人工智能中的自然语言探索

### 人工智能中的自然语言探索 #### 1. 引言 长久以来，我们一直对自然语言和人工语言存在诸多疑问。在探讨人工智能（AI）重现自然语言需关注的要点前，有必要先思考叙事的本质，因为这涉及到需通过自然语言传达的知识。如何将“知道”转化为“讲述”呢？仅仅理解自然语言的特征并将其移植到人工语言是不够的，还需明白意义构建的结构要能与人类经验相契合，即讲述知识（叙事性）具有呈现现实的价值。 例如下面这些句子： - In our direction we deliver what we promise - When we take power we will do the impossible so that - End privileged situations - We will in no way allow - Our children have insufficient training - We will fulfill our purposes even though - Didactic resources have been exhausted - We will exercise teaching until - Understand now that - We are the new direction 若按顺序从前往后读，能感受到对道德原则的捍卫；若从后往前读，则得到与道德原则相悖的意思。尽管句子相同，但阅读方向不同会形成相反的伦理意义，这表明意义的形成与价值概念相关，而价值概念源于其他因素。 在数学领域，怀特海和罗素1910年的著作《数学原理》启发了当代形式理论。他们提出公理概念，将其视为应被相信或至少被当作关于世界的合理假设。该著作提及依据语法规则进行符号操作的理论，引入“真值”和“真值断言”的概念。其目的包括分析数理逻辑的思想和方法、减少公理和推理规则的使用、用符号逻辑表达数学命题以及解决悖论，进而催生了“类型理论”。《数学原理》明确了形式主义存在句法，但未精确描述。这表明数学解释受“真值”原则调控，去除了符号的随意性，该理论规定了符号基于语法理论的行为方式，并赋予“值”，为解释公式含义提供了模型。 叙事远非文化赋予经验意义的众多代码之一，它是人类共有的，能传递关于共享现实本质的跨文化信息，且不断取代对所报道事件的简单复制的意义。当机器学习要塑造为真实或虚构事件的形式时，叙事就成了AI面临的问题。如何让这些事件具有形式上的连贯性呢？叙事（讲述关于某事的知识）是经过中介和仲裁以呈现事件的，叙事性预设了一种将“真实”等同于“现实”的现实概念。事件不仅要按时间顺序记录，还需进行叙事，展现出其结构和意义顺序。 为证明“关系”在意义构建中的关键重要性，可思考叙事受干扰产生的令人沮丧的影响。需要一种“关系结构”，使记录中的事件作为整体的一部分被赋予意义。AI追求事件顺序的完整性和连续性，自然语言向机器学习转移的最直观、现实的期望更多在于一种“实质”，它在记忆领域先于“想象”发挥作用。 不同学科演讲中的规律性是一种被构建并赋予意义的概念，使各自内容的叙事具有一定的顺序或形式。黑格尔指出，“历史”一词在语言中融合了客观和主观方面，既表示“历史事件的记载”，也表示“历史事件本身”，且历史叙述与历史事迹和事件同步出现，是由共同的内在生命原则产生的。由此可推断，存在一种“自身的主体”提供进行科学记录的能力，更确切地说，有一种“恰当的方法”进行记录，使事件适合叙事呈现。各科学领域的内容并非作为记忆对象呈现，而是基于特定的话语生成方法呈现。各科学分支的科学主义都有其自身的叙事性，AI应用于不同学科时不能忽视合法性问题。 机器给出的叙事不能以一般价值而非特定价值为原则。在科学分支方面，涉及对特定内容进行生产或解释的合法性和权威性。机器学习技术人员越意识到意义形成背后存在系统，AI在呈现现实方面就越成功。机器智能的发展与人类先前的行动重点有关。智能要叙述的事件，无论是真实的还是虚构的，都将与它们的科学背景和来源产生特定的意义关联，而在这些事件只是简单序列时，这种意义并不存在。这就是语言（自然或人工）的公理 - 逻辑特征：逻辑特征使其具有可理解的顺序，而公理特征则在意义构建中通过处理上下文来确立价值。认知计算通过聚合机器学习、自然语言处理、视觉和人机界面等多种技术，更接近人类直觉。为更接近人类直觉，认知计算必须吸收各科学分支的上下文价值。 机器设计技术人员应使AI具备以相同“目的”分析事件的能力，