5.5.2 人工神经网络的技术途径
与复杂性科学十分契合的一种人工智能技术是人工神经网络。它是一个大规模的非线性自适应系统，与传统的系统网络相比具有如下一系列的优势：
（1）人工神经网络分为不同的层次。在每个层次中可以包含不同的处理单元。它们通过三种方式进行联结：层间联结、层内联结和循环联结。
系统功能语言学的基本理论框架是一个分层结构——语境层、语义层、词汇-语法层和音系层。上一个层次可以视为输入层，而下一个层次则为输出层。
在每个层次中都包含了一些不同的子系统，它们相当于一个个的处理单元。在这些子系统之间，也存在三种联结方式：层间联结为不同层次子系统之间的体现关系，例如语义层的及物性系统体现于词汇-语法层的小句系统；层内联结为同一层次子系统之间的相互关系。例如，词汇-语法层包含词汇与语法两个子系统，它们形成了一种连续统的关系。循环联结是一种从输出层至输入层的特殊联结。它的方向与语言生成的过程相反，因此可以用于表示语言的理解。
（2）人工神经网络的运行机制具有明显的非线性特征，具体表现是信息的分布表示以及运算的全局并行与局部操作相结合。
这种工作机制与系统功能语言学的三元功能组织原则相一致。基于三元功能，语境层、语义层和词汇-语法层均被一分为三。以语义层为例，语义信息相应地分解为概念意义、人际意义和语篇意义，并分别“储存”在概念系统、人际系统和语篇系统之中。
在语言生成的过程中，这些子系统需要进行局部的操作。例如，在概念系统内进一步区分拟生成小句的及物性过程类型，在人际系统中明确小句的语气和语态，在语篇系统中划分小句的主位和述位。从全局来看，这些操作不是线性进行的，即先完成一个系统内的操作，再进行另一个系统内的操作。恰恰相反，它们是同时进行的，整合之后生成为同一个小句。
（3）人工神经网络具有良好的学习能力，可以根据所在环境改变其内部结构。此外，它容错性强，能够有效地处理从未遇到过的异常情况。
这些性能有助于提升语篇生成系统的鲁棒性，从而适应于更多的应用领域。在PENMAN/NIGEL中，系统网络的选择依赖于环境中的信息，而这些信息往往通过手工的方式预先设置，因此存在较大的局限性。与之相比，人工神经网络能够进行无监督学习，即从没有标识的训练样本中挖掘隐藏的结构性知识信息。由于具备了较强的容错性，它还可以进一步处理存在缺陷的信息。
因此，人工神经网络为更好地表示和实现系统功能语言学的基本理论框架提供了一种切实可行的计算机技术。