意思的解析 意思是什么意思( 四 )


实际上 , 把“意义”看作“所有关系的总和”并不是一个新概念 。过去哲学、心理学、人工智能都有类似的思想 , 但由于一些弱点 , 并没有成为意义理论的主流 。Nath模式正是基于解决这些弱点 。一个常见的批评是 , 这种确定意义的方式被认为是系统内的循环定义 , 与外界无关 。纳特模型中的概念不是由其他概念定义的 , 而是由经验概念关系描述的 。比如“苹果是一种水果”的知识 , 既没有用“水果”来定义“水果”也没有用“苹果”来定义“苹果” , 而是同时用它们的关系来促成它们的意义 , 而这种关系来自于外界 。将“意义”描述为“所有关系的总和”的另一个问题是 , 它过于笼统 , 无法解决具体问题 。这种纳特模型的对策是将各种概念关系统一表示和处理成广义关系及其变体 。最后一种观点是质疑当我们使用一个概念时 , 如何能涉及所有其他概念 。在这一点上 , 纳特模型的不同之处在于 , 它指出当系统使用一个概念时 , 它通常只涉及其意义的一部分 , 同时解释了意义的语境相关性 。
纳什模型的计算机实现证明了该模型的可行性 , 尽管仍有许多细节需要解决 。根据该模型 , 概念和单词在人工智能系统中是有意义的 , 它们的意义由系统的相关经验决定 。由于经验的差异 , 计算机对一个词的理解与人并不完全相同 , 但这种差异并不妨碍计算机用自然语言与人交流 , 完成越来越复杂的语言处理 。那些还在用图灵测试作为人工智能定义的人 , 可能认为上述结论说明“真正的”人工智能是不可能的 , 但他们往往忘记了 , 由于文化、性别、年龄等差异 , 人与人之间存在着许多困惑和误解 , 各领域关于一个词的“真正含义”到底是什么的争论从未停止过 。当时阿q认为城里人把“长椅”称为“长椅”很可笑 , 但类似的想法还没有被砍掉 。

推荐阅读