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
认知语言学关于翻译的洞见
  • 1 视频
  • 2 章节测验



认知语言学与认知图示

学术界通常所说的“认知语言学”,其实一个包含了许多具体学术见解的松散的思想同盟。按照认知语言学界的官方意见,能够将该思想同盟汇聚到一起的,乃是如下这些基本立场:第一,我们必须将语言学研究的首要关注点放在语义学问题上,而不是像乔姆斯基派的学者所做的那样,将注意力放在句法分析上。与之相对应,我们还要拒绝承认语法规则有其脱离于语义的“自治性”(autonomy)。

第二,我们必须将语义看成是具有某种“百科全书性质”(encyclopedic nature)——也就是说,我们无法通过“属加种差”这样的公理化方式对语义加以界定,而要坦然接受人类自然语言中诸种语义关联线索的杂多性、开放性与可变性。

其三,我们必须承认语义表征都是带有特定的主观视角的,而不能认为我们可以用一种“客观的方式”来对语义进行编码。

而在这三个理论预设之下,认知语言学家又在两个特别的方向上作出了自己独特的贡献。

其一是“认知图式”(cognitive schema)研究。而一个“图式”究竟要对其中哪些“从属关系”进行编码,则取决于在特定语境中那些备选的关系得到了主体的聚焦——而这一点又反过来取决于主体在使用相关语词时所采用的视角。与之相对比,概念实在论对于概念之间关系的判定则是豁免于各种语用因素的影响的,是“一劳永逸”的,且是与特定主体的特定切入立场无缘的。

图—1 关于“ENTER”的认知图式形成过程的图示

基于认知语言学的上述观点,目前致力于翻译研究的认知语言学家已经给出了一个符合认知语言学标准的“翻译”观,此即:“翻译是一种语用事件(usage event),是一种动态的意义理解”,或者说,“是一种处于历史、文化与个人处境之中的,并被这些特定环境中的特定要素所影响的信息交流事件”。

兰艾克对于“ENTER”概念结构的这种解读固然是符合常识的,但是,对于计算机科学来说,构成该概念图示的基本意象——“物体”、“源点—路径—目标”与“容器—容纳物”——却都是无法被直接算法化的。这又是因为:所有可被算法化的事项,都必须最终以某种方式被分解为某种按部就班的机械运作,并由此开辟出一条“至上而下”的道路,以便将自然语言中的语义信息层层转化为那些不直接体现这些语义的基本编码。然而,关于“源点—路径—目标”之类的语义内涵究竟应当如何被编码,认知语言学家没有告诉我们任何线索。更麻烦的是,与之类似的不可被编码的语义学范畴,在兰艾克的著作里还能找到很多,如“辖域”、“界标”、“射体”、“侧显”,等等。依笔者浅见,尽管为所有这些范畴提供算法基础的可能性并非完全不存在,但有鉴于兰艾克总是倾向于随意增加自己的语义范畴列表的长度,将其统统予以算法化的“可操作性”恐怕将会非常低。