コンピュータのメモリから抽出できる場合、意味と知識を計算する必要はありません

偉大な古典的なアリストテレスが言ったように、「知られている、それは判明している、それはほとんど知られていない」 。



世界中の言語学者は、「通常の構文グラフ」（つまり「フレーズツリー」）を構築できれば、この自然言語の機械処理のひどい問題を最終的に解決すると信じて、1つの有害な錯覚の対象になります。テキスト（食べる）。 そのため、言語学者は、文章や文章の段落内の単語（意味単位）間の神話上のつながりと関係を昼夜問わず探しています。 はい、サイバネティックスはこれらの失敗した検索に関連しています。 半世紀がそのような研究を過ぎており、彼らが言うように、カートはまだそこにあります。 このグラフは決して構築されていないため、長年にわたって安定した50％のエラーが発生します。 数億ドルがすでに費やされています。 Watsonプロジェクトだけでも価値があります。 しかし、原則として、これらの「関係と関係」は現実には存在しません。 これらすべてを、注意深く考えてみると、人工サイエンスフィクションです。実際、意味のある食品の加工技術の開発の進歩は、現在の行き止まりに達しています。



言語学者は、地球人にとって普通の鶏の卵が落ちたエイリアンのようなものです。 ここで、彼らはそれをあちこちで研究することができます。 そして、X線に沿って測定し、重量を測定し、X線で啓発し、シェルの組成を調べ、モース硬度を測定し、脆弱性を改善し、色を調整します。 一般に、測定可能なすべてを実行するために、それがどのように形成されるかを理解するために、貧しい人々は雌鶏自体が知らず、知らなかったので、できません。 同様に、私たちの惑星の海洋島の原住民は、西洋文明によってもたらされたトランジスタ受信機が明瞭な音や音のメロディーを作る方法を理解できませんでした。 そして、あたかも彼らがこの受信機を研究しなかったか、歯や味のためにそれを試さなかったかのように、彼らはラジオ局もそのようなデバイスに必要であることを彼ら自身で決して理解しなかったでしょう。 「卵の生成者（生産者）」自体に注意を払わずに、人間の思考（鶏、ラジオ局）の産物（卵、トランジスタ）として食物を研究する言語学者でも同様の状況が見られます。



そして、心理学者は何ですか？ なぜ言語学者とサイバネティックスは彼らと団結せず、3つの分野の合流点で望ましい結果を見つけようとしないのか。 しかし、違います！ 脳の専門家も彼らの「卵生成物」、すなわち灰白質の研究に忙しいことがわかります。 彼らがそれを測定せず、研究してすぐに、まさに原子まで、つまり、非常に樹状突起と軸索によって。 それは、この分野で発明された「ニューロン型のセマンティックネットワーク」です。 はい、ヤギのミルクのように、それでのみ使用してください。意味のある知覚の可能性の観点からも無力です。 それとも、ここの言語学者は自分の重い言葉を言うでしょうか？ 結局のところ、彼らは思考に関係しています。 残念なことに、彼らは人間の精神活動の外部症状（これが彼らの「卵」です）に情熱を傾けており、「思考プロセス」が再び舞台裏に残っているため、彼らは何の助けにもなりません。



それではどうしますか？ そして、まさに一つのことは、私たちの思考の手順を研究し、それらをコンピュータープレーンに実装することです。 確かに、口語スピーチを理解し始めた人は、学校でまだ勉強していない形態と構文の存在を知らず、単語間のつながりや関係をまったく考えず、述語を計算せず、単に自分で話し始めます他の人が彼に言っていることを理解します。 これは、いわゆる「画像の行動モデル」（MPO）の助けを借りて起こります。これは、人々が周囲の現実を知覚し、仮想の「宇宙のモデル」（MM）を構築し、記憶に蓄積するものです。 つまり、これらのMPOとMMは、口頭または外延の言語メッセージを作成する個人の思考形態が暗号化されている口頭コードを解読するのに役立ちます。 簡単に言えば、人々は「言語関係」の数学的および統計的処理の助けを借りてお互いを直接理解するのではなく、このMPOを使用してメッセージの意味を抽出します。 そのため、テキスト内のこれらのMPOを抽出（認識）し、コンピューターのメモリに入力して記憶するようコンピューターに教える必要があります。 また、コンピューターがこの技術を学習するためには、すべてを正式な形式にする必要があります。 つまり、意味を抽出する手順を定式化し、得られた知識を定式化すると同時に、現在行われているデータベースではなく、本格的な「知識ベース」（KB）を作成して、プリミティブなデータマイニングではなく、非常に効果的な「知識マイニング」を作成します「。 最後に、意味と知識を計算するのではなく、すべての人が行うのと同じ発見的連想方法で知識ベースからそれらを取り出すことを学ばなければなりません。 しかし、コンピューター言語学ではこれができません。



もちろん、そのような理解を得るために多くのリソース（知的、物質的、一時的）が費やされたことは残念ですが、この新しい未舗装の道を進んでいる最初の熱心な研究者がすでに存在し、最初の非常に有望な結果を得ていることも奨励しています。