"当代人工智能表征的分解方法及其问题.pdf"
人工智能表征是人工智能领域的核心技术之一，然而，基于形式系统的人工智能在模拟人类智能过程中，在表征问题上发展非常缓慢，遇到了难以逾越的鸿沟，所有的瓶颈问题最后都落在了理解自然语言的语义问题上。本文探讨了人工智能表征的分解方法及其问题，并分析了基于分解的方法在人工智能表征发展中的瓶颈。
人工智能表征的发展历史可以追溯到20世纪50年代，自从达特茅斯会议提出“人工智能”以来，人工智能领域的发展速度相对缓慢，至今尚未取得重大突破。建立在形式系统之上的人工智能，在处理表征的方法问题上，通常认为“句子的意义由其语法以及单词的意义决定”。因此，基于分解的方法成为人工智能表征发展中的主要方法之一。
然而，基于分解的方法存在一些弊端。在自然语言语义理解方面，基于分解的方法很难突破单句限制，人工智能表征要想获得突破，就必须借助基于段落或篇章的整体性语境描写方法，而这正是分解方法所缺失的。多年来，人工智能表征取得的成就表明，脱离分解方法去谈整体性语境构建方法是不切实际的。
整体性语境构建方法应当以分解方法为基础，二者之间是一脉相承而非矛盾的关系。二者的有机融合，是解决人工智能表征分解方法瓶颈的关键所在。因此，我们认为，基于词汇的语境描写方法难以突破单句限制，人工智能表征要想获得突破，就必须借助基于段落或篇章的整体性语境描写方法。
此外，人工智能表征还存在一些其他问题，如知识库和推理机的分离机制等。为了解决这些问题，人工智能领域的研究人员需要从处理人工智能表征的思想方法入手，探索解决这一难题的可能途径。只有通过整体性语境构建方法和基于分解的方法的有机融合，人工智能表征才能获得突破，解决自然语言语义理解的问题。
人工智能表征的分解方法及其问题是人工智能领域的核心问题之一，我们需要从思想方法入手，探索解决这一难题的可能途径，实现人工智能表征的突破。
