意思的解析 意思是什么意思

什么意思(意义分析)
近年来 , 自然语言处理取得了很大的进步 , 各种语音助手和翻译软件都有一定的实用价值 。然而 , 他们对稍微复杂的句子的处理结果经常被人们当成笑话 。这不可避免地让我们想起一个老问题:有一天 , 计算机真的会理解我们的意思吗?要回答这个问题 , 首先要搞清楚“意义”是什么 。
在计算机出现之前 , “意义”是语言学、逻辑学、心理学、哲学等领域的一个关键问题 。语言研究中的意义问题是语义学的范畴 , 这里的语言不仅包括人类历史上形成的“自然语言” , 还包括人为设计的“符号语言” , 如数学语言、逻辑语言等 。用语言交流时 , 单词和句子是意义的载体 。为了保证有效的沟通 , 需要事先就单词和短语的含义达成一致 。即使在一个系统中 , 单词和短语的含义也应该是处理它们的基础 。清晰稳定的意义在交流和思考中的重要性不必过分强调 , 但我们如何确定意义呢?
对于一个单词或符号 , 有两种传统的(目前最常用的)方式来描述它的含义:引用和定义 。前者视其为语言外事物的名称(如“鸟”指所有鸟类) , 后者视其为语言内结构的名称(如“鸟”指“有羽毛的卵生脊椎动物”) 。这两种方法经常一起使用 , 即通过引用来确定简单单词的含义 , 然后通过它们来定义复杂的单词 。虽然这种确定意义的方法对于很多问题来说是直观、自然和充分的 , 但仍然不能完全满足人工智能和认知科学的要求 。主要问题如下:
●由于计算机对符号的处理只涉及其形式 , 而不涉及其引用 , 似乎人工智能系统仅靠形式处理规则无法把握符号的意义 。虽然一个计算机程序可以编辑存储“两个黄鹂鸣绿柳 , 一行白鹭在蓝天飞翔”这句话 , 但它可能根本不知道“黄鹂”和“白鹭”是什么意思 。
●我们使用的大量词汇(即使是科学和数学中的词汇)既没有明确的参考 , 也没有普遍接受的定义 。这里的例子包括前一篇文章“当你谈论人工智能时 , 你在说什么?中的“智力”分析 。最近在考虑什么问题?主要概念有没有被广泛接受的严格定义?
●即使是那些含义相对明确的词 , 其定义和引用也往往是历史演变的 , 取决于使用环境 。一个词的“本义”和“现义”可以不同 , 尽管它们仍然是相关的 。比如 , 语言学家发现 , 很多抽象词是从具象词发展而来的 , 就像说词可以“生长”一样 。
因为词在认知系统中一般被表达为概念 , 所以对意义的研究对应于心理学中的各种概念理论 。与语义学中的情况类似 , 经典概念理论将概念视为实例的集合 , 其意义来自定义 。一个概念的定义可以是“外延的” , 即列出所有的例子 , 也可以是“内涵的” , 即列出例子的共同特征 。这个概念定义为判断一个实例是否属于这个概念提供了充分必要的条件 。不出所料 , 经典概念理论遇到了类似于经典语义理论的困难:我们使用的概念往往没有明确的界限 , 其用法极其灵活 , 不像“固体” , 而更像“流体” 。对于这方面的论述 , 我们可以看到侯世达的《哥德尔、埃舍尔和巴赫:异色大集》等作品 。当然 , 更直接的例子在我们的生活中比比皆是 , 但我们往往视而不见 。
在心理学中 , 经典概念理论有以下替代方案:
●“原型”理论:概念是由大多数实例的共同特征决定的 , 一个实例属于这个概念的程度取决于它与这些特征所塑造的“原型”的相似程度 。根据这一理论 , 我们心中有一个“鸟”的原型 , 它是由“飞”、“羽”和“产卵”的特征塑造的 。不会飞的鸵鸟还能算是鸟 , 但“隶属度”低 。这可以看作是一个“内涵”方案 , 但大部分概念特征都是统计性的 , 不再是充分必要条件 。
“例”论:概念是由有代表性的例子决定的 , 一个例子在多大程度上属于这个概念 , 取决于它是否与某个例子相似 。比如“鸵鸟”、“黄鹂”、“白鹭”都可以是“鸟”的例子 , 但不一定要整合成一个独特的原型 。鸸鹋被认为是成年鸟 , 因为它有点像鸵鸟 。这可以看作是一种“延伸”方案 , 但概念中的例子不再一一列举 。

推荐阅读