Розуміння природних мов та семантичне моделювання

Важливою довготерміновою метою ШІ є створення програм, здатних розуміти людську мову та будувати нею фрази. Здатність застосовувати і розуміти природну мову є фундаментальним аспектом людського інтелекту, а його успішна автоматизація могла б сприяти неабиякій ефективності самих комп’ютерів. Багато зусиль було витрачено на написання програм, які розуміють природну мову. Незважаючи на те, що ці програми досягли успіху в обмежених контекстах, системи, які застосовують натуральні мови із гнучкістю, характерною для людської мови, перебувають поза межами сьогоденних методологій. Адже розуміння природної мови означає значно більше, аніж вміння розбирати речення на індивідуальні частини мови та пошук значень слів у словнику. Воно базується на значному фоновому знанні про предмет бесіди та ідіом, які використовуються у цій галузі, і на здатності застосовувати загальне контекстуальне знання для тлумачення недомовок і неясностей, притаманних природній людській мові. Збирання і організації фонового знання для його застосування до осмислення мови, становить значну проблему в автоматизації розуміння природної мови. Щоб її вирішити дослідники розробили чимало методів структурування семантичних знань, використовуваних повсюдно у ШІ. Через величезні обсяги знань, потрібних для розуміння природної мови, значна частина робіт здійснюється у спеціалізованих предметних областях, добре зрозумілих. Однією з перших програм, що застосовували таку методику „мікросвіту”, була програма Т. Вінограда SHRDLU – система розуміння природної мови, якою можна „спілкуватися” про просте взаємне розташування блоків різних форм і кольорів. Проте вона була нездатною абстрагуватися від світу блоків. Методики зображення, використані у програмі, були занадто простими, щоб передати семантичну організацію більш багатих і складних галузей.

Основна частина поточних робіт з питань розуміння природних мов містить пошук формалізмів зображення, які мають бути достатньо загальними, щоб застосовуватися в широкому колі додатків і вміти адаптуватися до специфічної структури заданої галузі. Багато різноманітних методик (більшість з них є розвитком чи модифікацією семантичних мереж) досліджуються з такою метою і застосовуються до розроблення програм, здатних розуміти природну мову в обмежених, але достатньо цікавих предметних галузях. Крім того, у поточних дослідженнях стохастичні (імовірнісні) моделі, що описують сумісне використання слів у мові, застосовуються для характеристики синтаксису та семантики. Справжнє розуміння мови на обчислювальній основі лишається далеко за межами сучасних можливостей.