分析都至关重要。在认知科学、计算机科学、人工智能等迅猛发展的背景下，语言学采用自然科学要素和研究方法的趋势正在日益增强，而动词的语义分析方法更需客观的、形式化的、可计算的表达方式。笔者拟基于力学理论，将规范的运动学方法引入语义结构分析，参照客观标准形式化表述动词语义。该方法不仅有助于解决语言学本体问题，而且可顺应智能时代的发展，使相关研究成果应用于智能制造。在很大程度上说，这或许是语言学与工业应用结合的有益尝试。

　　语义分析离不开客观基准和形式化描述

　　在语言学研究领域，词汇语义研究的重要性与日俱增。其中，描述手部动作的手部动词是语言中典型的基本动词，被广泛研究。手部动作是人类社会重要而普遍的日常活动，是影响人类语言与认知的重要活动，与我们的日常生活息息相关，使用频率极高。手部动词语义研究与动词的分类、构词、认知等问题密切相关，且在语言学习、处理和表征等方面有着重要作用。另外，其使用的广泛性、复杂性以及民族性等特点，也使手部动词的跨语言对比研究呈现很大的必要性。

　　汉语中单音节手部动词比较丰富，约有200个，占单音节动词总数的近一半。限于篇幅，这里仅以切割类手部动词为例进行说明。汉语中与手部有关的单音节切割类动词有几十个，如“切、剁、砍、斩、割、削、剃、刮、劈、剖、锯、凿、剪、撕、扯、剥、折、摘、掰、锤、砸”等。

　　那么，在各语言内部，不同手部动词之间的语义差异是什么？不同语言关于手部动作的词汇化有何异同？这些手部动词有无相似的句法特征？语言学领域的诸类问题都需要对手部动词的语义进行精准分析。目前语言学领域的语义分析主要有义素分析法、自然语义元语言分析法、概念结构分析法等。这几种方法均致力于原始语义成分的研究，沿用了语义分解的方法。这些原始语义成分分析多基于主观标准，语义描述缺乏客观验证和形式化表达，不同研究者判断标准不一，对动词语义描述出现分歧。因此，动词的语义分析亟须基于客观基准的判断以及形式化描述。

　　跨学科研究方法可精准分析语义

　　语言学是一门介于人文社会科学和自然科学之间的科学，随着科技的发展，语言学的跨学科倾向日益增强。笔者认为，关于手部动词的语义分析，可借助运动学、力学理论进行客观描述。这一结合也得到认知语言学相关理论的支持：认知语言学认为，语义是基于人类的身体经验的。人类的身体经验源于人类自身的感觉动力器官或大脑与客观世界间的相互作用，所有这些相互作用都离不开“力”。

　　我们依然选取手部动词中的切割类动词，基于力学对其语义进行分析。切割事件表达的是工具与物体之间的相对运动，而在运动学框架下，切割类动词的语义特征包含以下三个要素：工具与（被切割）对象间的接触特征、工具的速度矢量和工具的力矢量。

　　工具工作面与对象的接触区域形状多种多样，但其最根本的特征区别在于接触区域的维度，具体包括： 0维，点接触，例如“刺、戳”等； 1维，线接触，例如“切、割”等；2维，面接触，例如“压、锤”等。

　　工具与对象间的相对速度是动作样态的核心，而其描述包含了速度的方向和大小。速度方向的参考基准由三个轴向构成，分别是与被切对象表面垂直的方向（对象轴）、与工具工作面垂直的轴向（工具轴）以及（线接触条件下）沿接触线的轴向（割线轴）。例如：“切”的工具速度方向与对象轴平行，“割”与割线轴平行，“削”与对象轴垂直且与工具轴平行，而“刮”同时与对象轴和工具轴垂直，等等。速度大小是以接触发生时刻为基准的描述。例如，“切”在接触发生时刻的速度大小为0，而“砍”的速度则大于0，等等。

　　除工具相对于对象的运动外，单纯的作用力也会产生切割的结果。工具对物体的作用力可分为平移力及旋转力矩两部分，分别为：平移力大于0，例如“拉”“拽”“撕”等；旋转力矩大于0，例如“掰”“扭”“折”等。

　　以上简单介绍了利用接触维数、速度矢量及力矢量等要素描述切割类手部动词语义的方法。上述语义要素基于经典力学，因此该方法有着坚实的理论基础，且其验证易于实施，并存在客观判断标准，可简洁且高度形式化地描述动词语义。

　　基于力学的动词语义分析方法，可为动词的语言类型学研究、语义句法接口问题等语言本体研究提供新的研究视角。同时，该描述方法也会为机器人的智能操作提供理论指导和运动轨迹描述。我们引入自然科学的研究方法探析语言学内部问题，可为解决工程技术领域的问题提供借鉴。

　　精准化语义分析提升智能机器人性能

　　陈平在《中国语言学的过去、现在与未来》中指出，语言学与社会科学、人文科学、自然科学有着密切联系，不同学科交接或共同覆盖的领域最有希望产生富于理论和应用价值的研究成果。手部动词的语义分析则可认为是语言学与智能操作的一个共同课题。

　　近年来，人工智能及智能制造迅猛发展。随着机器人成本的急剧下降，以机器人装备提升传统劳动力密集型产业，提高制造过程的智能水平，成为中国制造业产业升级和参与全球竞争的必然选择。智能机器的一个核心问题便是操作。目前用于机器人操作的是经典解析方法和深度学习方法，但这些方法都存在缺陷，严重制约了机器人的进一步普及，成为了当前工业机器人产业应用的核心瓶颈之一。与机器人相比，人类的手部操作技术是百万年进化和实践的杰作，并直接推动了人类语言的形成。相应地，在人类的语言中，描述手部动作的“手部动词”包含了丰富的信息，人类会根据上述手部动词的语义复现相应的动作，而机器人却不具备这一能力。从某种程度上说，如今的机器人就如同工业革命早期的文盲工人——勤奋、廉价但只能手把手地教育。如果能用人类的语言知识为机器人“扫盲”，使其理解手部动词的语义，将有助于提升机器人的操作能力。

　　然而，当前机器人领域利用语言学理论的研究主要面向人机对话，其主要研究领域是自然语言处理、识别语义。目前，利用语言学知识指导机器人智能操作的研究尚未受到足够重视。同样，在语言学研究领域，迄今的研究多为语言学本体研究，与自然科学的交叉研究也多面向自然语言处理，尚未出现与工业应用结合的研究。

　　那么，如何利用语言学的语义分析指导机器人操作？机器人在执行动作时，需要将动词还原为动作，但现有语言学领域的语义分析方法难以精细、定量地描述动作过程的关键因素，而机器人学领域缺乏精准的语义分析方法。若将上述规范的运动学方法引入语义结构分析，形式化且精细地描写手部动词的语义，利用语言学知识还原手部动词的对应动作，则可将语言学领域的语义结构分析用于指导机器人操作。具体而言，即在收集手部动词数据基础上，结合规范的运动学方法析取动词的语义特征，并将其参数化，创建面向智能机器人操作的手部动词语义结构库，为智能机器人操作提供运动轨迹。

　　语言学与工业应用结合有广阔前景

　　周建设、张文彦在《智能时代的语言学研究》一文中指出，如何在智能时代特色下开展语言学研究，是当今语言学者无法回避的问题。在人工智能席卷社会各个领域的技术浪潮下，语言学也无法置身事外。

　　在智能机器人迅速普及的时代背景下，语言学研究不仅可以解决语言本体问题、自然语言信息处理问题（理解语言），还可以指导机器人的实际操作（理解语言并执行动作）。语言学与工业应用发展是交错递进的，与自然科学及技术学结合的语言学，其学术和社会意义重大，但尚未得到足够重视。二者本应紧密结合，而在现实中却存在脱节问题，许多语言学领域的理论在工业中的应用依然有限。作为语言学与工业应用交叉学科研究的一次重要尝试，相关研究应为词汇语义学的分析方法提供新的视角，并进一步提高工业机器人的自动化水平和应用范围。

　　（本文系国家社科基金项目“致使交替现象的汉日对比研究”（18CYY056）阶段性成果）

　　（作者单位：陕西师范大学外国语学院）