机器为何难以理解人类语言？

Q0:机器为何难以理解人类语言？

首先可以想到的是算力的问题，不过今天不讨论这个。假设机器算力与人脑相当，看看有没有其他一些更关键的原因。

排除算力的因素，想象我们现在有一个人脑Brain A（或者一个相当于人脑的机器脑），要如何训练它呢？给一些训练数据供它学习，纠正错误，这样机器就能逐渐返回正确结果。不过这样只能算照本参科，算不上真正的理解。问题出在哪里呢？在于我们的Brain A缺少人类的感官。

回忆一下你是如何学习语言的。襁褓中的婴儿最先学会叫妈妈，他们把妈妈这个词与眼前这个温暖有安全感的生物联系在一起。从而建立了“妈妈”这个概念。整个过程中，有婴儿眼睛的图像识别，有父母语言的引导（爸爸指着妈妈说：“这是妈妈”），还有身体的接触与感知（躺在妈妈怀里），再加上多次训练强化。我们如何理解什么是苹果呢？在有了一些基本语言能力之后，父母会给你一个苹果，说：“这是苹果。”，这玩意闻起来有清香，你看了看，然后吃下了它，记住了它的形状与味道，从而建立了苹果这个概念并理解了“苹果”这个词。

Q0.1:什么是概念？

概念是一类事物的共同属性的抽象。

对比一下人类和机器学习语言的过程，不难发现，能否真正理解语言，关键在于概念的建立。机器无法建立概念，是因为缺少五感的信息的输入。

缺少五感会如何影响概念的建立呢？试想去掉视觉，一个盲人要如何理解苹果这个概念呢？他得吃一口，通过味道来判断。那么去掉所有感官，一个没有视觉，听觉，嗅觉，味觉触觉的大脑（我们的Brain A）要如何理解什么是苹果呢？理解不了。

有人可能会argue一下：不对啊，现在的机器已经能识别图片中的苹果了啊？注意，我们这里讨论的是概念的建立，单纯的图像分类器并不能处理语境中的苹果。比如“我吃一个苹果”这句话，如何不能建立苹果的概念的话，是无法与“吃”这另一个概念联系起来的。

Q1:那么，要怎么解决这个问题呢？

我能想到的有两种方法。

一是将人类的五感对应为五类输入，加入学习过程中，帮助机器建立和人类一样的概念。（例如，苹果是一个类球形红/青色，触感为Xi，闻上去是Yj，尝起来是Zk的一种物体）要实现这个目标，还有很长的路要走，现在对于触觉，嗅觉，味觉并没有很好的比拟的传感器。

二是将现有的一些传感器，加入到机器上，如麦克风，摄像头，甚至红外传感器等。不过这样一来，训练出来的机器可能是人类无法理解的，因为它们用了不同于人类五感的另一套基底（其他传感器）来描述世界。不过如果我们的目的是发展出智能，而不一定是人类能够理解的智能的话，这种方案是一种好办法。

Q2:剩下的问题

本篇所讨论的内容还局限于输入的层次。可以概括为：要形成相同的概念需要有相同的输入，这样，对于同一件事物，才能得到相同的属性描述。

剩下的问题还有：

• 如何判断机器是否建立了概念？
• 如何将语句拆分成概念？
• 如何存储概念？（可能是一组代表属性的向量）
• 有了概念后，如何生成语句？
• ......

这些问题将在以后讨论（关于第一个问题我想到有解决方案，希望有空能早点写出来。感觉又开了一个坑。。）