自然语言理解的机器认知形式系统（公号回复“黄培红/认知理解”下载PDF资料，欢迎赞赏转发支持）

自然语言理解的机器认知形式系统（公号回复“黄培红/认知理解”下载PDF资料，欢迎赞赏转发支持）

原创： 黄培红 数据简化DataSimp 今天

数据简化DataSimp导读：本文是十多年后，黄博士对其《自然语言理解的机器认知形式系统》的详细叙述，再次解释他的理论及实例。黄培红授权数据简化社区，欢迎转发。作者简介：黄培红（1967），男，福建莆田人，工程师，研究方向为软件工程和人工智能。《自然语言理解的机器认知形式系统》（Formalizationof Natural Language Understanding）是黄培红（HUANG Peihong）在2007年第29卷第6期（Vol.29,No.6,2007）的《计算机工程与科学》（COMPUTERENGINEERING &. SCIENCE）上发表的代表作。原文摘要：自然语言理解是人工智能研究中的热点和难点之一。基于现有的相关理论，本文提出自然语言理解的形式化定义，以及改进相关的公理系统，从而统一“意思理解”和“道理理解”等两种理解类型。通过设计、开发和运行“篇章理解原型程序”，验证理论成采的正确性和有效性。（Abstract:The understanding of natural languages on machines is one of the difficult topicsin artificial intelligence. Based on the current theory, the formalization of naturallanguage understanding is defined and its axiom system is improved in t his paper.In this system, the two understanding types of ‘meaning understanding’ and‘logic understanding’ are unified. According to the out puts from the executionof a prototype program for understanding chapters, the correctness and validityof all theoretical results presented in this paper are verified.）原文关键词：自然语言理解；机器理解；知觉（Keywords: natural language understanding; machine understanding; perception）。中图分类号：TP18。

 目录

自然语言理解的机器认知形式系统（12166字)

01自然语言理解的机器认知形式系统 (6566字)

自然语言理解在认知理解方向已经取得突破性进展

“真实理解即自然人的理解”

自然语言真实理解有三大特点

未来人工智能的核心将是可人类理解的人工智能系统的进阶发展

02商榷searler的中文屋实验:与NLP前辈李维讨论机器理解问题 (2484字)

“机器理解”这个词误导人

机器永远不会“理解”任何语言，机器只会做语义“计算”这种认识不对

网友评论：

03目前的计算机还没有实现真正的智能 (2364字)

首先有几个问题

下面阐述一下体系论中关于信息系统和智能的观点。

参考文献(182字)

Appx(626字).数据简化DataSimp社区简介

 用数学方法描述世界、解决问题，是科学发展的核心动力。知识是如何被发现产生出来，以及不同知识间的渊源和启发关系，比记住很多知识更重要。对于人类来说，文字知识是记录人类智能和思想的手段，而非终点。把文字考试作为教育目标，是极其简单粗暴不负责任的。从启迪思想来说，应试是舍本逐末。这方面，愚昧落后的教育者要负责任。AI时代来临，在大多数研究者仍然没有掌握计算机设计制作技术精髓的情况下，很难相信如何跨过计算机科学“弯道超车”步入人工智能科学。我们必须理解计算机、人工智能是如何诞生，背后的科学思想和原理是什幺？加油！只会空想空谈喊口号表忠心可不行，而浪费人财物时间精力投入骗经费的则可耻。（秦陇纪，2018）

 

01自然语言理解的机器认知形式系统 (6566字)

何谓自然语言真实理解？

文|黄培红，2018年1月20日，原载http://idea.cas.cn《中国科学院科学智慧火花》

自然语言理解在认知理解方向已经取得突破性进展

自然语言理解问题很早就在自然语言处理领域隐隐约约呈现出来。1966年，美国科学院提交一份名为《机器与语言》的ALPAC报告，提出机器翻译碰到语义障碍(semantics barrier)，而语义障碍实质上就是自然语言理解问题。自然语言理解是人工智能研究中的一个重要的问题。这一次参加icis2017[1]国际会议，并且做了报告，个人感觉在这种环境交流起来比较方便。本人报告了自然语言真实理解方面的最新研究进展，在座的有老前辈张光鉴、冯嘉礼教授，还有人工智能学会的付理事长王国胤教授，以及许多专家教授老师同学们。会议上，我介绍了什么是自然语言真正理解问题，讲了什么是理解以及它的基础what-why理解效应，随后阐述了完全理解的公式，并讲解了李白的一个诗句＂床前明月光＂的真实理解的过程，以及展望了结合语言真实理解的图林模型的前景。台下冯嘉礼教授频频点头，我的信心很受鼓励。张老提出中国人才有八月十五怀念故乡的习俗，言下之意是外国人没有，我回答说外国人在别的国家也会有思念故乡的情感，而本研究以知觉为基础的，外国人可以理解这个诗，根据这个研究机器也可以，他对回答是满意的，他勉励说年轻人有创新好好琢磨要坚持要用起来会成功的。张老曾是大科学家钱学森[2]的助手，实事求是，人很厚道。

对于本研究在自然语言真实理解上所取得的进展，有人不以为然，说“是什么进展？我看了半天，一个字也没找到，难道已经到了人类无法识别和理解的程度了？”笔者认为，以前的NLP自然语言处理主要应用于分词、语法分析以及信息搜索抽取等等，并没有跟人类一样的理解。因为大家对于理解是什么还说不清楚，所以一般采用统计的方法，如果一种分词结果的频度概率比较高就采用这一种分词方法，显然而且事实上经常会出差错。研究人员经常自嘲“统计的方法是疯子，规则的方法是傻子”。人类采用理解的方法显然更高明。本研究能够弄清楚理解是什么就是一个质的飞越，可以说，本研究在自然语言真实理解机理与方法上取得突破性进展。

自然语言的真正理解研究，其研究论文《自然语言理解的机器认知形式系统》于2007年在计算机工程与科学杂志正式发表，到现在已经整整十周年，已经经过了非常之多实例的验证，也该是成熟的时候了。以下是报告完成后研究人员就自然语言真实理解理论，与同行们交流问答情况。

“真实理解即自然人的理解”

由于真实世界中自然语言机器处理的歧义性和复杂性引发的语义障碍问题，人们希望通过“理解”来处理自然语言．这使得传统的自然语言处理方法变得更加有效