1、探索机器理解：从理论到实践

探索机器理解：从理论到实践

1. 机器理解概述

机器理解是一个新兴的科学研究领域，其核心是探索构建具有理解能力的机器的可能性。这一概念基于形状理解系统（SUS）的进一步发展，SUS是一种旨在模拟人类思维和理解能力的机器。机器理解需要在一定程度上模仿人类理解，其结果可以按照评估人类理解的规则进行评估。重要的是，机器理解还包括对解决问题的不同解释形式的研究，以及对对象或现象的原因和背景的解释。

1.1 相关研究基础

在早期的研究中，对与理解和思维相关的哲学主题进行了简要描述，介绍了形状作为思维过程的主要感知类别和感知世界的重要视觉特征。还讨论了理解与思维的关系，并对形状理解系统进行了简短描述。此外，提出了形状类作为基本感知类别，通过特定推理过程将感知对象分配到形状类中，进而将其分配到本体类别。

1.2 知识实现方法

知识实现是SUS学习知识和技能的过程，它包括学习视觉和非视觉知识。该方法基于学习和理解互补的假设，即系统要理解就需要学习，且所学知识需完全理解。知识实现涉及不同类别的对象，包括视觉对象、感官对象和文本对象。

学习视觉对象的知识被视为SUS获取复杂感知技能的过程，与复杂图像处理算法的实施和视觉推理序列的学习相关。新开发的分类学习技术，如通过视觉对象的小变化学习（LSA）、从“简单到复杂”学习（LSC）等，被用于学习选定本体类别的知识。

学习感官对象的知识也被视为获取复杂感知技能，而学习文本对象的知识则被视为获取复杂解释技能，包括学习查询形式、基本形式、程序形式以及解释和解释脚本。

2. 机器理解的应用与测试

2.1 问题解决与测试