现有技术：机器学习的严重缺陷

• 目前人工智能的主要技术——机器学习，其原理带来的局限：
  概率、函数拟合：只是估计，不够准确

  
  函数拟合.png

  以历史数据预测未来：没有掌握本质规律
  安全隐患：具体思维过程不可解释、不可控，即使成功也会威胁人类
  (比如，很多30岁的奶爸在买啤酒的同时也买了尿布，张三也是30岁男性、也买了啤酒，机器学习会推荐给张三尿布，但张三没有孩子！如果系统知道张三没有孩子的本质，就不会这样推荐)

• 机器学习只适用于没有掌握本质的时候

  
  小冰对话1-1.png
  小冰对话1-2.png
  

  小冰的一个愚蠢回答，表示其是从语料库中找关联

• 如果能有透明的白盒（能看见本质的），为什么还要机器学习的黑盒？

• So, 人类语言的本质是什么？

本人已发现人类语言的本质，即真正理解人类语言的强AI，如感兴趣，请联系我，本人赵鹏阳，邮箱zpyzly@126.com

语言 = 词语 + 语法 + 常识
要理解语言，先理解词义
需要一本机器看得懂的词典去向机器解释词义
学术界缺乏对词义本质上的、可实现的研究
对词义的解剖——构成词义的基本元素的寻找，就是让机器理解语言的关键！
化学中发现了化学元素，才能分析化学反应
物理学中的基本粒子，是近代物理的基础
构成词义的基本元素，是让机器理解自然语言的基础

现有技术：
知识图谱：没有解释词义，只是简单的事物归类
语义网络，如WordNet：解释了词义，但存在循环引用，无法用程序实现
如下例，一个词语“include”的解释包含了“part”，“part”的解释又包含了“include”：
include -- have as a part,
part -- something determined in relation to something that includes it;
HowNet：
有词义最小单元的概念，但是其非系统化的多维度分类（分类之间没有联系、对分类没有进一步解释、简化），没有精确、简洁地解释词义，导致越来越复杂，掺杂错误，无法应用
没有解释情感等复杂词语

image.png

我们看几个词语的解释：
“优点”可解释为“好的性质”
“骄傲”可解释为“因为自己好的行为产生的感觉”
“羡慕”是“因为他人的好的性质产生的感觉”
“推荐”意思是“认为……是更好的，可以用来……”
“获得”是“开始有”；“放弃”是“停止有”
“好”、“有”等是广泛存在于词语解释中的词义，这种最基本的词义称为“词义元素”，简称“义元”
经过对4000多个常用词汇的研究（包括情感等复杂词汇），本人发现并已验证，任何词义都是由若干义元直接或间接构成
义元类似化学元素——任何分子都是由化学元素的原子构成，任何词义都是由义元构成
从原理上验证
语言是人类对世界的反映，世界是由一些表面看不到、只存在于底层的基本元素组成的——这是普适规律
“道生一，一生二，二生三”; 例如：物理学中的基本粒子，生物学中的细胞，计算机的0和1
所以语言的基础——词义也是由一些底层基本元素构成
理解了基本元素，才能理解所有

image.png image.png

输入个体的句子，与其头脑中已知句子之间产生逻辑运算，就是理解
词义都由义元构成，显然句子都由义元构成
输入句子和已有句子含有相同或相关义元，则他们有语义关系，可进行推理等逻辑运算，即达到理解效果
总之，将词义转化为义元组合，消除了意义相关的不同词之间的隔阂，是复杂集合到简单集合的转化。
欢迎挑战我：任何词语的理解例子；给我任意一篇文章及问题，我将演示如何让机器做阅读理解

image.png