|
— Можно ли догнать зайца? — Не стоит пытаться, он быстрый. — А черепаху? — Не составляет труда. Точно так же компьютер объяснит нам, что мы легко можем поднять мячик и не можем — тяжелый трактор, нам не стоит прыгать с башни, поскольку она высокая, а вот с пенька — пожалуйста, это не опасно. На том же материале можно построить программу, по которой компьютер будет сравнивать предметы и явления и легко установит, 146 что весельчак лучше преступника, заяц быстрее черепахи, а трактор сильнее лягушки. Как видим, компьютер, не зная понятийных значений слов, не имея ни малейшего представления о том, что такое башня, мячик и заяц, беседует о них так, как будто он понимает, о чем идет речь. Иначе говоря, он неплохо имитирует именно владение семантикой слов, что нам и нужно. Конечно, наш пример показывает сам принцип работы компьютера с качественным ореолом значения. А если вдаваться в детали беседы с компьютером, то здесь все не так-то просто. Вот компьютер считает, что с весельчаком дружить можно, потому что он хороший и веселый. Но ведь хорошим и веселым может быть и что-то другое, например карнавал. Тогда совет машины дружить с карнавалом выглядит странновато. Или не дружить с ужасом, поскольку он плохой и опасный. Такой семантический конфуз машины в данном случае возник из-за того, что мы дали ей возможность опираться лишь на один аспект значения слова — качественный. Подключение сюда еще и понятийного ядра сразу же заметно повысит «сообразительность» компьютера. В простейшем варианте для этого можно задавать словарь машине не списком, как мы только что сделали, а разбив его на понятийные группы. Например, образовать группы «человек», «явления», «состояния» и т. п. Например:
В компьютерной программе нужно закрепить глагол дружить только за группой «человек», а к другим группам подобрать иные подходящие слова:
|