目录

  • 1 人工智能史上的“三国演义”
    • 1.1 人工智能的历史
    • 1.2 符号人工智能
    • 1.3 人工神经元网络
    • 1.4 框架问题
    • 1.5 顺便聊聊五代计算机泡沫
  • 2 “超级人工智能”没有想象的那么简单!
    • 2.1 专用人工智能与通用人工智能
    • 2.2 深度学习能够升级为通用人工智能系统吗?
    • 2.3 向自然智能学习(上)
    • 2.4 向自然智能学习(下)
    • 2.5 再论“强人工智能”与“超级人工智能”
  • 3 “大数据技术“真的智能吗
    • 3.1 大数据的优点
    • 3.2 大数据的缺点
    • 3.3 节俭性理性
    • 3.4 对绿色人工智能的展望
  • 4 人工智能与自然语言处理
    • 4.1 自然语言处理理论概论
    • 4.2 行为主义的自然语言处理路径
    • 4.3 外在主义的语义建模
    • 4.4 基于理想语设想的语义建模
    • 4.5 统计学进路的语义处理方式
    • 4.6 混合式进路
    • 4.7 基于实际语例的进路
  • 5 计算机能够懂汉语吗?——汉字屋论证
    • 5.1 再谈强人工智能与弱人工智能
    • 5.2 塞尔论证的前身
    • 5.3 塞尔的反证法
    • 5.4 重要的反驳
  • 6 从认知语言学角度看机器翻译问题
    • 6.1 机器翻译进路产生的问题(上)
    • 6.2 机器翻译进路产生的问题(下)
    • 6.3 认知语言学关于翻译的洞见
    • 6.4 认知语言学技术刻画的“不可计算性”
  • 7 计算机能够懂得“一个帅哥”和“一枚帅哥”的区别吗?
    • 7.1 隐蔽在计算机工业的“中立”面相之后的英语霸权
    • 7.2 被西语思维扭曲的汉语量词现象
    • 7.3 一种基于汉语演化史与认知语言学的复合式解释
    • 7.4 以人工智能为武器来反抗地球的扁平化
  • 8 英语算啥?搞懂日语才是对于计算机的挑战
    • 8.1 从“中文屋”到“日语屋”
    • 8.2 日语言说者对于具身性的敏感性
    • 8.3 “日语屋”给塞尔造成的麻烦
    • 8.4 主流人工智能的自然语言处理技术为何处理不了具身性?
  • 9 从说人话到办人事——论具有道德意识的机器人设计
    • 9.1 机器人伦理学概述
    • 9.2 从伦理学的“具身性”说起
    • 9.3 认知语言学的“具身性”对于人工智能伦理学的启示
  • 10 如何建造儒家机器人
    • 10.1 德性伦理学与儒家哲学的结合
    • 10.2 击靶德性论及其与儒家学说中的关系
    • 10.3 从神经计算模型看德性熏养
    • 10.4 通过基于“儒家德性样板库”的隐喻性投射来获取德性
    • 10.5 课程总结
  • 11 阅读
    • 11.1 阅读
  • 12 直播
    • 12.1 第一次直播
    • 12.2 第二次直播
  • 13 问卷调查
    • 13.1 问卷调查
外在主义的语义建模
  • 1 视频
  • 2 章节测验



外在主义的语义建模

外在主义的语义模型在哲学上的解释是,每个词语的真正含义都要通过与其对应的外在对象来加以编码。代表人物:维诺格拉德,美国科学家,计算机专家。他在1968年至1970年期间在麻省理工学院写了SHRDLU作为博士论文威诺格拉德建立了一个街区世界,将该计划的知识世界限制在一个模拟的“玩具积木世界”。该程序可以接受诸如“找到比您所持有的块更高的块并将其放入盒子中”的命令,并使用模拟的块移动臂执行所请求的动作。该程序也可以口头回应,例如,“我不知道你的意思是哪个块。” SHRDLU程序在历史上可以看作是程序员手工建立计算机语义记忆以及这些程序有限或“脆弱”程度有多么困难的典型例子之一。

                                                                                                              维诺格拉德

SHRDLU系统

SHRDLU主要是一种语言解析器,允许用户使用英语术语进行交互。用户指示SHRDLU在包含各种基本对象的“块世界”中移动各种对象:块,圆锥体,球等。使SHRDLU独特的是四个简单想法的组合,这些想法加起来模拟“理解”更有说服力。

一个是SHRDLU的世界非常简单,整个对象和位置可以通过包含大约50个单词来描述:名词如“block”和“cone”,动词如“place on”和“move to”,和形容词如“大”和“蓝”。这些基本语言构建块的可能组合非常简单,并且该程序非常擅长弄清楚用户的意思。

SHRDLU还包括一个提供上下文的基本内存。人们可以要求SHRDLU“将绿色锥体放在红色块上”然后“取下锥体”; “锥形”将被认为是指刚刚谈到的绿色锥形。当提供额外的形容词时,SHRDLU可以进一步搜索相互作用以找到适当的上下文。人们也可以询问有关历史的问题,例如有人会问“你在锥体之前拿到了什么东西吗?”

这个记忆的副作用,以及SHRDLU提供的原始规则,是该程序可以回答有关世界上可能存在的问题和不存在的问题。例如,SHRDLU会推断出可以通过查找示例来堆叠块,但是在尝试之后会意识到三角形无法堆叠。“世界”包含使块翻转的基本物理,与语言分析器无关。

最后,SHRDLU还可以记住给予对象的名称或它们的排列。例如,人们可以说“尖顶是一个高大的矩形顶部的小三角形”; 然后,SHRDLU可以回答有关块世界中尖塔的问题,并建立新的问题。