邹晓辉用几幅思维导图简要概述自然语言理解及其最新进展
一、语言的理解
自然语言理解（Natural Language Understanding，NLU） 是通过语法、语义、语用的分析（即Analysis of grammar, semantics and pragmatics）=自然语言处理（Natural Language Processing，NLP）几个重要步骤，获取自然语言的语义表示（Semantic Representation）即专家知识表达的人工智能核心技术。
二、语义的获取
分布语义（Distributional semantics）
框架语义（Frame semantics ）
模型论语义（Model-theoretic semantics）
三、理解的难点
自然语言的多义性、上下文有关性、模糊性、非系统性和环境密切相关性、涉及的知识面广等。
四、应用的场景
人机对话：通过自然语言，自然人与计算机可进行对话或交谈；
机器应答：计算机智能手机可正确回答用自然语言输入的问题；
机器文摘：计算机及其各式各样的应用能产生输入文本的摘要；
机器释义：计算机用各种词语和句型复述输入的自然语言信息；
机器翻译：计算机翻译系统可将一种语言翻译成另外一种语言。
五、新的进展
认知系统中的自然语言理解（摘要）：
开发具有人类水平的自然语言理解能力的认知代理，需要对人类认知进行建模，因为自然的、未经编辑的话语通常包含歧义、省略、产生错误、含义和许多其他类型的复杂性。此外认知主体在面对不完整的解释时必须灵活，因为即使是人也不能完全理解他们听到的每个话语的每个方面。
因此，一旦一个主体达到了它所能达到的最佳解释，它必须决定如何继续——直接根据新信息行动，记住一个不完整的解释，并等待看接下来会发生什么，寻找信息来填补空白，或者要求其对话者进行澄清。
支持自然语言理解所需要的推理远远超出了语言本身，包括但不限于代理对其自身计划和目标的理解；它对其对话者的知识、计划和目标进行动态建模，所有这些都受心智理论的指导；它承认人类行为的不同方面，如情感、合作行为和认知偏差的影响；以及语言解释与其他感知输入(如：模拟视觉和非语言听觉)解释的整合。
考虑到所有这些需求，似乎很难通过主流自然语言处理团体所追求的那种知识贫乏文本字符串操作来实现基本的自然语言理解。相反它需要一种整体的认知建模方法，这种方法正是我们在一种叫做本体代理的范式中所追求的。
六、融智学方法：整体和局部结合的认知建模
提示：大跨界的融智学系统工程方法就是一种整体与局部结合的认知建模方法。
