http://s4/middle/72d083c7tb3d2ee62de63&690

                 SHRDLU系统

第二代自然语言理解系统（2）--SHRDLU等

                            冯志伟

SHRDLU 系统是维诺格拉德（T. Winograd）于1972年在美国麻省理工学院建立的一个用自然语言指挥机器人动作的系统。该系统把句法分析、语义分析、逻辑推理结合起来，大大地增强了系统在语言分析方面的功能。该系统对话的对象是一个具有简单的“手”和“眼”的玩具机器人，它可以操作放在桌子上的具有不同颜色、尺寸和形状的玩具积木，如立方体、棱锥体、盒子等，机器人能够根据操作人员的命令把这些积木捡起来，移动它们去搭成新的积木结构，在人机对话过程中，操作人员能获得他发给机器人的各种视觉反馈，实时地观察机器人理解语言、执行命令的情况。在电视屏幕上还可以显示出这个机器人的模拟形象以及它同一个真正的活人在电传机上自由地用英语对话的生动情景。

下面是 SHRDLU系统中人和计算机之间的一段对话：

人问: PICK UP A BIG RED BLOCK.

机答: OK. (抓起大的红色积木块)

人问: GRASP THE PYRAMID.

机答: I DON'T UNDERSTAND WHICH PYRAMID YOU MEAN.

人问: FIND A BLOCK WHICH IS TALLER THAN THE ONE YOU ARE HOLDING AND PUT IT INTO THE BOX.

机答: BY "IT", I ASSUME YOU MEAN THE BLOCK WHICH IS TALLER THAN THE ONE I AM HOLDING.

机答: OK.

(抓起比计算机拿着的积木块更高的积木块，并把它放入箱子中)

人问: WHAT DOES THE BOX CONTAIN?

机答: THE BLUE PYRAMID AND THE BLUE BLOCK.

人问: WHAT IS THE PYRAMID SUPPORTED BY?

机答: THE BOX.

    读者可以参照题头图中的示意图来体会这段人机对话的内容。

MARGIE 系统是杉克（R. Schank）于1975年在美国斯坦福人工智能实验室研制出来的。该系统的目的在于提供一个自然语言理解的直观模型。系统首先把英语句子转换为概念依存表达式，然后根据系统中有关信息进行推理，从概念依存表达式中推演出大量的事实。由于人们在理解句子时，总要牵涉到比句子的外部表达多得多的内容，因此，该系统的推理有16种类型，如原因、效应、说明、功能等等，最后，把推理的结果转换成英语输出。

    SAM 系统是阿贝尔森（R. Abelson）于1975年在美国耶鲁大学建立的的。这个系统采用“脚本”（script）的办法来理解自然语言写的故事。所谓脚本，就是用来描述人们活动（如上饭馆、看病）的一种标准化的事件系列。杉克和阿贝尔森假定，每个人在他自己的生活实践中，会自然而然地意识到这样的脚本，在理解故事时，这些脚本可以用来构建时间发生的语境，因而也就可以用来预料它所代表的事件的情况，并以这些脚本为背景来理解自然语言，对故事中的人物、地点、事件进行推理，在推理过程中，给它们补充新的信息，最后采用“同义互训”（paraphrase）的方法，根据计算机理解的结果，由计算机复述原来的故事。复述时，由于在推理过程中补充了许多新的信息，因而所复述的故事的内容会比原来的故事要丰富得多。计算机似乎像一个有理智的活人，把在推理过程中所推出的新信息加到故事中，添油加醋地把原来的故事说得更加精彩。例如，输入这样的简单的故事：“约翰走进了一家饭馆。他坐了下来。他生气了。他走了。”SAM系统的输出为：“约翰饿了。他决定到饭馆去。他走进了一家饭馆。服务员没理他。于是约翰生气了。他决定离开这个饭馆。” 计算机推论出，约翰离开饭馆的原因是坐下来之后没有得到服务。这是因为在关于饭馆的“脚本”中，有“服务员送菜单”的项目，而输入句子中没有这样的内容，却有约翰生气的句子，因此，SAM系统作出了这样的推论。

    PAM 系统是威林斯基（R. Wilensky）于1978年在美国耶鲁大学建立的另一个理解故事的系统。PAM 系统也能解释故事情节，回答问题，进行推论，作出摘要。它除了“脚本”中的事件序列之外，还提出了“计划”（plan）作为理解故事的基础。所谓“计划”，就是故事中的人物为实现其目的所要采取的手段。如果要通过“计划”来理解故事，就要找出人物的目的以及为完成这个目的所采取的行动。系统中设有一个“计划库”（plan box），存贮着有关各种目的的信息以及各种手段的信息。这样，在理解故事时，只要求出故事中有关情节与计划库中存贮的信息相重合的部分，就可以理解到这个故事的目的是什么。当把一个一个的故事情节与脚本匹配出现障碍时，由于“计划库”中可提供关于一般目的的信息，就不致造成故事理解的失败。例如，营救一个被暴徒抢走的人，在“营救”这个总目的项下列举出若干个子目的，包括到达暴徒的巢穴以及杀死暴徒的各种方法，就可以预期下一步的行为。同时能根据主题来推论目的。例如，输入故事：“约翰爱玛丽。玛丽被暴徒抢走了。”PAM 系统即可预期约翰要采取行动营救玛丽。故事中虽然没有这样的内容，但是，根据计划库中的“爱情主题”，可以推出“约翰要采取行动营救玛丽”的情节。

    杉克等学者还进一步研究语言理解和记忆的关系，概括各种具体知识结构为一般经验，综合句法、语义、知识、推理为一体，建成 FRUMP和IPP两个快速阅读系统。这两个系统存贮 2000 多个英语单词，对输入故事无须逐字逐句地分析，而是跳过某些无关的词语提取故事中的主要信息。这样的系统可以对报刊上一些新闻故事自动地做出摘要。