生成意义：预测性知识架构中的符号学

在强化学习中，有一种初露端倪的方法，通过预测来概念化环境。这一预测性方法的核心主张是：可以用关于感觉、行为和时间的预测来构建本体论——将世界分类为仅用预测表达世界所有方面的实体。这种本体论的构建是机器知识的预测性方法不可或缺的组成部分，其中对象仅根据它们被感知的方式来描述。在本文中，我们将皮尔斯（Peirce）的符号学模型立足于强化学习方法，用广义值函数（General Value Functions）的记号描述皮尔斯的三范畴。利用皮尔斯的符号学模型，我们证明仅依靠预测不足以构建本体论；然而，我们确认预测是意义生成过程不可或缺的。此外，我们讨论预测性知识如何为符号过程（semiosis）——即生成意义的过程——提供特别稳定的基础，并提出了一种可能的研究途径，以设计利用预测构建语义和意义的算法方法。