AI 中的概念依赖

引言

人工智能中的概念依赖是什么？

人工智能 (AI) 领域正在迅速发展，并有可能显著改变社会，触及我们生活的方方面面，从医疗保健到教育。在本次讨论中，我们将深入探讨人工智能的基本概念、其各种子类别、应用、伦理考量以及这项突破性创新的未来发展轨迹。

概念依赖（CD）是人工智能领域中一个关键的假设和表示技术。CD 由 Roger Schank 在 20 世纪 60 年代末和 70 年代中期提出，旨在以一种不受语言限制的方式阐明自然语言句子的含义。这种方法使计算机程序能够更有效地理解、操作和生成句子。在这里，我们介绍应用依赖的核心概念和组成部分。

目的和动机

• 语言独立性：CD 旨在创建不依赖于特定语言的表示，从而通过共同的底层结构来理解和处理各种语言。
• 理解自然语言：该方法侧重于捕捉句子的底层含义，而不仅仅是它们的句法结构，这对于自然语言理解、翻译和问答等任务至关重要。

在概念依赖（CD）理论中，有四种基本类型的应用结构用于表示句子的含义。这些类型有助于将句子中描述的动作和关系分解为可理解和可解释的部分。以下是 CD 中的四种计算结构类型：

1. 原始动作（Primitives）

原始动作是 CD 中所有活动的基本组成部分。它们代表可以在各种情况下发生的中心活动，并且与语言无关。一些常见的原始动作包括：

• ATRANS（动态交换）：抽象关系的交换，如提供信息或所有权。
• PTRANS（实际交换）：物体从一个地方到另一个地方的实际移动。
• PROPEL：对物体施加物理力，使其移动。
• MOVE：有生命物体自身的位置改变。
• INGEST：将某物摄入体内，例如进食或饮水。
• EXPEL：将某物排出体外，例如呼气或呕吐。
• SPEAK：产生口头输出。
• ATTEND：将感觉器官指向刺激（如看或听）。

2. 概念格（Cases）

概念格描述了不同实体在活动中扮演的角色。它们有助于确定谁在做什么、对谁做、用什么做以及在什么条件下做。常见的理论格包括：

• Agent (AG)：执行活动的实体。
• Object (OB)：受活动影响的实体。
• Recipient (RE)：接收活动结果的实体。
• Instrument (IN)：执行活动所用的方式或工具。
• Source (SRC)：交换活动的起点。
• Objective (DEST)：交换活动的终点。
• Experiencer (EX)：体验感觉或情感的元素。

3. 修饰语

修饰语提供有关 CD 结构中活动、对象或其他元素的额外信息。它们可以指定时间、地点、方式和目的等属性。修饰语的例子包括：

• 时间：活动发生的时间（例如，昨天，现在）。
• 地点：活动发生的地点（例如，在公园里，在家里）。
• 方式：活动执行的方式（例如，快速，谨慎）。
• 原因：活动执行的原因（例如，为了赚钱，为了好玩）。

4. 概念时态

概念时态表示活动的时间部分，例如它们发生的时间和持续时间。这有助于理解事件的时间和顺序。应用时态的例子包括：

• 过去：已经发生的活动。
• 现在：正在发生的活动。
• 将来：将要发生的活动。
• 持续：正在进行的活动。
• 完成：已经完成的活动。

5. 依赖关系

这些是活动之间的关系，表示活动是如何连接的。

例如

因果依赖：一个活动导致另一个活动。

时间依赖：活动在时间上的顺序。

条件依赖：一个活动取决于另一个活动的发生。

6. 状态描述

这些描述了活动发生时实体的状态。它们可以包括物理状态（例如，位置、所有权）或心理状态（例如，信念、欲望）。

通过利用这些部分，概念依赖旨在创建一种与语言无关的意义表示，可用于各种目的，例如自然语言理解、机器翻译和人工智能意识。

概念依赖的主要目标如下：

概念依赖规则

1. 它提取并阐明句子的底层概念。
2. 它有助于从句子中得出结论。
3. 对于任意两个或更多无意义语句的组合。消息应该只有一个解释。
4. 它提供了一种与语言无关的表示方法。
5. 它创建语言转换包。

规则 1：概念依赖规则解释了行动者与他们所采取的行动之间的联系。

规则 2：它解释了 PP 和 PA 之间所谓的描述链接。

示例：（PP->PA）

概念依赖规则

• TRANS（抽象关系的转移）：PP
• 代理（AG）：John
• 对象（OB）：书
• 接收者（RE）：Mary

PA（后续动作）

INGEST（将事物摄入体内）是阅读的隐喻。

代理（AG）：Mary

对象（OB）：书

规则 3：它解释了两个 PP 之间的联系，其中一个 PP 是另一个 PP 指定的集合的成员。

规则 4：它解释了 PP 和先前已对其做出预测的特征之间的关系。

规则 5：它解释了两个 PP 之间的相互关系以及一个 PP 如何提供另一个 PP 的具体信息。

规则 6：它解释了 ACT 与其预期应用到的 PP 之间的联系。

规则 7：解释 ACT、其来源和接收者之间存在的链接。

规则 8：解释 ACT 与执行 ACT 所用工具之间的联系。此工具绝不应仅限于单个有形物品，而应需要一个完整的概念。

规则 9：解释 ACT 的物理来源和目的地之间的联系。

规则 10：它描述了 PP 与其开始和结束状态之间的联系。

规则 11：它说明了导致它的概念化之间的联系。

规则 12：它说明了事件被讲述的时刻与事件概念化方式之间的联系。

规则 13：它解释了一个概念化与另一个概念化之间的关系，即初始概念。

规则 14：它描绘了概念化与事件发生点之间的联系。

概念依赖具有以下优点：

1. 它将词语分解为原语，使语言处理侧重于广义概念而不是特定词语。

2. 不同词语和词语结构之间的共性通过规范表示来捕捉。

3. 跨语言表示有助于机器翻译。

4. 词语触发 CD 框架，揭示未来发展。有助于消除歧义和概念角色识别。

5. 我们可以推断一个词的特征。由于推理与广义概念相关联，因此推理规则不是过于严格。

概念依赖的缺点包括：

1. 不完整性

2. 局限性

3. 缺乏更高级的概念

4. 许多不按原语分组的结论。

示例

“约翰给了玛丽一本书，因为她昨天请求了，她立刻就开始阅读了。”

PP（所有权转移）

TRANS（概念关系转移）

专家（AG）：约翰

对象（OB）：书

受益人（RE）：玛丽

时间（T）：过去（P）

PA（后续活动）

INGEST（将某物摄入体内）——比喻用于阅读

代理（AG）：玛丽

对象（OB）：书

时间（T）：立即（现在）

请求动作（RQ）

SPEAK（传达信息）

代理（AG）：玛丽

对象（OB）：请求这本书

接收者（RE）：约翰

时间（T）：过去（P）

用依赖关系连接 PP 和 PA

规则 1：如果存在一个 ATRANS 活动，其中受益者参与了一个涉及所转移项目的后续活动，那么 PA 是由 PP 引起的。

规则 2：如果一个活动（ATRANS）发生在先前的活动（RQ）之后，那么 PP 取决于先前的请求活动。

结论

概念依赖代表了人工智能中理解和处理自然语言语义的核心方法。其与语言无关的结构和原始活动的使用为人工智能情境理解和操作人类语言提供了强大的基础。尽管更新的模型和技术，特别是那些涉及深度学习的模型和技术，在现代 NLP 应用中已在很大程度上取代了 CD，但 CD 背后的原则继续影响着人工智能创新和开发的流程，强调了理解基本含义而不是仅仅表面文本的重要性。