通过智能的SP理论及其在SP计算机模型中的实现解释Winograd图式
人工智能
2018-10-11 v1
摘要
在“Winograd图式”（WS）句子中，如“市议员拒绝向示威者发放许可，因为他们害怕暴力”和“市议员拒绝向示威者发放许可，因为他们主张革命”，成年人很容易理解“他们”指代什么，但对AI系统可能很难。本文描述了SP系统——在附录中概述——如何解决这类解释问题。核心思想是：对语言特征间不连续关联的知晓，以及识别此类关联模式的能力，提供了确定像“他们”这样的代词所指对象的稳健手段。任何AI系统要解决此类问题，都需要关于相关句法和语义的恰当知识，理想情况下它应自行学习。尽管SP系统在无监督学习方面有一些优势，但其在该领域的能力尚不足以学习解释WS示例所需的这类知识，因此必须在初始时提供此类知识。然而，其现有的无监督学习优势表明它有潜力学习解释WS示例所需的这类知识。特别是，它有可能学习前述的语言特征不连续关联。
引用
@article{arxiv.1810.04554,
title = {Interpreting Winograd Schemas Via the SP Theory of Intelligence and Its Realisation in the SP Computer Model},
author = {J Gerard Wolff},
journal= {arXiv preprint arXiv:1810.04554},
year = {2018}
}