Adakah yang masih menggunakan Teori Ketergantungan Konseptual?


11

Roger Schank melakukan beberapa pekerjaan menarik pada pemrosesan bahasa dengan Conceptual Dependency (CD) pada 1970-an. Dia kemudian pindah agak keluar dari lapangan, sedang dalam Pendidikan akhir-akhir ini. Ada beberapa aplikasi yang berguna dalam generasi bahasa alami (BABEL), generasi cerita (TAILSPIN) dan bidang lainnya, sering melibatkan perencanaan dan episode daripada kalimat individu.

Adakah orang lain yang terus menggunakan CD atau variannya? Saya tidak mengetahui adanya proyek lain yang melakukannya, terlepas dari Hovy's PAULINE yang menggunakan CD sebagai representasi untuk menghasilkan cerita.

Jawaban:


1

Adakah yang masih menggunakan Teori Ketergantungan Konseptual?

Iya. Banyak orang. Ketergantungan konseptual sangat penting untuk penyampaian gagasan dalam bahasa alami.

Berikut adalah beberapa publikasi di abad ini yang merupakan hasil karya Schank atau bepergian secara paralel dengan pengarahannya di bidang terkait.

Saya bertemu Roger Schank di Hartford, pada tahun 1992, selama serangkaian kuliah yang disponsori oleh laboratorium AI dari United Technologies Research Center dan beberapa perusahaan Fortune 500 lainnya di wilayah tersebut. Seluruh ceramahnya adalah serangkaian cerita dalam penelitian AI. Saya ingat setiap cerita 26 tahun kemudian.

Implementasi mainan NLP yang Anda lihat di lapangan hari ini pucat dibandingkan dengan penalaran berbasis cerita dan sistem memori yang diusulkan oleh Dr. Schank sebagai penjelasan yang mungkin tentang pengamatan yang dapat dibuat tentang komunikasi vokal manusia.

Sangat mudah untuk menebak alasan dia pindah ke pendidikan. Bahasa alami dan ide-ide kecerdasan buatannya sekitar satu abad lebih awal dan di atas kepala sebagian besar orang yang berada di ceramah bersama saya.

Jika Anda dan saya menemukan alasan berdasarkan pemikiran dan proposal ingatannya menarik, kita mungkin satu abad terlalu dini dan sedikit di atas kepala sebagian besar di bidang NLP saat ini. Sebagian besar dari mereka di laboratorium pada 1980-an menganggap Schank menjengkelkan, dan orang-orang yang cocok dengan nyaman dalam budaya teknologi saat ini menganggapnya tidak relevan.

Beberapa dari mereka yang berinteraksi dengan saya pada sebuah proyek dari University of Michigan di Ann Arbor tidak menemukan pekerjaannya tidak relevan, dan pekerjaan mereka adalah ke arah yang ditunjukkannya. Sayangnya klien NDA membatasi saya untuk berkomentar lebih lanjut tentang proyek itu.

Alasan mengapa kita tidak dan pada akhirnya tidak akan meninggalkan gagasan bahwa kita berkomunikasi dalam cerita adalah karena itu benar. Ketika seseorang berkata, "Itu membuat saya ingin muntah," atau, "Aku juga mencintaimu," kalimat langsung dari kalimat-kalimat itu menggunakan teknik "modern" tidak terkait erat dengan rekonstruksi yang benar dari gagasan dalam pikiran pembicara. Kedua kalimat itu merujuk pada tumpukan konseptual interdependensi yang kita sebut cerita.

Jika dua "gadis pesta" berada di ruang wanita di sebuah konser Borgore dan satu berkata, "Berikan aku gulungan," interpretasi kata, "gulungan," secara konseptual tergantung. Jika pembicara ada di dalam warung, itu berarti satu hal. Jika di wastafel itu berarti yang lain.

Akan selalu ada beberapa segmen dari komunitas penelitian yang memahami ini. Mereka yang tidak dapat membuat otomat penghematan uang yang akan menjawab panggilan telepon bisnis Anda, tetapi mereka tidak akan memberi Anda petunjuk tentang pola hubungan pelanggan yang mengarah ke masalah kebijakan.

Agen mainan NLP ini, sampai mereka mengembangkan kemampuan yang diusulkan Dr. Schank, tidak akan mengenali dari percakapan telepon dengan klien bahwa peningkatan produk atau layanan adalah peluang yang menunggu untuk dieksploitasi, dan mereka tidak akan memberi tahu Anda sebuah cerita yang akan meyakinkan Anda. bahwa Anda akan mendapat manfaat dari menjadi yang pertama memanfaatkan peluang.


1

Meskipun model ini memainkan peran penting dalam berkontribusi pada pemahaman kami sekarang tentang NLP dan NLU, itu tidak lagi berguna dalam sistem produksi dan saat ini tidak ada produk komersial yang sukses mengikuti pendekatan ini.

Dalam CDT tujuannya adalah untuk merancang sistem AI yang dapat menarik kesimpulan logis dari kalimat. Dalam sistem ini tujuannya adalah untuk membuat makna independen dari kata-kata yang digunakan dalam input.

CDT memodelkan kalimat dengan menggunakan token seperti: lokasi, waktu, tindakan dunia nyata dan objek dunia nyata. Namun karena kekuatan komputasi menjadi lebih umum dan lebih murah, minat dialihkan ke model statistik yang sekarang mengungguli sistem berbasis aturan sebelumnya.

Masalah dengan pendekatan berbasis aturan seperti CDT adalah bahwa mereka memerlukan pengembangan manual aturan linguistik yang bisa mahal dan yang biasanya tidak menyamaratakan dengan baik ke bahasa lain.

Di sisi lain, pendekatan statistik menggunakan sumber daya bahasa manusia (korporat tekstual multibahasa) lebih efisien. Alih-alih menggunakan pendekatan berbasis aturan, model statistik membuat keputusan probabilistik lunak berdasarkan melampirkan bobot nyata ke fitur-fitur yang menyusun data input. (Wikipedia NLP)

Penggunaan sumber daya bahasa manusia yang efisien ini mengarah pada model yang lebih akurat dan kuat terutama ketika diberi input atau input asing yang mengandung kesalahan. Model statistik juga menggeneralisasi dengan baik ke bahasa lain.


Terima kasih untuk balasan Anda; Saya mengetahui model statistik dan propertinya, tetapi untuk pertanyaan ini saya hanya tertarik pada CDT!
Oliver Mason

Topiknya adalah kegembiraan untuk meneliti dan menjawab. Saya memperkenalkan model statistik di akhir untuk perbandingan, namun saya benar-benar mengerti maksud Anda.
Seth Simba
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.