本文探讨了人工智能的标志性任务——计算机国际象棋和机器翻译，聚焦于自然语言处理的挑战。自然语言系统被视为不适定问题，如分词歧义。文章比较了理性主义（有限规则+有限词汇）和经验主义（概率统计模型）的局限，并通过机器翻译的笑话展示了翻译的复杂性。解决之道可能在于混合模型，结合规则、统计和背景知识。关键词涵盖自然语言处理、语义分词、机器翻译、概率统计模型和语感表达。
-
人工智能两大标志任务：计算机国际象棋和机器翻译
-
自然语言自动处理 归结为语言处理建模的问题
自然语言系统是一个不适定问题（例子）
对南京市长江大桥基于语义分词
南京市|长江大桥
南京|市长|江大桥
面对不适定问题，如何构建呢
解决思路：约束解集，限制输出为稳定解
- 分析模型：理性主义
用有限的规则+有限的词汇 =有文法的句子
问题：规则不全面，问题大到一定规模则难通过可拓展性的考验 - 概率统计模型：经验主义，数据驱动
问题：建模没有考虑到语句次之间存在大量的依存关系 远距离上下文语义依存关系。计算模型不稳定，微弱因素影响巨大。但像标注有主谓宾之类的标注层次结构的数据少 。
从数字到文字获取的不连续映射困难，数据量也需要很多吧？ - 混合模型 ：关键问题在于语感、语境和背景知识的表达与应用
文末附上一个机器翻译的笑话（可见）
The spirit is willing but the flesh is weak.（心有余而力不足）
翻译为俄文之后又翻译回中文
The Voltka is strong but the meat is rotten.（伏特加是浓的，肉却腐烂了）
文献出处：自然语言处理的计算模型 张钹 (清华大学计算机系,北京100084)
1271
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
