杨安泽的UBI答问:作为自由红利的全民最低收入保障

华裔民主党总统候选人杨安泽 (Andrew Yang)在其网站解答了有关其竞选纲领UBI的种种问题。借助有道机器翻译后稍加编辑,分享如下:

华裔民主党总统候选人杨安泽 (Andrew Yang)

自由红利的定义

在未来的12年里,每3个美国工人中就有1个面临着因新技术而失业的风险,而且与以往的自动化浪潮不同,这次新工作的出现速度不够快,数量不够多,无法弥补这一损失。为了避免前所未有的危机,我们必须找到一个新的解决方案,这与我们以前所做的任何事情都不同。这一切都始于自由红利,这是所有美国成年人的普遍基本收入,没有任何附加条件,是建立一个稳定、繁荣和公正社会的基础。

什么是自由红利(freedom divident)

自由红利是全民基本收入(UBI:Universal Basic Income)的一种形式,是一种社会保障,在特定的治理人口范围内为每个公民提供一定数量的资金,而无需通过考试或满足工作要求。每个UBI计划在数量或设计上都可能不同。

杨安泽将在2020年以民主党人身份竞选总统,以实现自由红利。他为美国提出的这种形式的UBI是一套每月1000美元,或每年12000美元的保证付款,支付给所有18岁以上的美国公民。是的,这意味着你和你认识的每个人每月都能从美国政府那里得到1000美元,没有问题。

为什么杨安泽想要在美国实施自由红利?

杨安泽希望实现自由红利,因为我们正在经历世界上有史以来最大的技术变革。到2015年,自动化已经摧毁了400万个制造业工作岗位,世界上最聪明的人现在预测,未来12年,三分之一的美国劳动者将因自动化而失业。我们目前的政策还不足以应对这场危机。甚至我们最具前瞻性的政治家也没有做好准备。

随着技术的进步,工人们将能够停止从事最危险、重复和枯燥的工作。这应该会让我们感到兴奋,但是如果美国人没有收入来源——没有能力支付食品杂货,没有能力买房,没有能力为教育存钱,也没有能力建立一个有信心的家庭——那么未来可能会非常黑暗。我国目前的劳动参与率只有62.7%,几十年来的最低水平,每5名劳动年龄人口中就有1人不在就业市场。随着自动驾驶汽车和其他技术的出现,这将变得更加糟糕。

由简单的增值税资助的自由红利将保证所有美国人都能从自动化中受益,而不仅仅是大公司。自由红利将为美国人提供基本生活所需的资金,同时使我们能够找到更好的工作、创业、重返校园、照顾我们所爱的人或为下一个机会而努力。

有关杨安泽为何如此坚定地相信自由红利的更多信息,请阅读他的著作《对普通人的战争》。

谁将在杨安泽的计划中获得自由红利?

每个18岁以上的美国公民每月都可以免费领取1000美元,无论其收入或就业状况如何。无任何附加条件。是的,这意味着从2021年1月开始,你和你认识的每个人每月都会收到1000美元的支票。

在你现在的收入基础上,如果再加上每月1000美元,你会怎么做?让我们找出答案。

我们如何支付自由红利?

这可能比你想象的要容易。杨安泽提议通过整合一些福利项目和实施10%的增值税来资助自由红利。目前的福利和社会项目受益人将在他们目前的福利和无条件1000美元现金之间做出选择——大多数人更喜欢没有限制的现金。

增值税是对企业生产的商品或服务征收的一种税。这是一种公平的税收,它使那些擅长隐藏利润和收入的大公司更难逃避支付他们应该缴纳的公平份额。增值税并不是什么新鲜事。世界上193个国家中有160个已经征收了增值税或类似的东西,包括欧洲所有国家,它们的平均增值税为20%。

支付自由红利的方式将来自4个方面:

  1. 当前的支出。我们目前每年在福利项目、食品券、残疾人等方面的开支在5000亿到6000亿美元之间。这降低了自由红利的成本,因为已经获得福利的人将有选择,但将没有资格在现有福利之外获得全部1000美元。

    此外,我们目前在医疗保健、监禁、无家可归服务等方面的开支超过一万亿美元。我们将节省1000 – 2000亿美元,因为人们会更好地照顾自己,避免进急诊室、监狱和露宿街头,而且通常会更有功能。自由红利将通过帮助人们避开我们的制度短板来为自己买单,而这正是我们的成本飙升之时。一些研究表明,给贫穷的父母1美元可以导致多达7美元的社会成本节省和经济增长。
  2. 增值税。我们现在的经济规模大得令人难以置信,达到19万亿美元,仅在过去10年就增长了4万亿美元。如果增值税达到欧洲水平的一半,将会产生8000亿美元的新收入。随着技术的进步,增值税将变得越来越重要,因为你不能从机器人或软件那里征收所得税。
  3. 新的收入。把钱交到美国消费者手中会促进经济增长。罗斯福研究所预计,美国经济将增长约2.5万亿美元,创造460万个新就业岗位。这将从经济增长和活动中产生大约8000亿至9000亿美元的新收入。
  4. 对高收入者征税和开征污染税。通过取消社会保障上限,实施金融交易税,结束对资本利得/附带利息的税收优惠,我们可以减少金融投机,同时为自由红利提供资金。我们可以在此基础上再增加一笔碳排放费,这笔费用将部分用于资助自由红利,以弥补支付该项目成本所需的余额。

自由红利的好处是什么?

自由红利将以许多积极的方式改变社会,有证据表明这一点。各种UBI计划的试验已经带来了各种各样的好处——有些是意料之中的,有些是出乎意料的。以下是其中的一些:

UBI鼓励人们去找工作。当前的许多福利项目在受助人找到工作时即取消福利,有时使他们的经济状况比受雇前更糟。UBI适用于所有成年人,无论他们的就业状况如何,所以受助人可以自由地寻求额外收入,而大多数人都是这样做的。
UBI通过无附加条件的覆盖减少了官僚空间,确定谁有资格获得保险要简单得多,管理福利的成本也大大降低。

UBI提高了工人的议价能力,因为有保障的、无条件的收入给了他们拒绝剥削工资和恶劣工作条件的筹码。雇主不能像以前那样对员工颐指气使。

UBI增加了创业精神,因为它提供了公司早期初创时期的基本需求,并在业务失败时充当安全网。它也给了你更多的消费者,因为每个人都有更多的可支配收入。罗斯福研究所发现,UBI将创造460万个就业机会,并使经济持续增长12%。UBI将是我们所见过的促进就业、创业和创造力的最大催化剂。

UBI改善了接受者的心理健康,因为它减少了匮乏、贫困和财政不安全的状况,而这些是数百万人的主要压力来源。

UBI帮助人们做出更明智的决定。研究表明,处于经济不安全困境的人认知能力的下降相当于13个智商点。UBI将为人们提供安全保障,让他们把精力集中在重要的事情上,比如他们的家庭。

UBI改善身体健康。随着经济安全程度的提高,人们更不容易受到压力、疾病和自我毁灭行为的影响。UBI在加拿大的一项实验显示,住院率下降了8.5%。

UBI增加了艺术创作、非营利性工作和对所爱之人的关爱,因为它为那些对这类工作感兴趣的人提供了一份补充收入,而这些工作并没有得到市场的支持。

UBI提高了劳动力市场的效率,因为更少的工人被困在不合适的工作岗位上。国家生产力将会提高,因为人们将能够找到更有价值的工作,并促进更高的工作满意度。

UBI通过减少家庭暴力、虐待儿童、经济压力和冲突来改善人际关系。它确保每个人对自己的未来有更乐观的看法,并有能力摆脱虐待关系。

一个稳定的资金来源可以改变人们的生活,这是惊人的。如果我们接受自由红利,我们就能在美国体验到这一点; 我们是人类历史上最富有、技术最先进的社会。是时候投资到我们的人民身上了。

想象一下你和你认识的每个人的生活中,每个月多出1000美元,你们会怎么花? 事情会如何变化?

它会与社会保障或退伍军人伤残福利叠加吗?

那些为国家服务并因此而面临残疾的人,除了享受自由红利外,还将继续享受他们的福利。

社保退休福利与自由红利叠加。既然这是人们一生都在为之付出的一种利益,那么这笔钱就应该被恰当地视为属于他们的,他们不需要二者选一。

SSDI基于挣得的工作权益。SSI则是一个基于经济状况的福利项目。你可以同时获得SSDI和自由红利。大多数合法残疾人同时接受SSDI和SSI。在自由红利制度下,那些合法的残疾人可以在领取SSDI和自由红利,或者领取SSDI和SSI,之间做出选择,看哪一个组合更慷慨。

即使是一些每月在SSI中获得1000美元以上的人也会选择自由红利,因为它没有先决条件。自由红利消除了这些要求,并保证收入,不管其他因素。

有证据支持自由红利吗?

在世界各地进行的无条件现金福利试验已证明是减少贫困最成功的方法之一。世界银行(World Bank)已经证明,那些担心现金接受者会把钱浪费在毒品或酒精上、停止工作或生更多孩子的推测是错误的。很多这样的行为实际上减少了

自1998年以来,共发表了461篇这方面的研究论文。你可以在这里看到它们

在过去的50年里,已经有超过30个这类现金福利项目被研究。以下是我们推荐的几个:

Mincome实验,加拿大马尼托巴省(减少住院和不减少工作时间)
纳米比亚大型试点项目(减少犯罪、减少辍学和改善健康)
直接给予项目,肯尼亚(增加资产和营养,不改变毒品和暴力)
在这里查看所有这些项目

数据很清楚——给人们钱能让他们过上更好的生活。但先把数据放在一边,自己想想。如果每月多给你1000美元,你会怎么做? 你的家人和朋友呢?

自由红利将使我们的社会变得更加美好; 我们需要的是勇气和意志来关心和投资我们的人民。

我从未听说过自由红利和全民基本收入。它是从哪里来的?谁支持它?

保障每个公民从政府中获得收入的想法由来已久,最早记录于文艺复兴时期。在美国,这是由开国元勋托马斯·潘恩(Thomas Paine)继承的,他把这笔钱称为“自然遗产”。

UBI和类似的现金项目早在1918年工业革命期间的20世纪中期就开始升温。随着发达国家的产量超过以往任何时候,这个想法重新浮出水面,并得到了米尔顿·弗里德曼(Milton Friedman)和哈耶克(F.A. Hayek)等众多诺贝尔经济学奖得主的大力支持。

20世纪60年代,马丁·路德·金(Martin Luther King Jr.)表达了他的支持,还有来自125所大学的1000多名经济学家联名致信尼克松总统,要求提供收入保障。

1970年,尼克松总统在众议院通过了一项法案,将保障最低收入的想法纳入其中。它在参议院夭折,因为民主党人试图寻求更高的收入保障。

如今,这个想法得到了马克·扎克伯格(Mark Zuckerberg)、罗伯特·里奇(Robert Reich)、埃隆·马斯克(Elon Musk)、比尔·格罗斯(Bill Gross)、理查德·布兰森(Richard Branson)、塔-内希西·科茨(Ta-Nehisi Coates)、诺姆·乔姆斯基(Noam Chomsky)等许多人的支持。从奥巴马总统到自由意志主义者卡托研究所(Cato Institute),更多人表达了对研究这一想法的兴趣。

全民基本收入并非新概念——它是一个老概念,但其时代已经到来。

以下是多年来支持全民基本收入的一些人:

马丁·路德·金(1967年): “我现在确信,最简单的方法将被证明是最有效的——解决贫困的办法是通过一项现在被广泛讨论的措施来直接消除贫困: 提供收入保障。”

理查德·尼克松,1969年8月: “我的建议是,联邦政府在每个美国家庭的收入下建立一个基金会……对于不能照顾它自己的家庭,不论这个家庭在美国的任何地方。”

米尔顿·弗里德曼(诺贝尔经济学奖得主),1980年: “我们应该用一个单一的全面的现金收入补充计划——负所得税——来取代具体福利计划的杂七杂八。这将使我们当前的福利制度更有效率、更人性化。”

伯尼·桑德斯(Bernie Sanders), 2014年5月: “在我看来,每个美国人都至少有权享有最低生活水平……实现这一目标有不同的方式,但这是我们应该努力实现的目标。”

巴拉克·奥巴马(Barack Obama) 2016年10月: “随着人工智能得到进一步整合,社会可能变得更加富裕,生产和分配、你工作多少和你挣多少之间的联系会变得越来越弱……我们将在未来10年或20年讨论无条件的免费资金。”

埃隆·马斯克,2017年2月: “我认为我们最终会实现全民基本收入……这将是必要的……机器人不能做得更好的工作将会越来越少。我想说清楚。这些都不是我希望发生的事情; 但我认为这些事情很可能会发生。”

马克·扎克伯格,2017年5月: “我们应该探索……全民基本收入,让每个人都有缓冲去尝试新想法。”

为什么我们现在需要自由红利?

自2000年以来,科技已经取代了400万美国制造业工人的工作,摧毁了整个中西部地区的社区。随着科技的新发展,专家们预测在未来的12年里,三分之一的美国人会因为新科技而失业。

在29个州,卡车司机是最常见的工作,有350万司机,其中94%是男性,另有1200万工人在全国各地的卡车停车站和汽车旅馆里为他们提供支持。当卡车开始自动驾驶时会发生什么?

我们正在经历人类历史上最伟大的经济和技术变革,我们的制度却跟不上。如果没有自由红利,随着越来越多的工作由软件、人工智能和机器人完成,我们将看到机会减少。当人们没有钱花的时候,市场就不能很好地运转。自由红利是帮助社会通过人类历史上最大的自动化浪潮实现转型的重要一步。

关于我们为什么需要自由红利的详细说明,请阅读杨安泽的著作《普通人的战争》。

自由红利会对经济产生什么影响?

罗斯福研究所发现,如果每个18岁以上的成年美国公民每年接受1.2万美元的基本收入,到2025年,美国经济将永久性增长12.56%至13.10%,即2.5万亿美元左右,劳动力市场将增加450万至470万人的工作机会。

这是因为把钱交到人们手中会促进经济增长,尤其是当人们需要钱并愿意花钱的时候。想象一下,密苏里州的一个小镇上有5000名符合条件的居民。12000美元的自由红利将为社区带来6000万美元的额外收入,其中大部分将用于当地。然后想象一下,在这个国家的每一个社区,无论大小。各地的社区将拥有更有活力的地方经济,创造更多的就业机会,并催生新的企业。

这会不会导致严重的通货膨胀?

联邦政府最近在没有通货膨胀的情况下,印了4万亿美元用于银行救助。我们的自由红利计划主要使用经济中已经存在的资金。在货币经济学中,主流理论认为通货膨胀是建立在货币供应变化的基础上的。自由红利的货币供应量变化很小,因为它是由增值税提供资金的。

很有可能,一些公司会提高价格,以回应人们有更多的购买力,增值税也会小幅提高价格。然而,各公司之间仍将存在价格竞争。随着时间的推移,技术将继续降低大多数允许降价的商品的价格(如服装、媒体、消费电子产品等)。我们目前经历的主要通货膨胀发生在由于政府监管或不适用而难以自动化的行业——主要是住房、教育和医疗保健。真正的问题不是自由红利,而在是否允许技术和自动化降低不同行业的价格。

人们不会把钱花在毒品和酒精等愚蠢的东西上吗?

数据没有显示这一点。在许多向穷人发放现金的研究中,毒品和酒精的使用并没有增加。事实上,很多人用它来试图减少他们的酒精消费或物质滥用。例如,在阿拉斯加,人们经常把从该州获得的石油红利计入子女的教育支出。穷人会对他们的钱不负责任、挥霍无度的观点似乎是一种偏见,而不是事实。

当人们拥有更大的经济安全时,决策就会得到改善。给人们提供资源将使他们能够做出更好的决定来改善他们的处境。正如荷兰哲学家罗格尔·布雷格曼所说:“贫穷不是缺乏品格。就是缺钱。”

人们不会停止工作吗?

几十年来对现金转移项目的研究发现,只有新妈妈和上学的孩子在接受直接现金转移时工作时间更短。在几项研究中,高中毕业率上升。在某些情况下,人们甚至工作得更多。引用哈佛大学和麻省理工学院的一项研究,“我们发现(现金)转移对工作行为没有影响。”

在我们的计划中,每个成年人每年只能得到12000美元。在许多地方,这还不足以维持生活,当然也不足以让你获得舒适的生活或提升。要想取得有意义的进步,人们仍然需要走出去工作。

生活成本的变化呢?难道大城市不需要比农村地区更多的钱吗?

每个符合条件的自由红利接受者,无论在哪里,每月都将获得1000美元。按地区改变美元数额将会增加昂贵的官僚机构。此外,自由红利实际上将帮助更多的美国人生活在他们想要的地方。美国人口普查局(Census Bureau)的数据显示,美国人在各州之间的流动达到历史最低水平,导致经济和劳动力市场停滞不前。搬家需要很多钱,而美国人也越来越缺钱。自由红利将使人们和家庭更加流动,并在人们寻求新环境和机会时提高劳动力市场的活力。

在一些地方,每月1000美元比其他地方要经花得多。自由红利将带来许多社区的复兴,因为人们可以利用某些地区生活成本较低的优势,而不是蜂拥进入昂贵的大都市区。

为什么要给富人自由红利?

通过给每个人发放自由红利,接受政府现金转账的羞耻感就消失了。此外,它还消除了任何人留在一定收入范围内领取福利的动机。如果像Andrew的计划那样,通过增值税来支付,那么富人很可能会向这个体系缴纳的税比从这个体系中得到的要多。

为什么我们不能对那些失业的人进行再培训呢?

培训很重要 – 可不幸的是,数据表明,再培训计划难以大规模展开。行业调整援助计划(TAA)是一个为失业的制造业工人设立的联邦计划,该计划的成员中只有37%的人从事他们接受再培训的工作。密歇根州的“不让一个工人掉队”计划发现,该计划实施后,三分之一的成员仍处于失业状态,与未参加该计划的同龄人40%的失业率相似。在2003年至2013年间离开工作岗位的密歇根工人中,约有一半人后来靠残疾福利,未能接受再培训以适应新的工作。

许多最有可能失业的工人都是中年人,已经过了壮年。许多人都有健康问题。再培训将是困难的,许多雇主将更愿意雇佣工作要求较低的年轻员工。

目标岗位现在正在移动——当某人通过再培训计划时,他们再培训的工作可能已经改变或自动化了。技术会变得越来越好。此外,要想知道谁应该接受再培训也很难。如果一个商场关门了,其零售工人要接受再培训吗? 呼叫中心呢?

虽然培训计划是一个好主意,但我们应该承认,从历史上看,我们在这方面做得非常糟糕,即使我们知道岗位流失正在发生。在多个行业对大量人口进行再培训是不现实的,也无法解决新技术带来的人口迁移问题。

我没有看到机器人。实施UBI是不是太早?

不。“机器人”不一定是会走路会说话的机器人来敲你的门。当软件取代成千上万的服务台工作人员或汽车开始自动驾驶时,甚至当一个购物中心因为现在每个人都用电脑购物而关闭时,机器人时代就开始来临。

我们正处于自动化的第四局。自2000年以来,已有400万个制造业工作岗位被抢走,科罗拉多州的自动卡车已经在运送货物。如果我们再等下去,我们就没有时间了。《平价医疗法案》(Affordable Care Act)花了7年时间才全面生效。在失业危机全面爆发之前,是时候让自由红利成为现实了。

想了解更多关于劳动力和技术趋势的信息,包括机器人是如何出现和取代工人的,请阅读4月3日由阿歇特出版的Andrew的书《普通人的战争》(the War on Normal People)。

如果自由红利如此伟大,为什么我们还没有这么做呢?

在20世纪60年代末,我们的支持率非常接近——实际上在1969年众议院通过了该法案,之后由于民主党人想要一个更高的层级,该法案在参议院陷入停滞。1000名经济学家在一封信上签了名,表示这对经济来说是件好事。

从那时以后,我们就被洗脑了,认为对人们有益的东西并不对经济有益,但对大公司有利的东西才是。

我们还没有这么做的原因是,我们宁愿把钱给富有的公司,并希望钱能慢慢流下来——我们更信任机构,而不是我们的人民。这是我们必须改变的。我们必须赋能我们的人民,从每个个人和家庭做起,重建我们的经济。

这会导致大量移民到美国吗?

250年来,美国一直是世界上最受欢迎的移民目的地。对公民身份的高要求并不新鲜。的确,随着自由红利的落实,对公民身份的需求可能会上升。然而,只有公民才能获得自由红利,而美国已经是世界上公民之路最为漫长的国家之一。自由红利将使公民身份变得更有意义。

这个不就是共产主义/社会主义吗?

不。从定义上讲,共产主义是一场革命运动,旨在建立一个在共享生产所有权基础上的无阶级、无金钱、无国籍的社会秩序。社会主义的核心原则是生产资料的国有化,即政府占领亚马逊和谷歌。自由红利并不是这些东西,实际上它与资本主义是如此的天衣无缝,它预计在8年内使经济增长2.5万亿美元。

实际上,自由红利是资本主义在自动化浪潮和劳工失业潮中得以延续的必要条件。市场需要消费者作为销售产品的对象。自由红利是一种具有底线的资本主义,使得人们不会陷落下去。

难道雇主们不会开始降低工资吗?

雇主们已经让他们的员工做得更多而支付更少的薪水。自1973年以来,企业生产率增长了72%,但美国的工资仅增长了9%。UBI将把权力交到工人手中——用持续的、无条件的现金来支付他们的开支,美国人将能够对他们愿意接受的工作条件更加挑剔。

有了UBI,人们自然想做的工作——比如教师、教练或艺术家——可能会少付一些钱。但是人们不愿意做的工作实际上需要支付更多的工资,因为工人不一定要接受那份工作。

这听起来太棒了! 我该怎么做才能让它发生呢?

杨安泽的竞选不仅仅是UBI。它致力于建设一个把人民和生活质量放在首位的社会。UBI只是第一步。

在这里为竞选活动做捐献

帮助我们实现普遍的基本收入。如果我们有勇气赋能我们的人民,我们就能创造一个自由和富足的社会。让我们把人性放在首位 – 以人为本。

有道机器翻译 from https://www.yang2020.com/what-is-freedom-dividend-faq/

【相关】

华裔总统候选人杨安泽的高光时刻

华裔民主党总统候选人杨安泽 (Andrew Yang)竞选网页

Andrew Yang:The War on Normal People

36 项UBI社会实验

有道机器翻译

金灿荣教授提到的【厉害了我的国】

立委按:偶然听到金灿荣教授在点评中美贸易摩擦升级的一个演说。他提到美国中情局定期发布更新的《世界概况》(The World Factbook),对中国经济有准确的描述,笑称,比发改委还要正面,就是一本【厉害了我的国】的英文版。出于好奇,上网查到了他说的这个报告,的确精细客观,大概是美国的智囊团专家和中国通们撰写的,具有不错的参考价值,利用搜狗机器翻译稍加编辑如下,以飨读者。

背景

中国的历史文明至少可以追溯到公元前1200年;从公元前3世纪开始,在接下来的两千年里,中国在一系列帝国王朝的统治下,时而团结时而不团结。在19世纪和20世纪初,这个国家饱受内乱、大饥荒、军事失败和外国占领的困扰。第二次世界大战后,毛泽东领导下的中国共产党建立了专制的社会主义制度,在确保中国主权的同时,对日常生活实行严格控制,并导致数千万人丧生。1978年后,毛泽东的继任者邓小平和其他领导人专注于市场经济发展,到2000年,产量翻了两番。对大多数人来说,生活水平已经显著提高,但政治控制仍然很严格。自1990年代初以来,中国增加了在国际组织中的全球外联和参与。

人民与社会

人口: 本条目给出了美国人口普查局基于人口普查、人口动态统计登记系统或与最近过去相关的抽样调查以及对未来趋势的假设所做的估计。总人口是衡量该国对世界及其所在区域潜在影响的一个总体尺度。注:从1993年的概况介绍开始,一些国家(主要是非洲国家)的人口估计已经明确考虑到了死亡率。

更多人口字段列表
1,384,688,986(东部时间2018年7月。)
与世界的国家比较:1
国籍:这个条目提供了公民的识别术语——名词和形容词。国籍字段列表
名词:中文(单数和复数)
形容词:中文
族裔群体:该条目提供了族裔群体的有序列表,从最大的族裔群体开始,通常包括总人口的百分比。

族裔群体字段列表
汉族91.6%,壮族1.3%,其他(包括回族、满族、维吾尔族、苗族、彝族、土家族、藏族、蒙古族、侗族、布依族、瑶族、白族、朝鲜族、哈尼族、黎族、哈萨克族、傣族和其他民族)7.1% (2010年东部时间。)
注:中国政府正式承认56个民族

语言:此条目提供了每个国家使用的语言列表,并指定了任何官方的国家或地区语言。当数据可用时,每个国家使用的语言根据将每种语言作为第一语言的总人口的百分比进行细分。对于那些没有可用数据的国家,语言根据流行程度按等级排列,从最常用的语言开始。

语言字段列表
标准中文或普通话(官方;普通话,以北京方言为基础,越语(粤语)、吴语(上海话)、闽北(福州)、闽南(福建-台湾)、湘语、赣语、客家方言、少数民族语言(见少数民族条目)
注:壮族是广西壮族的官方语言,岳是广东的官方语言,蒙古语是内蒙古的官方语言,维吾尔语是新疆维吾尔文的官方语言,吉尔吉斯语是新疆维吾尔文的官方语言,藏语是西藏的官方语言

宗教:这个条目是信徒从最大群体开始的有序的宗教列表,有时包括总人口的百分比。世界主要宗教的核心特征和信仰描述如下。巴哈伊教——由米尔扎·侯赛因·阿里(又名巴哈伊·阿卜杜拉)于1852年在伊朗创立,巴哈伊教强调一神论,信奉一个永恒的超验上帝。它的指导重点是鼓励地球上所有民族的团结,以实现正义与和平。

更多宗教字段列表
佛教18.2%,基督教5.1%,穆斯林1.8%,民间宗教21.9%,印度教< 0.1%,犹太教< 0.1%,其他0.7%(包括道教(道教)),非附属宗教52.2%(美国东部时间2010年)。)
注:官方无神论者

年龄结构:这一条目提供了按年龄划分的人口分布。按性别和年龄组分列的信息如下:0-14岁(儿童)、15-24岁(早期工作年龄)、25-54岁(主要工作年龄)、55-64岁(成熟工作年龄)、65岁及以上(老年人)。人口的年龄结构影响一个国家的关键社会经济问题。人口年轻的国家(15岁以下的比例很高)需要加大对学校的投资,而人口较老的国家则需要加大投资。。。更多年龄结构字段列表
0-14岁:17.22%(男性128,270,371/女性110,120,535)
15-24岁:12.32%(男性91,443,139/女性79,181,726)
25-54岁:47.84%(男性338,189,015/女性324,180,103)
55-64岁:11.35%(男性79,340,391/女性77,857,806)
65岁及以上:11.27%(男性74,277,631人/女性81,828,269人)(2018年东部时间。)
人口金字塔:人口金字塔

抚养比:抚养比是一个人口年龄结构的量度。他们将可能在经济上“依赖”他人支持的个人数量联系起来。受扶养人比率将青年(0-14岁)和老年人(65岁以上)的比率与工作年龄组(15-64岁)的比率进行对比。受扶养人比率的变化表明了人口年龄结构变化带来的潜在社会支助需求。生育率水平。

更多相关性比率字段列表
总抚养比:37.7 (2015年东部标准时间。)
青年抚养比率:24.3 (2015年东部标准时间。)
老年抚养比率:13.3 (2015年东部标准时间。)
潜在支持比率:7.5 (2015年东部标准时间。)
数据不包括香港、澳门和台湾

中位年龄:这个条目是将一个人口分成两个数量相等的群体的年龄;也就是说,一半的人比这个年龄小,一半的人比这个年龄大。它是一个单一的指数,概括了一个人口的年龄分布。目前,中位年龄从尼日尔和乌干达的15岁左右到几个欧洲国家和日本的40岁或以上不等。请参阅“年龄结构”条目,了解

政府

国家名称:本条目包括美国地名委员会批准的国家名称的所有形式。国家名称字段列表
传统长型:中华人民共和国
传统简称:中国
当地简称:中国
缩写:PRC
词源学:英文名字来源于公元前3世纪的秦统治者,他们组成了中国古代的第一个帝国王朝;中文名字“中国”翻译成“中央民族”或“中央王国”

政府类型:此条目给出了政府的基本形式。主要政府术语的定义如下:绝对君主制——君主不受阻碍地统治的政府形式,即没有任何法律、宪法或合法组织的反对。无政府状态-政府权威缺失导致的无法无天或政治混乱的状态。独裁主义–辉格党的一种政府形式。。。更多政府类型字段列表

共产党领导的国家

首都:该条目给出政府所在地的名称、地理坐标、相对于协调世界时(世界时)的时差和在DC华盛顿观察到的时间,如果适用,还提供夏令时的信息。在适当情况下,还增加了一个特别说明,以突出那些有多个时区的国家。

名:北京
地理坐标:北纬39° 55,东经116° 23
时差:世界协调时+8(标准时间比DC华盛顿早13小时)
词源:中文意思是“北方首都”

注:尽管面积很大,但整个中国都在一个时区内

行政区划:本条目通常给出美国地名委员会(BGN)批准的数字、指定术语和一级行政区划。行政区划字段列表
23个省、5个自治区(自治市)和4个市(市)

省份:安徽、福建、甘肃、广东、贵州、海南、河北、黑龙江、河南、湖北、湖南、江苏、江西、吉林、辽宁、青海、陕西、山东、山西、四川、云南、浙江;(见关于台湾的说明);

自治区:广西、内蒙古(内蒙古)、宁夏、新疆维吾尔自治区、西藏(西藏);

直辖市:北京、重庆、上海、天津

注:中国认为台湾是其第23个省;参见香港特别行政区和澳门特别行政区的单独条目

独立:对大多数国家来说,这个条目给出了主权实现的日期,以及从哪个国家、帝国或托管。对其他国家来说,给出的日期可能不代表严格意义上的“独立”,而是一些重要的建国事件,如传统的建国日期或统一、联邦、邦联、建立、政府形式的根本改变或国家继承的日期。独立字段列表

1949年10月1日(中华人民共和国成立);值得注意的较早日期:公元前221年(秦朝统一);1912年1月1日(清朝被中华民国取代)

国庆节:这个条目给出了主要的国庆庆祝活动——通常是独立日。国家假日字段列表

国庆节(中华人民共和国成立纪念日),10月1日(1949年)

宪法:本条目提供一个国家的宪法信息,包括两个子字段。历史子字段包括以前宪法的日期以及制定和实施最新宪法的主要步骤和日期。对于以前有1-3部宪法的国家,列出年份。更多宪法字段列表

历史:以前的几个;最近于1982年12月4日颁布
修正案:由全国人民代表大会常务委员会提出或者得到全国人民代表大会五分之一以上成员的支持;通过需要国会成员三分之二以上的多数票;修订了几次,最后一次是在2018年(2018年)

法律制度:本条目提供了一个国家法律制度的描述。还包括一些国家关于对立法行为进行司法审查的声明。几乎所有国家的法律体系通常都以五种主要类型的要素为模式:民法(包括法国法、拿破仑法典、罗马法、罗马-荷兰法和西班牙法);普通法(包括美国法律);习惯法;混合或多元法律;和宗教法(包括伊斯兰法)。更多法律系统字段列表:

受苏联和欧洲大陆民法体系影响的民法;立法机关保留解释法规的权力;注-2017年初,全国人民代表大会通过了《民法通则》,迈出了通过新民法典的第一步

国际法组织的参与:这一条目包括一国接受国际法院和国际刑事法院管辖权的信息;59个国家有保留地接受了国际法院的管辖权,11个国家无保留地接受了国际法院的管辖权;122个国家接受了ICCt管辖权。附录二:国际组织和团体解释了国际法院和国际刑事法院的不同任务。国际法组织参与领域清单

没有提交国际法院管辖权声明;ICCt的非缔约国

公民身份:该条目提供与获得和行使公民身份有关的信息;它包括四个子领域:出生公民身份是指根据出生地获得公民身份,即出生地法,而不管父母的公民身份如何。血统公民身份仅描述根据血统原则获得公民身份,或通过血统获得公民身份,父母中至少有一方是国家公民,出生在美国领土范围内。更多公民字段列表

出生公民身份:否
仅限血统公民身份:父母中至少有一方必须是中国公民
承认双重国籍:不
入籍的居住要求:虽然理论上入籍是可能的,但实际上却极其困难;居住是必需的,但没有具体说明

选举权:这一条目给出了选举权的年龄,以及选举权是普遍的还是受限制的。选举权领域列表

18岁;普遍的

行政部门:该条目包括五个子条目:国家元首;政府首脑;内阁;选举/任命;选举结果。国家元首包括国家名义领导人的姓名、头衔和就职日期,他在官方和仪式上代表国家,但不得参与政府的日常活动。政府首脑包括被指定管理政府行政部门的最高行政人员的姓名、头衔。更多行政部门字段列表

国家元首:习近平主席(自2013年3月14日起);副总统王岐山(自2018年3月17日起)
政府首脑:李克强总理(自2013年3月16日起);常务副总理韩正(自2018年3月19日起)、孙春兰(自2018年3月19日起)、刘禾(自2018年3月19日起)、胡春华(自2018年3月19日起)
内阁:由全国人民代表大会任命的国务院
选举/任命:全国人民代表大会间接选举产生的总统和副总统,任期5年(无限期);上次选举于2018年3月17日举行(下次选举将于2023年3月举行);总理由总统提名,全国人大确认
选举结果:习近平再次当选总统;全国人民代表大会投票——2,970票(一致);王岐山以2969票当选副总统

立法部门:该条目有三个子字段。描述子字段提供了立法结构(一院制——单一议院;两院制——上院和下院);正式名称;成员席位数;选区或投票区的类型(单一席位、多席位、全国范围);选举投票制度;和成员任期。选举子字段包括上次选举和下次选举的日期。选举结果子字段列出了政党/联盟的投票百分比。更多立法部门字段列表

说明:一院制,全国人民代表大会(最多3000席;由市、区、省人民代表大会和人民解放军间接选举产生的成员;成员任期5年);注-实际上,只有中国共产党(CCP)、其8个同盟独立党和CCP批准的独立候选人当选
选举:上次于2017年12月至2018年2月举行(下次将于2022年底至2023年初举行)
选举结果:选票百分比-国民大会;按政党分列的席位—-国民议会;构成—-男性2,238人,女性742人,女性24.9%

司法部门:该条目包括三个子字段。最高法院子字段包括一个国家最高级别法院的名称、法官的人数和头衔以及法院审理的案件类型,这些通常基于民法、刑法、行政法和宪法。一些国家有独立的宪法法院。法官遴选和任期子字段包括负责提名和任命法官的组织和相关官员。更多司法部门字段列表

最高法院:最高人民法院(由340多名法官组成,包括首席法官和13名大法官,组成一个民事委员会和法庭,处理民事、经济、行政、申诉和上诉以及通信和运输案件)
法官遴选和任期:由全国人民代表大会任命的首席法官(NPC);限于连续两届5年任期;由首席大法官提名并由NPC常务委员会任命的其他大法官和法官;NPC确定的其他法官和法官的任期
下级法院:高级人民法院;中级人民法院;区县人民法院;自治区人民法院;国际商事法院;军事、海事、交通和林业问题特别人民法院
注:2014年末,中国公布了一项多年司法改革计划;2018年继续取得进展


政党和领导人:除非另有说明,本条目包括截至每个国家上次立法选举的重要政党、联盟和选举名单。政党和领导人实地名单
中国共产党或CCP·[·习近平]
注:中国有8个名义上独立的小政党,由CCP控制

国际组织参与:本条目按缩写字母顺序列出主题国家是其成员或以其他方式参与的国际组织。国际组织参与领域列表

亚行、非行(非区域成员)、亚太经合组织、北极理事会(观察员)、东盟区域论坛、东盟(对话伙伴)、国际清算银行、金砖国家、CDB、CICA、埃及、粮农组织、FATF、20国集团、24国集团(观察员)、5国集团、77国集团、IADB、原子能机构、国际复兴开发银行、民航组织、国际商会(国家委员会)、ICRM、国际开发协会、农发基金、国际金融公司、红十字与红新月联会、IHO、劳工组织、货币基金组织、海事组织、IMSO、刑警组织、海委会、国际移民组织(观察员)、IPU、国际标准化组织、信息技术事务办公室、国际电联、拉美一体化协会(观察员)、多边投资担保机构、西撒特派团、马里稳定团

在美国的外交代表:此条目包括使团团长、办事处地址、电话、传真、总领馆所在地和领事馆所在地。附加注释的“任命大使”一词指的是向国务卿而不是美国总统提交全权证书的新大使。这些大使履行所有外交职能,除了会见总统或出席总统出席的活动,直到他们在白宫正式递交国书。更多外交代表在美国

特派团团长:崔天凯大使(自2013年4月3日起)
衡平法院:DC华盛顿州西北国际广场3505号,20008
电话:1 495-2266
传真:1 495-2138
总领事馆:芝加哥、休斯顿、洛杉矶、纽约、旧金山

美国外交代表:此条目包括代表团团长、大使馆地址、邮寄地址、电话号码、传真号码、分支机构位置、总领馆位置和领事馆位置。美国驻外代表机构名单

特派团团长:特里·布兰斯塔德大使(自2017年7月12日起)
大使馆:北京100600安家楼路55号
邮寄地址:采购订单AP 96521
电话:86 8531-3000
传真:86 8531-3300
总领事馆:成都、广州、上海、沈阳、武汉

国旗描述:独立国家的旗帜由其属地使用,除非有官方认可的当地旗帜。一些有争议的地区和其他地区没有国旗。标志描述字段列表

红色,有一个大的黄色五角星和四个较小的黄色五角星(排列在朝向旗帜中间的垂直弧线上),位于上提升侧角;红色代表革命,而星星代表中国共产党统一的四个社会阶级——工人阶级、农民阶级、城市小资产阶级和民族资产阶级(资本家)

国家象征:国家象征是动物、花卉或其他抽象的象征——或一些独特的物体——随着时间的推移,它们已经与一个国家或实体紧密地联系在一起。并非所有国家都有国家标志;一些国家有不止一个。国家符号字段列表

龙,大熊猫;民族颜色:红色、黄色

国歌:一种普遍爱国的音乐作品——通常以歌曲或赞美诗的形式——唤起和颂扬一个国家或其人民的历史、传统或斗争。国歌可以被一个国家的宪法、颁布的法律或简单的传统正式认可为国歌。虽然大多数国歌都有歌词,但有些没有。国歌列表

名称:《义勇军进行曲》
歌词/音乐:田汉/聂耳
注:1949年通过;国歌虽然在文化大革命期间被禁止;它最初是1935年中国电影《暴风雨中的儿女》的主题曲

经济

自20世纪70年代末以来,中国已经从一个封闭的中央计划体系转变为一个更加市场化的体系,在全球扮演着重要角色。自1978年以来,中国以渐进的方式实施改革,提高了效率,使国内生产总值增长了十倍以上。改革始于集体农业的逐步淘汰,并扩大到包括价格的逐步自由化、财政权力下放、国有企业自主权的增加、私营部门的增长、股票市场和现代银行体系的发展以及对外贸易和投资的开放。中国继续奉行产业政策、国家对关键部门的支持以及限制性投资制度。从2013年到2017年,中国是世界上增长最快的经济体之一,平均每年实际增长率略高于7%。根据购买力平价来衡量,中国在2017年是世界上最大的经济体,在现代史上首次在2014年超过美国。中国在2010年成为世界上最大的出口国,在2013年成为最大的贸易国。尽管如此,中国的人均收入仍低于世界平均水平。

2005年7月,中国转向参考一篮子货币的汇率制度。从2005年年中到2008年末,人民币兑美元升值逾20%,但从全球金融危机爆发到2010年6月北京宣布将恢复逐步升值,人民币汇率实际上一直与美元挂钩。从2013年到2015年初,人民币对美元保持稳定,但从2015年年中到2016年底,在资本大量外流的背景下,人民币贬值了13%;2017年,人民币对美元恢复升值——从2016年底到2017年底,升值幅度约为7%。2015年,在人民币被纳入国际货币基金组织特别提款权篮子后,中国人民银行宣布将继续谨慎推动人民币的完全自由兑换。然而,自2015年末以来,中国政府加强了对海外投资的资本管制和监督,以更好地管理汇率和保持金融稳定。

中国政府面临诸多经济挑战,包括:(一)降低国内高储蓄率,相应降低国内家庭消费;(b)管理其高公司债务负担,以维持金融稳定;(c)控制用于为基础设施刺激融资的表外地方政府债务;(d)为有抱负的中产阶级,包括农村移民和大学毕业生提供更高工资的工作机会,同时保持竞争力;(e)抑制房地产部门的投机性投资,同时不大幅减缓经济;(f)减少工业产能过剩;(g)通过更有效的资本配置和国家对创新的支持来提高生产率增长率。沿海省份的经济发展比内陆省份取得了更大进展,到2016年,超过1.693亿移徙工人及其家属已迁往城市地区寻找工作。中国被称为“独生子女政策”的人口控制政策的一个后果是,中国现在是世界上老龄化速度最快的国家之一。2016年,中国放宽了独生子女政策,允许所有家庭生育两个孩子。环境恶化——特别是空气污染、土壤侵蚀和地下水位持续下降,尤其是在北方——是另一个长期问题。由于侵蚀和城市化,中国继续失去可耕地。中国政府正在寻求增加煤炭和石油以外的能源生产能力,重点是天然气、核能和清洁能源开发。2016年,中国批准了《巴黎协定》,这是一项应对气候变化的多边协定,并承诺在2025年至2030年间实现二氧化碳排放峰值。

2016年3月公布的政府第十三个五年计划强调,需要增加创新和刺激国内消费,以减少经济对政府投资、出口和重工业的依赖。然而,与经济再平衡相比,中国在补贴创新方面取得了更多进展。北京方面已承诺让市场在资源配置方面发挥更具决定性的作用,但中国政府的政策继续偏向国有企业,并强调稳定。中国领导人在2010年承诺到2020年将国内生产总值翻一番,第十三个五年计划包括到2020年至少6.5%的年经济增长目标来实现这一目标。近年来,中国在被认为对“经济安全”至关重要的领域重新支持国有企业,明确寻求培育具有全球竞争力的行业。中国领导人还通过重申国家在经济中的“主导”作用破坏了一些市场化改革,这一立场有可能阻碍私人主动性,并随着时间的推移降低经济效率。2017年经济增长略有加速——这是自2010年以来首次出现这种增长——给了北京更大的空间进行经济改革,重点是金融部门去杠杆化和2015年末首次宣布的供应方结构改革议程。

GDP(购买力平价):这一项给出了一个国家在某一年生产的所有最终产品和服务的国内生产总值(GDP)或价值。一国按购买力平价(PPP)汇率计算的国内生产总值(GDP)是该国生产的所有商品和服务的总价值,按该年美国市场价格计算。这是大多数经济学家在考察人均福利和比较各国生活条件或资源使用情况时更喜欢使用的衡量标准。更多GDP(购买力平价)指标

23.21万亿美元(美国东部标准时间2017年)
21.72万亿美元(美国东部标准时间2016年)
20.35万亿美元(美国东部标准时间2015年)
注:数据以2017年美元计算
国家与世界的比较:1

国内生产总值(官方汇率):这一项给出了国内生产总值(GDP)或一个国家在某一年生产的所有最终产品和服务的价值。一个国家按官方汇率计算的国内生产总值(OER),是以本国货币计价的年度国内生产总值(GDP),除以当年美国与该国的双边平均汇率。该方法计算简单,可以精确地测量输出值。许多经济学家在衡量一个经济体相对于其他经济体所保持的经济实力时,更倾向于采用这种方法。更多GDP(官方汇率)字段列表

12.01万亿美元(美国东部标准时间2017年)。
注:由于中国的汇率是由法定汇率决定的,而不是由市场力量决定的,因此官方的GDP汇率指标并不能准确地衡量中国的产出;以官方汇率计算的GDP大大低估了中国相对于世界其它地区的实际产出水平;在中国的情况下,按购买力平价计算的GDP是比较各国产出的最佳指标

GDP -实际增长率:这一项给出了经通货膨胀调整后的GDP年增长率,并以百分比表示。增长率是逐年增长的,而不是复合增长。GDP -实际增长率字段列表

(2017。6.9%)
(2016。6.7%)
(2015。6.9%)
国家与世界的比较:21

国内生产总值-人均(购买力平价):这一项是按购买力平价计算的国内生产总值除以同年7月1日的人口。GDP -人均(PPP)字段列表
16700美元(2017年美国东部时间)。
15700美元(2016年美国东部时间)。
14800美元(2015年美国东部时间)。
注:数据以2017年美元计算
国家与世界的比较:105

国民储蓄:国民储蓄是减去最终消费支出(家庭和政府)从国民可支配收入,包括个人储蓄,加上业务储蓄(资本消耗的总和津贴和留存业务利润),加上政府储蓄(税收的超额支出),但不包括外国储蓄的过剩商品和服务的进口/出口)。这些数字以GDP的百分比表示。更多国民储蓄总额
占GDP的45.8%(美国东部时间2017年)。
占GDP的45.9%(美国东部时间2016年)。
占GDP的47.5%(美国东部时间2015年)。
国家与世界的比较:6


GDP——按最终用途划分的构成:这个条目显示了一个经济体中谁在进行消费:消费者、企业、政府和外国人。该分布给出了家庭消费、政府消费、固定资本投资、存货投资、货物和服务出口、货物和服务进口对GDP的贡献率,如果数据完整,将占GDP的100%。家庭消费包括居民家庭和非营利性机构的支出。更多GDP构成,按最终用途字段列出

家庭消费:39.1%(美国东部时间2017年)
政府消费:14.5%(美国东部时间2017年)。
固定资本投资:42.7%(美国东部时间2017年)。
存货投资:1.7%(美国东部时间2017年)。
商品和服务出口:20.4%(美国东部时间2017年)。
商品和服务进口:-18.4%(美国东部时间2017年)。

国内生产总值(GDP)——按来源行业划分的构成:这个条目显示了一个经济体中生产发生在何处。该分布给出了农业、工业和服务业对GDP的百分比贡献,如果数据完整,将占GDP的100%。农业包括农业、渔业和林业。工业包括采矿、制造业、能源生产和建筑业。服务包括政府活动、通讯、交通、金融和所有其他……国内生产总值-成分较多,按行业原产领域列出

农业:7.9%(美国东部时间2017年)。
所属行业:40.5%(美国东部时间2017年)
服务:51.6%(美国东部时间2017年)

农产品:这个条目是一个主要农作物和产品的有序列表,从最重要的开始。农产品

农业总产值居世界首位;大米、小麦、土豆、玉米、烟草、花生、茶叶、苹果、棉花、猪肉、羊肉、鸡蛋;鱼、虾

行业:这个条目提供了以年度产值最大开始的行业的排序。行业领域清单

工业总产值居世界首位;采矿及矿石加工、铁、钢、铝等金属、煤炭;机械制造;武器;纺织品和服装;石油;水泥;化学物质;肥料;消费品(包括鞋类、玩具、电子产品);食品加工;运输设备,包括汽车、火车、机车、船舶、航空器;通讯设备,商业空间运载火箭,卫星

工业生产增长率:这一项给出了工业生产(包括制造业、采矿业和建筑业)的年增长率。工业生产增速

(2017。6.1%)
国家与世界的比较:40

劳动力:这一项包含劳动力总数。劳动力市场

8.067亿(美国东部时间2017年)
注:截至2012年底,中国劳动年龄人口(15-64岁)为10.04亿
国家与世界的比较:1

劳动力-按职业:这一项列出了劳动力按职业部门的百分比分布。农业包括农业、渔业和林业。工业包括采矿、制造业、能源生产和建筑业。服务包括政府活动、通讯、运输、金融和所有其他不生产物质产品的经济活动。如果数据不完整,则分布总数将小于100%,由于四舍五入,分布范围可能在99- 101%之间。更多劳动力-按职业领域列出

农业:27.7%
工业:28.8%
服务:43.5% (2016 est.)

失业率:这一项包含了失业劳动力的百分比。可能会注意到大量的就业不足。失业率字段列表

(2017。3.9%)
(2016。4%)
注:数据为城镇登记失业人数,不包括民营企业和外来务工人员
国家与世界的比较:48

贫困线以下人口:国家对贫困线以下人口比例的估计是根据对各子群体的调查得出的,调查结果按每个群体的人数加权。各国对贫穷的定义差别很大。例如,富国通常采用比穷国更慷慨的贫困标准。贫困线以下人口实地名单

(2016。3.3%)
注:2011年,中国设定新的贫困线为2300元人民币(约合400美元)

按比例计算的家庭收入或消费:家庭收入或消费数据来自家庭调查,调查结果根据家庭规模进行了调整。各国在收集和调整数据时使用不同的标准和程序。基于收入的调查通常会比基于消费的调查显示出更不平等的分配。调查的质量随着时间的推移而提高,但在进行国家间比较时仍需谨慎。家庭收入或消费按比例或份额实地列名

最低10%:2.1%
最高10%:31.4% (2012)
注:数据仅适用于城镇家庭

家庭收入分配-基尼指数:该指数衡量一个国家家庭收入分配的不平等程度。该指数是根据洛伦茨曲线计算出来的,在洛伦茨曲线中,累计家庭收入与从最贫穷家庭到最富裕家庭的排列数量相对应。指数是(a)一个国家的洛伦茨曲线和45度辅助线之间的面积与(b) 45度线下的整个三角形面积的比值。基尼指数字段列表

46.5 (2016)。
46.2 (2015)。
国家与世界的比较:31

预算:这一项包括收入、支出和资本支出。
收入:2553万亿美元(美国东部时间2017年)。
支出:3.008万亿美元(美国东部标准时间2017年)。

税收和其他收入:这一项记录了国家政府在指定时期内的税收总额和其他收入,以GDP的百分比表示。税收包括个人所得税、企业所得税、增值税、消费税和关税。其它收入包括社会贡献——如社会保障和医院保险支出——赠款,以及来自公共企业的净收入。将数据正常化,即总收入除以GDP,可以方便地比较……更多税收和其他收入

占GDP的21.3%(美国东部时间2017年)。
国家与世界的比较:141

预算盈余(+)或赤字(-):这一项记录了国家政府收入和支出之间的差额,以GDP的百分比表示。正数(+)表示收入超过支出(预算盈余),负数(-)表示相反(预算赤字)。将数据正常化,即预算余额除以GDP,可以方便地进行各国间的比较,并表明一国政府是储蓄还是借款。更多预算盈余(+)或赤字(-)字段列表

-3.8%(占GDP的3.8%)(美国东部时间2017年)
国家与世界的比较:152

公共债务:这一项记录了所有政府借款减去以本国货币计价的偿还额的累计总额。公共债务不应与外债混淆,外债反映了私营部门和公共部门的外币债务,必须由外汇收入提供资金。公债上市

占GDP的47%(美国东部时间2017年)。
占GDP的44.2%(美国东部时间2016年)。
注:官方数据;数据涵盖中央和地方政府债务,包括2011年中国审计署报告正式承认的债务;数据不包括政策性银行债券、铁道部债券和中国资产管理公司债
国家与世界的比较:111

通货膨胀率(居民消费价格):这一分录提供了居民消费价格与上一年度居民消费价格的年度变动百分比。通货膨胀率(居民消费价格)字段列表
(2017。1.6%)
(2016。2%)
国家与世界的比较:88

中央银行贴现率:这一项提供了一个国家的中央银行对商业银行、储蓄银行为满足资金暂时短缺而提供的贷款收取的年化利率。央行贴现率字段列表

2.25%(美国东部时间2017年12月5日)
2.25%(美国东部时间2016年12月31日)
国家与世界的比较:117

商业银行优惠贷款利率:这一项提供了一个简单的平均年化利率,商业银行收取的新贷款,以国家货币计价,向他们最值得信用的客户。商业银行优惠贷款利率领域上市

4.35%(美国东部时间2017年12月31日)
4.35%(美国东部时间2016年12月31日)
国家与世界的比较:160

狭义货币的股票:该条目,也被称为“M1,”包括流通中的货币总量(纸币和硬币)+活期存款以非银行金融机构持有的本国货币计价,州和地方政府,非金融公共企业和私营部门的经济,以一个特定的时间点。各国货币单位已按资料提供日期的收盘价兑换成美元。更多狭义货币领域的股票上市

8.351万亿美元(美国东部时间2017年12月31日)。
7.001万亿美元(美国东部时间2016年12月31日)
国家与世界的比较:1

广义货币存量:这个条目覆盖所有的“狭窄的钱,”加时间和储蓄存款的总量,信用社存款、货币市场基金机构,中央银行之间短期回购协议和商业银行存款,和其他大型非银行金融机构持有的流动性资产,州和地方政府,非金融公共企业和私营部门的经济。各国货币单位在收市时已兑换成美元。更多的股票在广义货币领域

8.351万亿美元(美国东部时间2017年12月31日)。
7.001万亿美元(美国东部时间2016年12月31日)
国家与世界的比较:1

国内信贷存量:指金融机构向中央银行、国家和地方政府、公共非金融企业和私营部门提供的以国内货币计价的信贷总量。各国货币单位已按资料提供日的收盘价兑换成美元。国内信用领域股票上市

27.34万亿美元(美国东部时间2017年12月31日)。
23.02万亿美元(美国东部时间2016年12月31日)
国家与世界的比较:1

公开上市股票的市值:这一项是指公开上市公司发行的股票的价值,其价格在指定期间的最后一天在全国股票市场上确定。它只是每股最新价格乘以在特定交易所上市的所有公司的流通股总数。上市公司股票市值实地挂牌

7.335万亿美元(美国东部时间2016年12月)
8.234万亿美元(美国东部时间2015年12月)
8.518万亿美元(美国东部标准时间31日)。
国家与世界的比较:2

经常账户余额:这一项记录了一个国家在特定时期内货物和服务的净贸易,加上租金、利息、利润和股息的净收入,以及与世界其他地区的净转移支付(如养老基金和工人汇款)。这些数字是按汇率计算的,即,而不是按购买力平价(PPP)计算。经常账户余额字段列表

1649亿美元(美国东部时间2017年)
2022亿美元(美国东部时间2016年)
国家与世界的比较:3

出口:这一分录以船上交货价(不含运费)计算出口商品的美元总额。这些数字是按汇率计算的,即,而不是按购买力平价(PPP)计算。出口领域清单

2.216万亿美元(美国东部标准时间2017年)。
1.99万亿美元(美国东部标准时间2016年)
国家与世界的比较:1

出口-合作伙伴:这个条目提供了一个贸易伙伴的排名顺序,从最重要的开始;它有时包括总美元价值的百分比。出口-合作伙伴字段列表

美国19%,香港12.4%,日本6%,韩国4.5% (2017)

出口-商品:这一项提供了价值最高的出口产品的清单;它有时包括总美元价值的百分比。出口-商品领域的清单

机电及其他机械,包括电脑及电讯设备、服装、家具、纺织品

进口:这一分录提供了按到岸价格(成本、保险和运费)或离岸价(船上交货)计算的进口商品美元总额。这些数字是按汇率计算的,即,而不是按购买力平价(PPP)计算。进口领域清单

1.74万亿美元(美国东部标准时间2017年)。
1.501万亿美元(美国东部标准时间2016年)
国家与世界的比较:2

进口-商品:这个条目提供了价值最高的进口产品的列表;它有时包括总美元价值的百分比。进口-商品领域的清单

电气和其他机械,包括集成电路和其他计算机部件、石油和矿物燃料;光学、医疗设备、金属矿、机动车;大豆

进口-合作伙伴:这个条目提供了一个贸易伙伴的排名顺序,从最重要的开始;它有时包括总美元价值的百分比。进口-合作伙伴字段列表

韩国9.7%,日本9.1%,美国8.5%,德国5.3%,澳大利亚5.1% (2017)

外汇储备和黄金:这一项是指在指定期间终了时,为满足一国的国际收支需要而可供中央货币管理局使用的所有金融资产存量的美元价值。这一类别不仅包括外汇和黄金,还包括一个国家在国际货币基金组织中持有的特别提款权及其在该基金中的储备地位。外汇储备和黄金领域上市

3.236万亿美元(美国东部时间2017年12月31日)。
3.098万亿美元(美国东部时间2016年12月31日)
国家与世界的比较:1

债务-外部:这个分录给出了欠非居民的公共和私人债务总额,这些债务应以国际认可的货币、商品或服务偿还。这些数字是按汇率计算的,即,而不是按购买力平价(PPP)计算。债务-外部

1.598万亿美元(美国东部时间2017年12月31日)。
1.429万亿美元(美国东部时间2016年12月31日)。
国家与世界的比较:14

外国直接投资在国内的存量:这一项是指截至所述期间结束时,其他国家的居民- -主要是公司- -在本国直接进行的所有投资的累积美元价值。直接投资不包括购买股票的投资。外商直接投资股票——境内上市

1523万亿美元(美国东部时间2017年12月31日)。
1.391万亿美元(美国东部时间2016年12月31日)
国家与世界的比较:7

外国直接投资存量- -外国直接投资:这一项是指截至所述期间结束时,由本国居民- -主要是公司- -直接在外国进行的所有投资的累积美元价值。直接投资不包括购买股票的投资。股票直接对外投资——境外上市

1.383万亿美元(美国东部时间2017年12月31日)。
1.227万亿美元(美国东部时间2016年12月31日)。
国家与世界的比较:10

汇率:这个分录提供一个国家货币单位在指定期间的平均年价格,以每美元当地货币单位表示,由国际市场力量或官方法令决定。括号内是国际标准化组织(ISO) 4217个字母的国家交换媒介货币代码。每日收盘汇率并不列在《世界概况》中,而是用于转换股票价值,更多汇率字段列表

人民币(元)兑美元
7.76 (2017)。
6.6446 (2016)。
6.2275 (2015)。
6.1434 (2014)。
6.1958 (2013)。

地理 ………

能源: …………

通讯: …………

交通: …………

军事与安全: …………

跨国问题: …………


( thanks to 搜狗MT https://fanyi.sogou.com and 有道MT http://fanyi.youdao.com/

【相关】原文链接:

https://www.cia.gov/library/publications/the-world-factbook/geos/ch.html

华裔总统候选人杨安泽的高光时刻

民主党总统候选人初选辩论第二夜,终于迎来了华裔候选人杨安泽(Andrew Yang)的高光时刻。绝对精彩,一鸣惊人。第一次辩论由于现场争抢话语权不够有力而失利后,这次他是精心准备了,没有一个多余的字,句句戳心,无可挑剔。对主流议题提出了独特的视角和前瞻性解决方案,具有新鲜的冲击力。

请看辩论现场杨辩的翻译(thanks to 有道MT):

Opening Statement

BASH: Andrew Yang?

YANG: If you’ve heard anything about me and my campaign, you’ve heard that someone is running for president who wants to give every American $1,000 a month. I know this may sound like a gimmick, but this is a deeply American idea, from Thomas Paine to Martin Luther King to today.

Let me tell you why we need to do it and how we pay for it. Why do we need to do it? We already automated away millions of manufacturing jobs, and chances are your job can be next. If you don’t believe me, just ask an auto worker here in Detroit.

How do we pay for it? Raise your hand in the crowd if you’ve seen stores closing where you live. It is not just you. Amazon is closing 30 percent of America’s stores and malls and paying zero in taxes while doing it. We need to do the opposite of much of what we’re doing right now, and the opposite of Donald Trump is an Asian man who likes math.

(APPLAUSE)

So let me share the math. A thousand dollars a month for every adult would be $461 million every month, right here in Detroit alone. The automation of our jobs is the central challenge facing us today. It is why Donald Trump is our president, and any politician not addressing it is failing the American people.

(APPLAUSE)

开场白:

BASH: 安德鲁·杨?

杨: 如果你听说过我和我的竞选活动,你一定听说过有人竞选总统,他想给每个美国人每月1000美元。我知道这听起来像是一个噱头,但从托马斯·潘恩(Thomas Paine)到马丁·路德·金(Martin Luther King),再到今天,这是一个深刻的美国理念。

让我来告诉你为什么我们需要这么做,以及我们是如何支付的。我们为什么要这么做?我们已经有数以百万计的制造业工作岗位被自动化了,你的工作很可能就是下一个。如果你不相信我,就问问底特律的任何一位汽车工人。

我们怎么负担?如果你看到你住的地方的商店关门,请在人群中举手。不仅仅是你。亚马逊关闭了美国30%的商店和购物中心,并且在这一过程中不缴一分钱的税。我们需要做与我们现在所做的相反的事情,而与唐纳德·特朗普相反的,是一个喜欢数学的亚洲人。

(掌声)

让我来分享一下这里面的数学。每个成年人每月1000美元,仅在底特律将是4.61亿美元。工作岗位的自动化是我们今天面临的主要挑战。这就是为什么唐纳德·特朗普(Donald Trump)当上了我们的总统,而任何不解决这个问题的政客都辜负了美国人民。

(掌声)

TAPPER: Thank you. Thank you, Governor Inslee.

Mr. Yang, I want to bring you in. You support a Medicare for All system. How do you respond to Governor Inslee?

YANG: Well, I just want to share a story. When I told my wife I was running for president, you know the first question she asked me? What are we going to do about our health care?

That’s a true story, and it’s not just us. Democrats are talking about health care in the wrong way. As someone who’s run a business, I can tell you flat out our current health care system makes it harder to hire, it makes it harder to treat people well and give them benefits and treat them as full-time employees, it makes it harder to switch jobs, as Senator Harris just said, and it’s certainly a lot harder to start a business.

If we say, look, we’re going to get health care off the backs of businesses and families, then watch American entrepreneurship recover and bloom. That’s the argument we should be making to the American people.

(APPLAUSE)

TAPPER: Thank you, Mr. Yang.

TAPPER:谢谢。谢谢你,英斯利州长。

杨先生,我想带你进来。你支持全民医保。你如何回应英斯利州长?

杨:嗯,我只是想分享一个故事。当我告诉妻子我要竞选总统时,你知道她问我的第一个问题吗?我们要怎么对待我们的医疗保健?

这是一个真实的故事,而且不仅仅是我们。民主党人谈论医疗保健的方式是错误的。作为做生意的人,我可以明白告诉你,我们当前的医疗保健系统使得雇人很难,很难对雇员好,给他们实惠,并把他们当作全职员工,也很难换工作,当然也更加难以创业。

如果我们说,看,我们要把医疗保健的重负从企业和家庭的背上卸下来,然后看美国的企业家精神的复苏和繁荣。这才是我们应该向美国人民提出的论点。

(掌声)

谢谢你,杨先生。

【关于移民议题】

LEMON: Mr. Yang, your response?

杨安泽的UBI答问:作为自由红利的全民最低收入保障

(APPLAUSE)

YANG: I’m the son of immigrants myself. My father immigrated here as a graduate student and generated over 65 U.S. patents for G.E. and IBM. I think that’s a pretty good deal for the United States. That’s the immigration story we need to be telling.

We can’t always be focusing on some of the — the — the distressed stories. And if you go to a factory here in Michigan, you will not find wall-to-wall immigrants; you will find wall-to-wall robots and machines. Immigrants are being scapegoated for issues they have nothing to do with in our economy.

(APPLAUSE)

莱蒙:杨先生,你有什么看法?

(掌声)

杨:我自己就是移民的儿子。我父亲作为研究生移民到这里,为通用电气和IBM申请了65项美国专利。我认为这对美国来说是一笔不错的交易。这就是我们需要讲述的移民故事。

我们不能总是把注意力集中在那些痛苦的故事上。如果你去密歇根州的工厂,你不会发现到处都是移民;你会发现到处都是机器人和机器。移民被当作替罪羊,他们与我们的经济困境毫无关系。

(掌声)

【关于刑事司法议题】

TAPPER: Thank you, Mr. Vice President.

YANG: May I, please?

TAPPER: Mr. Yang, your response?

(APPLAUSE)

YANG: I speak for just about everyone watching when I say I would trust anyone on this stage much more than I would trust our current president on matters of criminal justice.

(APPLAUSE)

We cannot tear each other down. We have to focus on beating Donald Trump in 2020.

I want to share a story that a prison guard, a corrections officer in New Hampshire said to me. He said, we should pay people to stay out of jail, because we spend so much when they’re behind bars. Right now, we think we’re saving money, we just end up spending the money in much more dark and punitive ways. We should put money directly into people’s hands, certainly when they come out of prison, but before they go into prison.

TAPPER: Thank you, Mr. Yang.

(APPLAUSE)

TAPPER:谢谢你,副总统先生。

杨:我可以插一句吗?

TAPPER:杨先生,你有什么看法?

(掌声)

杨:我可以代表在场的每一个人说,在刑事司法问题上,我相信这个舞台上的每一个人,远远超过相信我们的现任总统。

(掌声)

我们不能拆散彼此。我们必须集中精力在2020年击败唐纳德·特朗普(Donald Trump)。

我想分享一个监狱看守的故事,新罕布什尔州的一名狱警对我说。他说,我们应该付钱让人们远离监狱,因为当他们在监狱里时,我们花了很多钱。现在,我们认为我们是在省钱,我们只是以更加黑暗和惩罚性的方式花钱。我们应该把钱直接交到人们手中,在他们出狱之后,但也在他们入狱之前。

谢谢你,杨先生。

(掌声)

LEMON: Mr. Yang, why are you the best candidate to heal the racial divide in America — your response?

YANG: I spent seven years running a non-profit that helped create thousands of jobs, including hundreds right here in Detroit, as well as Baltimore, Cleveland, New Orleans. And I saw that the racial disparities are much, much worse than I had ever imagined.

They’re even worse still. A study just came out that projected the average African-American median net worth will be zero by 2053. So you have to ask yourself, how is that possible? It’s possible because we’re in the midst of the greatest economic transformation in our history. Artificial intelligence is coming. It’s going to displace hundreds of thousands of call center workers, truck drivers — the most common job in 29 states, including this one.

And you know who suffers most in a natural disaster? It’s people of color, people who have lower levels of capital and education and resources. So what are we going to do about it? We should just go back to the writings of Martin Luther King, who in 1967, his book “Chaos or Community”, said “We need a guaranteed minimum income in the United States of America.” That is the most effective way for us to address racial inequality in a genuine way and give every American a chance in the 21st Century economy.

(APPLAUSE)

LEMON: Mr. Yang, thank you very much.

莱蒙:杨先生,为什么你是治愈美国种族分裂的最佳人选?

杨:我花了七年时间经营一家非盈利机构,帮助创造了数千个就业机会,其中包括底特律、巴尔的摩、克利夫兰和新奥尔良的数百个就业机会。我发现种族差异比我想象的要严重得多。

更糟的是,一项刚刚出炉的研究预测,到2053年,非洲裔美国人的平均净资产中值将为零。所以你要问自己,这怎么可能?这是可能的,因为我们正处于历史上最大的经济转型时期。人工智能即将到来。这将导致成千上万的呼叫中心工作人员和卡车司机失业——而这是29个州最常见的工作,包括这个州。

你知道谁在自然灾害中受害最深吗?是有色人种,他们的资本、教育和资源水平较低。那么我们要怎么做呢?我们应该回顾一下马丁·路德·金(Martin Luther King)的著作,他在1967年出版的《混乱还是社区》(Chaos or Community)一书中说,“我们需要美国有保障的最低收入。”这是我们以真正的方式解决种族不平等问题、让每个美国人在21世纪的经济中都有机会(分享经济红利)的最有效方式。

(掌声)

莱蒙:杨先生,非常感谢。

BIDEN: – in research for new alternatives to deal with climate change.

BASH: Mr. Yang, your response?

BIDEN: And that’s bigger than any other person.

YANG: The important number in Vice President Biden’s remarks just now is that he United States was only 15 percent of global emissions. We like to act as if we’re 100 percent, but the truth is even if we were to curb our emissions dramatically, the earth is still going to get warmer.

And we can see it around it us this summer. The last four years have been the four warmest years in recorded history. This is going to be a tough truth, but we are too late. We are 10 years too late. We need to do everything we can to start moving the climate in the right direction, but we also need to start moving our people to higher ground.

And the best way to do that is to put economic resources into your hands so you can protect yourself and your families.

拜登:在寻找应对气候变化的新选择的研究中。

巴什:杨先生,您有什么看法?

拜登:这比其他任何人都重要。

杨:拜登副总统刚才讲话中提到的一个重要数字是,美国的温室气体排放量只占全球的15%。我们喜欢表现得好像我们是百分之百的,但事实是,即使我们大幅减少排放,地球仍然会变暖。

今年夏天我们可以看到它在我们周围。过去四年是有记录以来最热的四年。这将是一个残酷的事实,但我们已经太迟了。我们晚了10年。我们需要尽一切努力让气候朝着正确的方向发展,但我们也需要让我们的人民搬到更高的地方。

最好的方法是把经济资源放在你的手中,这样你就可以保护你自己和你的家人。

TAPPER: Thank you, Senator Gillibrand. Mr. Yang, in poll after poll democratic voters are saying that having a nominee who can beat President Trump is more important to them than having a nominee who agrees with them on major issues. And right now, according to polls, they say the candidate who has the best chance of doing that, of beating President Trump is Vice President Biden. Why are they wrong?

YANG: Well, I’m building a coalition of disaffected Trump voters, independents, libertarians, and conservatives, as well as democrats and progressives. I believe I’m the candidate best suited to beat Donald Trump and as for how to win in Michigan and Ohio and Pennsylvania, the problem is that so many people feel like the economy has left them behind.

What we have to do is we have to say look, there’s record high GDP in stock market prices, you know what else they’re at record high is? Suicides, drug overdoses, depression, anxiety. It’s gotten so bad that American life expectancy had declined for the last three years.

And I like to talk about my wife who is at home with our two boys right now, one of whom is autistic. What is her work count at in today’s economy. Zero and we know that’s the opposite of the truth. We know that her work is amongst the most challenging and vital.

The way we win this election as we redefine economic progress to include all the things that matter to the people in Michigan and all of us like our own heath, our well being, our mental health, our clean air and clean water, how are kids are doing.

If we change the measurements for the 21st century economy to revolve around our own well being then we will win this election.

(CROSSTALK)

TAPPER: Thank you, Mr. Yang. Congresswoman Gabbard, your response?

TAPPER:谢谢你,吉里布兰德参议员。在一次又一次的民意调查中,民主党选民表示,对他们来说,有一个能够击败特朗普总统的候选人比有一个在重大问题上与他们意见一致的候选人更重要。现在,根据民意调查,他们说最有可能击败特朗普总统的候选人是副总统拜登。为什么他们错了?

杨:嗯,我正在建立一个由心怀不满的特朗普选民、独立人士、自由主义者、保守派、民主党人和进步人士组成的联盟。我相信我是最适合击败唐纳德·特朗普的候选人。至于如何在密歇根州、俄亥俄州和宾夕法尼亚州获胜,问题是很多人觉得经济已经把他们甩在了后面。

我们要做的是,看,股票市场的GDP达到了创纪录的高水平,你知道处于创纪录的高水平的还有什么吗? 自杀,药物过量,抑郁,焦虑。情况变得如此糟糕,美国人的预期寿命在过去三年里下降了。

我想谈谈我的妻子,她现在和我们的两个儿子在家,其中一个患有自闭症。她的工作在今天的经济中起什么作用? 0,我们知道这是与事实相反的。我们知道她的工作是最具挑战性和最重要的。

当我们重新定义经济发展时,我们赢得这次选举的方式包括所有对密歇根人民和我们所有人都重要的事情,比如我们自己的健康,我们的幸福,我们的精神健康,我们干净的空气和干净的水,孩子们过得怎么样。

如果我们改变对21世纪经济的衡量标准,使之围绕我们自己的福祉,那么我们将赢得这次选举。

(相声)

谢谢你,杨先生。国会女议员加巴德,你怎么看?

BASH: Mr. Yang, Mr. Yang, women on average earn 80 cents, about 80 cents for every dollar earned by men. Senator Harris wants to fine companies that don’t close their gender pay gaps. As an entrepreneur, do you think a stiff fine will change how companies pay their female employees?

YANG: I have seen firsthand the inequities in the business world where women are concerned, particularly in start-ups and entrepreneurship. We have to do more at every step. And if you’re a woman entrepreneur, the obstacles start not just at home, but then when you seek a mentor or an investor, often they don’t look like you and they might not think your idea is the right one.

In order to give women a leg up, what we have to do is we have to think about women in every situation, including the ones who are in exploitive and abusive jobs and relationships around the country. I’m talking about the waitress who’s getting harassed by her boss at the diner who might have a business idea, but right now is stuck where she is.

What we have to do is we have to give women the economic freedom to be able to improve their own situations and start businesses, and the best way to do this is by putting a dividend of $1,000 a month into their hands.

(APPLAUSE)

It would be a game-changer for women around the country, because we know that women do more of the unrecognized and uncompensated work in our society. It will not change unless we change it. And I say that’s just what we do.

(APPLAUSE)

巴什:杨先生,杨先生,女性的平均工资是男性的平均工资是80%,男性挣一个美元的工作,女性才能得80美分。哈里斯参议员希望对那些没有缩小性别薪酬差距的公司进行罚款。作为一名企业家,你认为严厉的罚款会改变公司支付女性员工的方式吗?

杨:我亲眼目睹了商界的不平等,尤其是女性在创业和创业方面的不平等。我们必须在每一步都做得更多。如果你是一名女企业家,障碍不仅来自家庭,而且当你寻求导师或投资者时,他们往往和你长得不一样,他们可能认为你的想法不正确。

为了给女性提供帮助,我们必须做的是,我们必须考虑到各种情况下的女性,包括那些在全国各地处于被剥削和虐待处境和关系中的女性。我说的是女服务员,她在餐馆里被老板骚扰,她可能有一个商业想法,但现在却被困在原地。

我们要做的是给女性经济自由,让她们能够改善自己的处境,创业,最好的办法就是每月给她们1000美元的红利。

(掌声)

这对全国的女性来说将是一个游戏规则的改变,因为我们知道,在我们的社会中,女性做了更多不被认可和没有报酬的工作。除非我们改变它,否则它不会改变。我要说这就是我们要做的。

(掌声)

TAPPER: Thank you. Thank you, Congresswoman.

Mr. Yang, Iran has now breached the terms of the 2015 nuclear deal after President Trump withdrew the U.S. from the deal, and that puts Iran closer to building a nuclear weapon, the ability to do so, at the very least. You’ve said if Iran violates the agreement, the U.S. would need to respond, quote, “very strongly.” So how would a President Yang respond right now?

YANG: I would move to de-escalate tensions in Iran, because they’re responding to the fact that we pulled out of this agreement. And it wasn’t just us and Iran. There were many other world powers that were part of that multinational agreement. We’d have to try and reenter that agreement, renegotiate the timelines, because the timelines now don’t make as much sense.

But I’ve signed a pledge to end the forever wars. Right now, our strength abroad reflects our strength at home. What’s happened, really? We’ve fallen apart at home, so we elected Donald Trump, and now we have this erratic and unpredictable relationship with even our longstanding partners and allies.

What we have to do is we have to start investing those resources to solve the problems right here at home. We’ve spent trillions of dollars and lost thousands of American lives in conflicts that have had unclear benefits. We’ve been in a constant state of war for 18 years. This is not what the American people want. I would bring the troops home, I would de-escalate tensions with Iran, and I would start investing our resources in our own communities.

(APPLAUSE)

TAPPER: 谢谢。谢谢你,国会女议员。

杨,在特朗普总统宣布美国退出2015年核协议后,伊朗违反了该协议的条款,这使得伊朗离制造核武器又近了一步,至少有能力制造核武器。你说过,如果伊朗违反协议,美国需要做出“非常强烈”的回应。那么,杨现在会如何回应呢?

杨: 我想采取行动缓和伊朗的紧张局势,因为他们是在回应我们退出这项协议的事实。不仅仅是美国和伊朗。还有许多其他世界强国也参与了这项多国协议。我们必须试着重新达成协议,重新协商时间表,因为现在的时间表已经没有意义了。

但我已经签署了一项承诺,结束永远的战争。现在,我们在国外的实力反映了我们在国内的实力。到底发生了什么? 我们在国内四分五裂,所以我们选了唐纳德·特朗普(Donald Trump),现在我们与我们的长期合作伙伴和盟友之间的关系也不稳定、不可预测。

我们要做的是开始投资这些资源来解决国内的问题。我们已经花费了数万亿美元,在冲突中失去了成千上万的美国人的生命,而这些冲突的好处并不明显。18年来,我们一直处于战争状态。这不是美国人民想要的。我将把军队撤回国内,我将缓和与伊朗的紧张局势,我将开始在我们自己的社区投入我们的资源。

(掌声)

TAPPER: Welcome back to the CNN Democratic presidential debate. It is time now for closing statements. You will each receive one minute. Mayor de Blasio, let’s begin with you.

TAPPER:欢迎回到CNN民主党总统候选人辩论节目。现在是结束陈述的时候了。你们每人将得到一分钟。白思豪市长,让我们从你开始。

TAPPER: Mr. Yang?

YANG: You know what the talking heads couldn’t stop talking about after the last debate? It’s not the fact that I’m somehow number four on the stage in national polling. It was the fact that I wasn’t wearing a tie. Instead of talking about automation and our future, including the fact that we automated away 4 million manufacturing jobs, hundreds of thousands right here in Michigan, we’re up here with makeup on our faces and our rehearsed attack lines, playing roles in this reality TV show.

It’s one reason why we elected a reality TV star as our president.

(LAUGHTER)

(APPLAUSE)

We need to be laser-focused on solving the real challenges of today, like the fact that the most common jobs in America may not exist in a decade, or that most Americans cannot pay their bills. My flagship proposal, the freedom dividend, would put $1,000 a month into the hands of every American adult. It would be a game-changer for millions of American families.

If you care more about your family and your kids than my neckwear, enter your zip code at yang2020.com and see what $1,000 a month would mean to your community. I have done the math. It’s not left; it’s not right. It’s forward. And that is how we’re going to beat Donald Trump in 2020.

(APPLAUSE)

TAPPER:杨先生?

杨:你知道上次辩论后那些人不停地说些什么吗? 并不是说我在全国民调中排名第四。谈的是我没有打领带。我们不是在谈论自动化和我们的未来,包括自动化让400万个制造业工作岗位消失的事实,就在密歇根这里,成千上万的工作岗位消失了。我们化着妆,排练着相互攻击的台词,在这个真人秀节目中扮演角色。

这就是为什么我们选了一个电视真人秀明星当了我们的总统。

(笑声)

(掌声)

我们需要集中精力解决当今的真正挑战,比如美国最普通的工作可能在十年后不复存在,或者大多数美国人无法支付账单。我最重要的提议,自由红利,将使每个美国成年人每月获得1000美元。这将改变数百万美国家庭的游戏规则。

如果你更关心你的家庭和孩子,而不是我的领带,请在yang2020.com输入你的邮政编码,看看每月1000美元对你的社区意味着什么。我算过了。这不是蛇么左派,也不是右派,而是向前看。这就是我们如何在2020年击败唐纳德·特朗普。

(掌声)

【相关】

华盛顿邮报: https://www.washingtonpost.com/politics/2019/08/01/transcript-night-second-democratic-debate/?noredirect=on&utm_term=.f895d8fa66aa

youTube:

看看这个剪辑。七分多钟:
https://www.youtube.com/watch?v=M97zgXh89jM&t=335s

还有辩论后CNN采访:

Andrew Yang and Anderson Cooper, Post Debate Interview (July 31, 2019) 




《李白王116:句法的脑补,情报的冤家(2/2)》

李:@宋柔 老师说了不少我正想说的话 I cannot agree more,譬如:

“当然。我完全同意语义的重要性,只是觉得词汇语义+事理常识+专业知识,实在是无边无际,难以控制。某个句子可以采用某种语义关系加以解释,但可选用的语义关系非常多,机器怎么就能选对了语义关系进而做出正确的解释?大数据并非万能。所以,挖掘句法的硬约束还是有意义的。一些硬约束其实还没有挖掘出来。”

句法做深做透做得细线条 — 直到暗度陈仓碎片化引入常识语义 — 以后,句法这个“独角戏”可以唱很远,留给纯粹需要语义、事理的休眠唤醒部分就会大量减少。如果句法模块解决了90%+的逻辑语义,语言学知识成为解析的主力,留下不到 10% 交给语言学外的其他知识,岂不多快好省。其实 甚至那个 10% 还在不断缩小中 因为在句法解析不断迭代细化的过程中,硬性约束(或硬性+非系统性的碎片化软性约束)搞定的现象越来越多,无须留给后面的语义语用模块做。留给下一步的现象,理论上是句法有意留下的,包括真歧义。当然 也可以说 殊途同归,因为上面提到的细线条句法 已经不是纯粹句法了。

POS feature 公认为句法特征,POS 下面的 subcat 通常也认为是句法,再往下是 sub-subcat 直到词汇驱动的个性规则,最后到搭配和成语,其实是句法渗透到语义的地盘了。只要句法用特征(features)这种隐性形式(而不是词序、小词、形态这些显性符号的形式),句法就为碎片化语义和常识开了一道门缝。但这里的语义带入不是系统性的。换句话说 句法约束与语义约束是一个频谱 没有一道鸿沟。但是句法为主语义为辅、句法模块先于语义模块、句法系统话语义碎片化,则是一条解析路线。争的就是路线(“路线斗争”),所做的 功/工,无论哪条路线,也都有很多相交。

特征(features)是灰色地带的标志和桥梁。既然句法 可以用 N,V,NP 这样的特征 当然也可以用细线条的 food,person-action 这样的特征。前者普遍接受为句法 后者说是语义 但形式上不过就是命名的粗细而已。看句法 hierarchy 是如何逼近语义灰色地带的:

(1) SVO 传统规则的 VP rule:V + NP –> VP

这是经典句法 漏得跟筛子似的 但可以 cover 英语和汉语的很多现象(在汉语的表现差一些)。

(2)Subcat 句型规则: Vt + NP –> VP

用到 subcat 标签 Vt 了,不再涵盖动词的全集,漏洞是弥补了一些,但仍很多例外。

(3)SVO 完整句型:NP + Vt + NP –> NP:S + VP(Vt+NP:O)

这个用到了SVO完整句型,更可靠一些了。

(4)T1 SVO T2 上下文规则,如:
句首 + (NP + Vt + NP) + 标点 –> NP:S + VP(Vt+NP:O)

这条开始用到上下文约束了,有了前后条件,句法更加精准,差不多板上钉钉了。上下文也有更复杂的情况,所以光靠 T1 T2,也不是天衣无缝:但句法可以晚上睡觉睡得踏实一些了。进一步细化条件也可以的。

(5)细线条T1 SVO T2 上下文规则:
句首 + (NP + Vt + NP) + 句末 –> NP:S + VP(Vt+NP:O)

这是铁案,纯句法完全搞定。至此 没有常识语义什么事儿了,哪怕是nonsense(“鸡吃了我”),逻辑语义也是可以解析的。

(6)暗度陈仓的碎片化语义句法规则:EAT-V + FOOD-N –> VP(V+N:O)

开始带入常识语义了。虽然没有查验更大的上下文,但因为带入的语义(相偕)弥补了长度的不足,还是相当可靠的。也可以 argue 这实际上不是句法规则 而是语义规则,但放在句法 hierarchy 的一端,与句法规则的另一端 V + NP 形式上无异 不过是符号的颗粒度、概括性不同而已。

(7)动宾搭配规则:吃 + 亏|西北风|药 –> VP(吃+N:O)

这是 rule hierarchy 细化的极端,算是句法语义规则吗?搭配这类词典与句型交叉的东西 说它是词典化的句法 没问题。里面暗藏的语义相谐和常识的印迹是非常的强烈,句法语义已经分不清了。

所谓 hierarchy 就是说 上述n层规则可以组织成为一个系统 保证细颗粒度和高精度规则具有优先权。这样的暗度陈仓又自成体系的句法 叫唱独角戏也好 叫偷梁换柱也好 总之 留给系统性常识的空间已经不多了 90%+ 现象不需要等到“纯语义”出场。

从符号逻辑的匹配和演算来看 什么是句法 什么是语义 二者区别何在呢?给一万个词做N的标签 给一千个词做 Vt 的标签,写一条符号模式 V + N –》VP(V+N:O), 全世界都同意这是句法。如果给一千个词做个 FOOD标签,给50个词做 EAT 的标签,然后照猫画虎写一条模式:EAT + FOOD –> VP(EAT+FOOD:O), 突然就变成语义/常识规则了。不就是标签的概括面大小不同吗 所有的机制手段演算方式都不变,这个模式的所有句法变式也不变:

Vt+N ==> 把+N+Vt ==> N+被+Vt
EAT+FOOD ==> 把+FOOD+EAT ==> FOOD+被+EAT

ontology 中的 taxonomy 链条也是恒定不变的:

EAT –> Vt –> V
FOOD –> N

所有的标签都是隐性形式 只要开始使用隐性形式 想不让“语义”溜进来都难。除非句法不允许隐性形式(不许给词标签 不许抽象 不许查词典),只允许用显性形式:词序+直接量(词本身和前后缀词素和形态), 否则论约束条件,句法语义的边界必然是灰色的。(但句法模块与语义模块、语用模块是可以分开的。)

白:这个分明是暗度陈仓,细线条的特征就是轻量级的语义。无后续手段的句法标签例如s标了也是糊弄,不如不标。按这个说法,伟哥90%的所谓句法在我这里都是轻量级的语义,好的坏的暂且不论。

李:退一步 只使用显性形式的句法 也就是差不多一律只使用 ngram 去枚举语言现象 是不是句法就纯粹化 不受语义侵入了呢?其实也不是 因为所谓强搭配(洗+澡)的现象 实际上就是 直接量+词序 的规则 :吃 + 亏|西北风|药 –> VP,算不算句法?里面有没有语义约束?不仅有,而且是最强的语义相谐。

白:CFG无法把“吃亏”的原有形式和被穿插、被逆序的形式联系在一起。必须使用transformation,但这样一来毛毛虫又变长了。完全可以不这么处理的。

李:以前论过语言的句法形式 说主要就是:1 词序; 2 小词(直接量); 3. 形态(词尾直接量)和其他的前后缀(直接量);4. 句法词法特征。到了 4 就跳进黄河洗不清了,因为句法词法特征与语义特征的区别 只对人类玩符号逻辑的游戏有意义 对于机制和实现都是同样的东西,每个特征就是划个圈,代表一个集合,完全可以等价地用直接量的“逻辑或”来表达,这就从隐性形式等价转回为显性形式了。最后还有 5,被有意无意漏掉: 5. 实词(直接量)。据说实词是开放集,不提倡用直接量写规则(强搭配呢,例外?)。

白:直接量聚类可以获得标签。

李:从现在的算力看 实词直接量在 ngram(譬如 n<=5) 的范围内,全部死记住其组合 根本就不是问题。这就等价于 词直接量+词序 的规则形式,算句法还是语义呢?应该还是句法 不过就是沾染了人认为具有语义味道的句法。老话说 句法的基础是形式 语义的基础是概念。一旦概念利用同质的特征来形式化表示以后 语义也是(隐性)形式了,自然可以进入形式句法。

白:这些标签叫不叫语义不是一个理论问题,而是一个习惯问题。隐性只是相对于傻瓜而言。对于具有聚类和分类功能的系统来说,被称为隐性的很多特征也都是明摆着的。

李:这是在论证句法和语义从定义上就是模糊的,没有清晰界限和鸿沟的。句法为主的路线 可以不露痕迹带入语义,而且是句法发展的自然结果。不能说 a+b 是句法 换成 x+y 就不是句法了。都是 符号+符号的位置啊。从模式的形式化或形式化的模式来看 没有任何区别。但那个深度本身是一个渐变的频谱 pos — subcat — subsubcat — wordsense。而且 对于深度的归类 本质上就是符号逻辑的游戏 说白了就是一个助记符。

wang:我觉得词法、句法、语义本身概念还是很清晰的,只不过为了实现他们的分析,采用的方法很难区分界限了,感觉也没有必要区分界限,只要能解决问题就好。方法上把它们分得再清晰,不解决问题,也无意义。符号描述内容的深度,确实会触及到语义。除非,N, V,adv,adj … 这些符号,不过这些符号 现在来说,法力不大。助记符,是一方面,这分类的限制级别,对匹配效果影响很大,粗粒度,细粒度,什么都靠它。在匹配时,不是固定的级别,弹性适应才好。过粗,泥沙混进来了,过细,则无徒了。

白:对实现来说,叫什么不重要,是什么才重要。关键是,叫句法,显得这句法神秘无比。好混饭吃。叫语义,可以有N板斧挑战你,没想好就望风而逃吧。利用人们心目中的语义其重无比、其玄无比的印象,把轻量级的语义打翻在地再踏上一万只脚:让你冒充语义!声称用了语义者,一定拖家带口,拖泥带水,不干不净而且注定hold 不住。声称用了句法者,一定清清白白、简简单单、干干净净,而且让其他拘泥于真句法者不明觉厉。

wang:同意白老师,以最终解决问题为看点。可以先不拘泥于叫法。其实现在很多技术和方法都是杂糅的,单纯清口的一道菜,很难满足客人的胃口。若扯起语义挂名的系统,很多人就会追问那种语义,什么级别的语义,,,,非时一番解释后,发现对自身系统也没什么收益。语义盘子大,要么是沾点边就马上算,要么只要没覆盖到主要点上马上,就会视为伪语义。自然语言处理系统,尤其汉语,就必须走句法语义相结合,才能走大,不必去硬性区分泾渭之界。谁占得比例多大,结合的有效果就好,至少目前来说,看不出什么黄金比例。

李:其实 这年头是相反的。句法老掉牙了 谁都不尿它。要是说常识 事理 世界知识 领域图谱,才勉强能站得住 为符号学派发点声。毕竟语义、知识听上去高大上 那边厢黑箱子里面讨论未来的时候,也还是免不了要吆喝一声要常识 才可望有个奔头,否则就该到了终结者末日了。下一个突破点在哪里,说句法太寒碜 说知识才拿得出手。印象中几个院士也在说知识,没听说人还说啥句法的。

说法/吆喝不论,加了语义约束的句法叫是句法模块,是因为它与句法的运作模式没有变化。主要目标也依然是结构化:把线性输入变为树图输出。到了下一步的语义模块,运作模式就不再是线性输入了,而是在图里面做文章了。目的的重点也改变了,结构化已经基本完成,语义模块的任务变成:1. 逻辑语义细化(句法角色映射到逻辑语义角色);2. WSD。对结构化的部分重建(休眠唤醒)也算是一个语义模块的子任务。

句法模块:string –》graph/tree 句法
语义模块:graph –》逻辑语义+WSD 语义

白:大s小s,硬s软s,这种标签对于我们的体系来说是不重要的。我们更看重一些像C-Command这样的无语言学色彩的纯数学条件,比如:两个成分结合,一个携带了残坑,另一个携带了已填坑的萝卜,二者的源头都不是当下的中心词而且相谐,此时要不要建立萝卜和残坑的二元句法关系。

“象鼻子长”,象标成大s又如何,实质是鼻子的宿主。“王冕死了父亲”,王冕标成s又如何,整个句子标成svo又如何?王冕实质是父亲的宿主,死仍是不及物的。在我们的体系里,宿主有直接而明确的体现,没主语什么事儿。“张三又吃食堂了”,就算把食堂标成o又如何?吃什么还是不知道。假装把“吃”填的满满的,没解决根本问题,等能解决根本问题的词语出现时,却没位置了。小三就是这么上位的。

“张三又吃食堂了,那么油腻的面条他也忍受得了。” 面条出来了,位置却没了。句子复杂一点,就会遇到各种企图上位者。把它们挡在门外的最好办法就是相谐性检查。这是通过一个中间件进行的,一点不麻烦,与句法之间也不会发生除了优先级动态调整之外的任何其他牵连。这个检查做完了,句法设定的初始优先顺序如果没有发生改变,就相当于尊重句法了,也可以说是给句法把了一道关。但是不能因此说保镖无用。后句中心词是“忍受”,“面条”作为非中心词萝卜,与“忍受”有填坑关系。

两句以谓词“吃”与“忍受”的“合并”结合,各自携带着自己的辖域形成一个更大的辖域,这时候辖域内的未饱和坑就暴露出来了。“Food”坑是前句中心词“吃”的亲儿子,不是残坑,所以属于“单边飞线(中心词与非中心词的hidden link)”,优先级高于“双边飞线”。所以已填坑萝卜“面条”和未饱和坑“吃”的关系被摆上了桌面。查中间件的结果是,二者相谐。后来的正主儿“面条”登堂入室,先到的小三“食堂”该降格早已在处理前句时降格了,大家井水不犯河水。这个过程怎么看都是在帮句法啊。

“一辆车坐六个人”“六个人坐一辆车”,语义上没区别,我们给出的句法标签拓扑上也没区别。但语序上是两套不同的svo。如果不做相谐性检查,这样的s和o就算标了,给谁用呢?谁会用呢?等语义落地?我们在做相谐性检查的时候,这部分就已经落地了。

大家看到的似乎是除了词例外长得一模一样的两张图,但实际上,两个坑有语义差异,两个萝卜也有语义差异,这些语义差异引发的内部的较量已经完成,可以说提前撇下句法进入语义了。相应语义标签,在下一阶段开发完成后也会提供出来。记得当年长者的同学窦祖烈先生的汉英机器翻译系统就栽在我给他出的这个例子上:“这辆车能坐六个人”被翻译成“This car can sit six people”。后来我说,把“坐”换成“载”试试?老先生这个高兴啊……

加“把”会不会有利于坐实所谓逻辑宾语?不一定。

“食堂”过坑门而不入,都赶上大禹了。虽然被“把”加持了,该不是你的位置,仍然不给你。这里也遇到一个问题,就是原来“食堂”从名词降格而来的“地点状语”的身份不见了,成了补语“穷”的正牌萝卜。既然正牌,还降什么格?系统目前是这个逻辑。但是状语标签没了似乎也不对。既然都“把”了,总得给谓语动词留点什么念想吧?不能混同于普通名词。应该是降格之前做补语的萝卜,降格之后做谓语的修饰语,两不误才对。

【相关】

《李白宋115:常识是句法的脑补(1/2)》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《李白宋115:句法的脑补,情报的冤家(1/2)》

立委按:cs(common sense):句法的脑补,情报的冤家,是为常识。常识语义在语言理解中的作用,一直是AI符号派的重要话题。常识看上去漫无边际,如何形式化有效利用,也一直是个挑战。沙龙讨论的是轻量级或碎片化的常识语义的可行性与实践体会。具体说来有两方面,一是所谓语义相谐反映的常识条件在语言解析中的作用(譬如,EAT谓词概念 与 FOOD类实体的相谐度高),二是所谓“事理”图谱(譬如,“面试”与“录用”之间的因果关系),反映的是某种常识推理。有意思的是,语义落地所强调的情报性有与常识相逆的特性。俗话说,狗咬人不是新闻,人咬狗才是。

白:“他给张三倒洗脚水”、“他向张三泼洗脚水”,在两句中,“洗脚水”各是谁的?“他给张三拿银子”有歧义,一是他帮张三拿张三的银子,二是他拿自己的银子给张三。介词宾语和主语,什么条件下谁来跟宾语发生领属关系?有钱出钱,拿的是自己的钱;有力出力,拿(拎?背?揣?端?抱?抗?)的是别人的钱。

“他给张三写自传”,自然是张三的自传;“他给张三送自传”有歧义,可能是赠送“他”的自传给张三,也可能是给张三跑腿,把张三的自传送给其他人。赠送义本身有间接宾语,但“给”的介词宾语未必与之重合。因为出现了一个“帮办”角色。主语是帮办,主执行;介词宾语是事主,主名分。帮办做动作,名分归事主。间接宾语角色和事主角色造成歧义。

“张三给李四带口信”有三重歧义。张三委托别人把口信带给李四vs别人委托张三把口信带给李四vs李四的口信委托张三带给别人。这里的角色有:事主、帮办、直接宾语、间接宾语,口信是直接宾语,李四不能是帮办、张三不能是间接宾语。剩下的组合构成上述三重歧义。“向”引入的介词宾语坑,在动词不具有间接宾语坑时(如“吐痰”、“泼水”)临时客串间接宾语角色。在动词带间接宾语坑时(如“投掷”、“赠送”),二者共享一个萝卜。没有事主帮办之分。临时客串的情况下,介词宾语和直接宾语没有领属关系。“为”引入的介词宾语又是另一番景象:它是直接宾语的当然领属者。“为他人做嫁衣裳”不管是谁做,穿的一定是“他人”。

“在公园爬树”,“树”是“公园”的附属物,勉强说得上领属关系。“在公园打人”,“人”是不是“公园”的附属物,难说。“张三在公园放风筝”,“风筝”不仅不是“公园”所有,反而大概率是“张三”所有。所以,介词为“在”时,领属关系似可不作标记。真要追究时,靠事理来弄。没有坑的直接宾语,随他去。有坑的,看相谐性或者大数据。“张三在这个公园有月票,每天早上都来锻炼身体。”“月票”的坑就由“公园”来填。

“他给张三买了块巧克力吃”,是“张三”吃,不是“他”吃。“给”的介词宾语置换出来,在谓词群里面横扫千军。在有接续动词的情况下,“帮办”角色自动消失了!

“他给张三送了本自传看。”没歧义了,是“他”的自传而非“张三”的自传,“他”不是帮办“张三”也不是事主。世界清静了。真神奇啊。“他给张三挖了个坑”有微弱歧义;“他给张三挖了个坑跳”一点歧义没有。

汉语的介词,S+/N,禁止名词右填坑;日语的格助词,S+/N,禁止名词右填坑。英语N向S左填坑只限一次,再多的名词只能受动词短语降格修饰,汉语的N向S左填坑则不受这个限制,所以逻辑主语话题主语大小主语一堆堆。方向性对于加速获得正解还是很必要的。汉语的个别词,如“以前”,是反过来的,S+/X,但是X坑只能从左侧填,禁止从右侧填。从CG走来,先把填坑的方向性全部放开,再选择性地关闭其中个别词的个别方向。特别是,语种选择可以批量设置关闭方向。修饰的方向性基本不放开。头尾修饰是否有副作用,还不清楚。

宋:@白硕 在你的系统中如果一句话内的词相同,词序不同,是不是分析结果相同?

白:@宋柔 不一定,看具体配置,特别是词性标注不同会不一样。比如:张三比李四高,李四比张三高,一定是不同的parse。

谁填“高”的坑,谁填“比”的坑,都是不同的,当然是不同的分析结果。

酱油李四打了,李四酱油打了。这俩,分析结果的拓扑一样,内在语义角色的指派也一样。毕竟酱油不能打李四。

后面四个的分析结果,拓扑结构是一样的。它们当中,1-2的语义角色指派是不确定的,3-4的语义角色指派是确定的。如果有更强的上下文,1-2的语义角色指派会随之更为确定一些。这个机制,在句内的已经部分实现,跨句的还没有实现。

宋:猫抓老鼠和老鼠抓猫,分析结果一样吗?

白:拓扑一样,语义角色指派不一样。看图看不出本质差别。

鸡不吃了,在图上是没有歧义的。

宋:猫抓老鼠和老鼠抓猫,施事都是猫,受事都是老鼠?

白:不是的。能说的是:猫和老鼠,相对于抓,都是“填坑”关系,而且填了不同的坑。谁填了哪一个,句法不予确定。语义角色指派可以根据语序推定,但只限于一左一右这种。两个都在一边就无法推定。图上不标施事和受事。现在图上能看到的是LMa、RMa等。不负载施事受事等语义标签信息。

在双宾语的情况,某些江南方言里有时听到“我给钱你”这样的句式。直接宾语和间接宾语倒挂,而且不加介词。二者一人一非人的场景,是可以搞对的。二者皆人,我还没听到例子(不知道“我嫁女儿你”能说否),但真要区分角色的话,可能需要用到事理了。

宋:也就是说,对于二价动词V来说,N1 N2 V中,N1和N2各填V的那个坑,要看N1和N2与V的语义相谐性;N1 V N2,还是要看语序来决定谁填那个坑。对吗?

白:都相谐再看语序。

如果都在一边,语序也不起作用:“猫老鼠抓了”“老鼠猫抓了”,这时还要请出事理啊大数据啊更大上下文啊什么的。

宋:明白了。

李:都相谐再看语序?

svo 语序 为啥要看相谐呢?

“是乌云吃了月亮 还是月亮吃了乌云?”

白:都不相谐也回到语序。

李:“做了个梦好怪 一张烙饼吃下了一窝兔子”。

白:相信说话者别有用心,或者相信一切皆可为专名,都是出路。有强语境做免死金牌的,更可以回到语序。

李:还可以这么说话:

“一个实体x了另一个实体”。

“x 被律师打黑了”。

白:见怪可以不怪,那还相谐个啥。说都不会话了。提着火车上皮包。小孩说话慢慢教,哪有一井挖个锹。

李:问题是 先相谐 然后看语序 次序感觉不对。

“月亮吃乌云” 是都不谐,“烙饼吃兔子” 是谐与语序矛盾, svo 语序是决定性的,相谐是非决定性的。决定性的句法形式 决定了就完了。形式留下空间 才有相谐出场的必要。

白:“草把兔子吃肥了”。“烙饼把兔子吃噎着了”。完不了。句法形式到了汉语,语序变轻了。

李:语序是句法形式 相谐是语义约束。“烙饼把兔子吃噎着了”,不是句法的反例。语序 小词 都是形式,它们留下空间 才有语义约束的可能性。硬指标以后 才看软指标。显性形式没辙了 才求隐形形式 包括常识语义。

白:还有容错一说吧。“拎着火车上皮包”,就是被容错了。韵律感越好,越容错,乃至无感。反过来搭,和不搭,是不同的处理。反过来搭,容错占主导;不搭,句法占主导。句法一主导,然后就进入疯狂的脑补,拼命找辙。

顺杆儿爬,顺杆儿滑,隐喻,夸张,甚至怪诞的专名,都可以有。此外,局部有伪歧义的情况,不搭是最先要排除的。比如“馒头吃光了”。标准svo啊,但是不work。除非拿到怪诞大比拼的免死金牌。

宋:老鼠抓猫,老鼠一定是施事,猫一定是受事,因此,此时的“抓”不会是“抓捕”。而应该是“抓挠”。语序决定了施动受关系,进而决定了动词的语义。

白:这是事理。恰好“抓”有一个义项符合事理。

宋:如果有更大的语境提示是童话故事,或者发生基因变化,“抓”可以是“抓捕”的意思,但仍然老鼠是施事,猫是受事。

白:当你在处理一个局部的sov时,并不知道其他义项是否会组成更搭的合语法结构,所以对局部不搭的sov而言,是否一定会出头,不是局部能确定的,还要看别人。

“老鼠抓不抓猫都吃得好好的。”

“老鼠一抓到猫就可以睡大觉了。”

“老鼠一抓到猫就可以美餐一顿了。”

“猫一抓到老鼠就可以美餐一顿了”。

一个意思。局部要不要搞成不搭的svo,取决于全局。

宋:好例!

白:所以svo不是教条,只是一种可能性。放大看,svo要不要还两说呢……

宋:“老鼠一抓到猫就大祸临头了。”

白:不搭给这种可能性减分,但也不断其生路。外围有更好的组合,svo又算个啥,该扔就扔。外围没有更好的组合,svo就勉为其难吧。但是,组合好不好,一定是句法语义通盘考量的,哪有句法一定优先于语义一说。

“老鼠一抓到猫就大祸临头了。” 有歧义,充分脑补吧。老鼠居然抓到了猫,这世界该翻了天了,大祸临头。猫抓到了老鼠,去掉了主人的心病,主人也该卸磨杀驴了吧,大祸临头。猫给老鼠抓到只是猫的计策,老鼠大祸临头了。接下来玩死你。

事理可以作用于伪歧义的消除,但是对真歧义,事理也毫无办法。猫大祸临头,老鼠大祸临头,看客大祸临头,都有相应的解读。svo作为一个局部,你根本不知道外面有什么时,根本不敢把赌注押在句法上。

李:T1 svo T2,就够了。绝大多数情况不需要语义出场。trigram 是句法 5-gram 也是句法 都还在可控范围之内。以前说过 任何在(dynamic) 5-gram 之内可以搞定的事情 都是 tractable 的。虽然理论上永远可以找到反例,但是随着 n-gram 中 n 的扩大 (up to 5),随着 gram 的定义由 literal 延伸到包括 token features,以及随着 gram 从 word 延伸到动态的句素(包括各类短语),句法兜不住的伪歧义反例急剧减少 — 直到句法发现真歧义。这时候 语义(主要是常识)约束、语用约束、领域约束等等 可以逐步出场,或不出场(保持歧义,或包容歧义)。

“传统” parser 为伪歧义困扰的事情 已经是过去的故事了。“现代”的句法基本上摆脱了伪歧义的羁绊 因为细线条 词汇主义路线 以及多层动态的 parsing。

白:五元组判定过程中用不用语义?用不用相谐性?如果用,那岂不是说相谐性判断先于svo?如果不用,伪歧义怎么弄掉的?单凭句法?就是说,T1、s、v、o、T2,各自携带了一些特征,用于五元组来判断svo要不要归约为s。这些特征包不包括语义/本体特征?动用这些特征是不是先于svo结构被确定?

不妨就试试 “老鼠一抓到猫就可以美餐一顿了”。看看“一”和“就”的辖域分界线是怎么确定的。实际上就四元组。左侧空缺。右侧再饶一个,又怎样?

“酱油打了李四也该回去交差了。”

到底是把“酱油”理解成一个人的外号,还是放弃svo转投ov(s)?哪一个是符合奥卡姆剃刀原则的?

如果上下文介绍李四是杀手,目标是张三,“张三杀了李四也该回去交差了”是不是应该放弃svo?这个上下文是五元组能cover的?事理:x完成任务—>x交差,任务从上文取得。

李:以反例批评一个一般性策略 其结果就是所有的过程性都是跛脚的 所有的因素都必须同时起作用。

白:有更好的系统性策略,而且并不跛脚。就是加分减分而已。看得分是一个统一的策略。硬约束有一个高的基准分。软约束不把它拉下来他往前走就是,拉下来就别怪谁了。

李:(较)软性约束与(较)硬性约束不同步 是一个总体有利的策略。

白:同不同步只是一个计算策略问题。晚几步发现问题还是早几步发现问题的事儿。只要有问题,拉下来则是必须的。就看付出的代价是什么了。另外的选择也虎视眈眈呢。一遇到合适的软约束,马上张口咬人。以现在的算力,神经网络那么大的冗余都不在话下,几个相谐性检查算什么。更何况毕竟都在线速的范围内。只要不破坏现场,总有翻盘机会。你走你的,但别杀死别人。

李:理论上 一个 l 长度的句子 在 l 没有全覆盖之前,任何 n-gram ( n < l )  的模式都是跛脚的。这一点在分词中表现最为简明。不断有人以“反例”来推论 分词必须包括 parsing、常识、领域知识、世界知识…

白:分词不是最终任务,只是一道工序而已。

李:道理都是一样的。这道工序一旦缺乏某个知识 理论上就是 过早剪枝,但实践中 几乎所有 real world 系统都不理睬这种理论上的批评。保留所有可能分词路径 直到最后的系统 不能说没有 但极少。(当然 这个分词的工序 现在有了 越来越流行省心的 char-based 的路线, 干脆绕过去。)

白:曾经的real world系统还都不睬deep parsing呢。按同样逻辑deep parsing甭活了。real world系统也在进步好不好?

常识,有重量级搞法,也有轻量级搞法。不要被重量级搞法吓住了。

白:

李:

“张三杀了李四也该收手了吧”

“张三杀了李四还嫌不够解气吗?”

“张三杀了李四也该有个说法 不能白杀”。

谁白杀谁?

“张三杀了李四也该有个说法 不能白死”。

谁白死?

“人咬死了狗, 不会受处置 合理吗?”

“人咬死了, 狗不会受处置 合理吗?”

“人咬死了狗不会受处置 合理吗”

白:“这些木头盖了房子。”不是svo。

李:工具s 与 施事s 是一个熟透了的现象。中英都很普遍。

白:木头不是工具,是材料。

李:材料也差不多,工具 占据 s 位置 更普遍一些。材料 对于 制造类谓词 占据 s 位置也很多。

白:贴了标签也无益。人家正主儿可能在后面藏着呢。到时候找上门来,嘿嘿,小三上位了。

李:svoc,句法只有 三个位置,逻辑语义几十个。一对多 很自然,也很谐。不过就是需要增加一个 逻辑语义细分的任务,否认不了 svoc 的句法骨架作用。

“枪不杀人 人杀人”

枪真地不杀人吗?子弹杀人 不长眼睛的。

“x 杀人”

x 与 “杀” 相谐吗?x 是不是 s?如果是,x 是 agent,还是 instrument,还是 material?如果 x 未知 怎么填坑?

白:要真是未知就简单了,坑说了算,抽象的听具体的,奥卡姆剃刀。不举证证明不是他,就是他。

此图像的alt属性为空;文件名为Screen-Shot-2019-07-15-at-6.58.54-PM-1024x200.png

李:“他” 很难说是 “盖” 的 S【施事】,更像是 “盖” 的【受益人】。

语言没有明说的 可以存疑 或 模糊。硬要跳坑里去,也不过就是个情报价值不大的常识默认。

白:这没问题啊,没有证据证明策划人、出资人、执行人、受益人是分离的,就假设他们是一致的。这叫非单调逻辑,举证义务在反方。

李:对于模糊表达 可能无所谓正反。一不小心就是 over reading,读出了不存在的语义。

白:情报价值不应由开发方评价。这类连边都有特殊标记。

李:用户方的证据也不足。多少用户需要不可靠的情报 与 明确表达的情报 混杂在一起呢?

逻辑预备的坑总是很完备,但语言不见得。常识是情报的冤家:用的适度 可以帮助情报的完整性;稍不留神 就伤害了情报的准确性和可靠性。

白:想避免错误的填坑可以用阈值拦一刀。但是拦得住拦不住是水平问题,那个位置该不该给小三则是态度问题。先要端正态度,虚位以待。就算一直虚着,也没小三什么事。这些不进坑的角色,语义上都有后路,才不在乎主语的标签。我们也没有主语标签。只有留给施事的标配坑。

李:

“这些木头盖了房子他很开心”,他才不管谁盖的房子呢 木头物有所用就好。

“这些木头盖了房子他很伤心”,木头是他的 房子却是他人的。

白:这叫自己跳出来。

李:根据常识填坑是危险操作,很容易 put words into others mouth。这不是语言理解的目的。

白:不妨设个开关,一切可控,用不用随你。

李:可以,一个叫 s,明说出来的 有句法依据的;一个叫 hiddenS,常识推出了的。就是到了法庭 也不怕了。

如果任着常识使性子,党指挥枪 与 枪指挥党,就同义了。首先 先帝不答应。

枪不能杀人 背后一定有个扣动扳机的 agent,机器人能杀人吗?机器人背后也有人。

“他造了把土枪 专门杀人”

“他造了个机器人 专门杀人”

是他杀人 还是机器人杀人?

白:系统说是就是呗,反正认的是标签,标签背后的道理,说了也不懂。

李:系统1说 a 杀人,系统2说b,系统3说 a and b,系统4 说 a or b,系统5 说 测不准 ……

白:很正常,除非有人强推标准化。

李:这一路不是一直在论标准吗?材料不是 s “他“是 s,也说的是标准。“党“是 s “枪“是 o。

白:党和枪都是隐喻,指挥的坑里面没有能匹配枪的。

李:重点是 常识与句型,谁说了算、比例如何?

白:只有不匹配得离谱,才引出隐喻。说常识太泛,其实就是一个中间件,给出了相谐度的评价。

李:不匹配离谱 的前提是 先逃进坑。谁决定的 枪要跳进坑o,而不是 s?肯定不是常识。

白:枪指挥党就跳进s。

李:对呀。谁决定的?Svo 决定的,准确说是,T1 svo T2 决定的。

白:反正离谱而且没有正解,于是回到svo,或者说,没有相谐度方面给出加分,改变不了句法初始设定的优先格局。是检查了之后没推翻它,而不是不需要检查。

李:不如不检查。这是争论的焦点。不检查先做,做错了“休眠唤醒”再反悔 也是常态。一多半根本就到不了需要检查那一步 就差不多成了铁案。

白:检查了推翻也是常态。不等检查结果出来就做也可以,这只是不同的控制策略。上不到标准层面。

李:譬如 x 指挥 y,根本就走不到相谐还是不相谐,“系统说了算”,这里系统指句法。

白:维也纳爱乐乐团指挥够了,他又来指挥费城了。

@宋柔 不一定。假设李四有个to do list,上写“打张三”“打王五”等等。做完一件事,就划去一项。

宋:“张三杀了”有歧义:杀别人和自己被杀,如此才有了“张三杀了李四也该收手了吧”的歧义。如果换成“打嬴了”,“张三打嬴了”没有歧义,一定是张三打别人。此时,“张三打嬴了李四也该收手了吧”也没有歧义。这个句子的语义就要靠语法来分析了。

李:白老师可以把 “打-赢” 拆开来论证语义大于句法 也许。谁打 谁赢……

宋:不要“打”。只要”嬴”。“张三嬴了李四也该收手了吧”。

白:打是S/2N,赢是S/N。合并的时候两个坑共用一个萝卜,一个占名额,一个不占。

宋:“张三赢了李四让教练很生气。” 谁的教练?

白:@宋柔 都可以,张三李四都行。

宋:除非有更大的语境进行强制约束,否则还是张三的教练生气。这是句法胜过语义。句法胜过常识。

白:句法语义都行,但是sentiment是顺着一头儿说的。赢和生气的不应该是一头儿的,除非教练安排只许败不许胜。因为有只许败不许胜的“找辙”,句法没被颠覆。

宋:当有人说“张三赢了李四让教练很生气。”后,一定会有人觉得奇怪,问“为什么生气?”

白:如果是“有人说”,那么“赢了”后面会有一个停顿。

宋:这里是说没有停顿的情况。有停顿的话就要加逗号。“赢了”后面没有停顿。

白:不吃最后一个馒头不饱,总有人觉得之前的馒头可以不吃。

宋:一般人都会觉得这个表述很奇怪,违反常理。

白:有保镖在身边没人敢动你,并不说明不需要保镖。“李四”后面有没有停顿?

宋:李四后面与无停顿都一样。

白:好像不是。可以都不停顿,但李四后面的间隔更小。这时难说。主要是叙述的视点变化奇怪,并不是句法。

宋:我感觉这句话体现了了句法的硬性约束:教练一定是张三的。但是,嬴者的教练本应高兴,实际的情况是生气,于是就有矛盾。如果教练可以是李四的,就没有矛盾,听者就不会奇怪了。

白:“张三痛打了李四,脸都肿了。”

谁的脸?是句法决定的?跟上面句法可是完全平行。谁的脸肿了,跟谁挨打有直接的事理关联。这就是常识“拗得过”句法了。刚才那个只是没拗过而已,因为可以只许败不许胜,尤其在团队作战时,为了在下一轮避开某个对手。这说明确实两方面因素在较劲。如果不是同时出场,较劲就不会发生。

宋:任何一种行得通的理解都有一种合理的解释。问题在于听者在强大的事理约束下居然并不顺从,还会疑问,就说明句法胜过了事理。

白:胜过了非但不证明句法早起单独起作用,反而证明了事理因素早期就参与较量。恰恰是我的观点的一个旁证。

宋:但较量不过。

白:是。但不是都较量不过。平行的句子也有相反的结果。语义和事理早期参与了较量,这个就够了。

宋:是的。句法约束胜过语义的例子不大好举。

白:伟哥的意思是根本句法就在唱独角戏,语义和事理没参加较量。

宋:路线斗争。李维:先看句法再看语义;白硕:先看语义,辨不清时再看句法。

白:我是句法先拿到基准分,出不出线,要看句法和其他因素的较量结果。较量可以不改变得分的高低顺序。

宋:合二而一。

白:但是这时,非句法因素相当于最后一个馒头、相当于没有动手的保镖,不可以认为非句法因素是多余的,是不在现场的。较量不是多余的,基准分不是一锤定音的。甚至,如果并行机制设计得好的话,拿基准分和较量可以异步。中间有一段时间存在叠加态,保留部分坛坛罐罐走不齐。

宋:当然。我完全同意语义的重要性,只是觉得词汇语义+事理常识+专业知识,实在是无边无际,难以控制。某个句子可以采用某种语义关系加以解释,但可选用的语义关系非常多,机器怎么就能选对了语义关系进而做出正确的解释?大数据并非万能。所以,挖掘句法的硬约束还是有意义的。

白:硬约束已经在基本分里体现了呀

宋:一些硬约束其实还没有挖掘出来。操纵语义需要极大的功力。当然,做实际应用系统,语义相谐性是绝对离不开的,而且是最大量的工作所在。

白:软约束就像保险,花点小钱,保你关键时刻用非句法兜底。也许没用到,但是不等于没有用。特别是,软约束可以灵活地面对长尾。看起来每一个都是小概率,但是放在一起并不少。所谓没用到,就是较量了但没产生颠覆效果。并不是没较量。

宋:解决长尾问题必须靠软约束,但这个尾巴太大,需要的软约束太多,如何挖掘和使用软约束是一个极困难的问题。

白:软约束不仅数量大而且类型多、机制复杂。我现在尝试做的事情是:1、不管什么类型什么机制,最后都折合为同一种量(优先级),这是较量的前提。2、当个别软约束缺失时,不会影响其他软约束以及硬约束的较量,这是软约束增量化建设的需要。3、集中把两三个重要的软约束类型吃透做透,形成明显的“高地”,再图类型的扩充。其实绝不是无边无际,完全把握得住的。

宋:我觉得难度非常大。在某一个较小的专业领域,可能可以正确解决大多数问题。做一个通用的理解系统,恐怕不好办。

白:先分类型,再抓主要类型,铺开规模时以领域为抓手。做出来的不会是通用理解系统,但可能是通用理解机制框架+领域资源。

宋:AI的知识工程(知识获取、知识表示、知识使用)讲了几十年了,未见到突破性进展。现在的数据驱动+深度学习是一个突破,但是范围很受限。

白:加类型不影响通用机制,上规模不影响通用机制,改参数不影响通用机制。而且它不是知识处理,只是标签演算。也不能说是理解,只是某种程度上的精准解析。

我们范围也很受限。

(喘口气儿,待续…… 《李白王116:常识是情报的冤家(2/2)》

【相关】

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《李白刘114:围着火炉吃西瓜闲聊点文字》

立委按:白沙龙是个神奇的所在 / 感觉有点像围着火炉吃西瓜 / 有一搭没一搭 /貌似漫不经心 / 不时闪现火花。“学问”也可以是聊出来的吗?

白:“包里揣着自行车座的天津人”,有伪歧义,但可以干掉。人揣不进包里,size不匹配,包装方式也不人道。人成为被自行车座领属的对象,组合也怪异。

李:Vt + N1 + de + N2

subcat pattern ambiguity, similar to the PP-attachment ambiguity in English, 不过这个例子到了细线条的 “sub-subcat” 就排除歧义了,Vt两个子类:

1.  Vt-person –> Vt

2. Vt-non-person –> Vt

“揣着” is Vt-non-person sub-subcat,默认不能带 【human】(“天津人”),只能带【!human】(“自行车座”)。

白:外星人/机器人,说不准。小矮人,似乎也可考虑。罐头小人,更没问题了。还是多管齐下好,东方不亮西方亮,总有一条堵得住。ad hoc的简单不是真简单,系统性的简单才靠谱。

李:subcat 是公认的词典细化知识,subcat 不是 ad hoc,sub-subcat 就不算 ad hoc,同一条延长线上。多管齐下才不简单呢,每一管都是一个窗口,知识非常容易发散。一般来说,开放知识难以维护,知识平衡也不好实现和追踪。当然,高手另算,白老师定有秘器。

刘:“懂事是没人疼出来”,这句有点难。

白:趋向补语优先级高于状语,更高于主语。所以“疼-出来”先结合,“没人”后加入。至于两个谓词的坑共用一个萝卜,倒不是事儿。

刘:这里疼出来先结合不通,没人疼有特定含义,应该先结合

白:“没人疼”当一个词倒也简单了。状中固定搭配的优先级已经是顶格了。

“他从来没有不作为过”

那个“过”与“作为”的优先级也是干不过“不作为”固定搭配的优先级。

刘:难就难在这里,怎么知道没人疼就变成一个词了呢

白:不过这个真的不重要。“作为”与“过”的结合也好,“疼”与“出来”的结合也好,都不影响语义。只是说“作为”、“疼”是中心词,代表结构跟外面发生关系。中心词可以在结合之后被否定。

当然紧耦合、强搭配的,顺序反过来也一样。语言学界不是讨论过“A的媳妇是B的妈”的问题吗?这个句子的中心词主干是“媳妇是妈”。但这个主干不具有保语义性。就是说,枝叉的添加,会改变“媳妇”和“妈”两个带坑名词的共指性。

看这两个图,谁先结合要紧吗?

李:“从来没有不X过” ,可以看作是 X 的形态(变体)

白:某种aspect

李:词典规则大概就是:

从来没有不X过 –》X(VG,perfect,always)

perfect+always (same as never1 for backward aspect in contrast to never2 forward, e.g. “never forget class struggle” ) are tense-aspect,VG is its category (V) and phrasal sign (Group, or X one bar).

总之就是用可以枚举的前后缀或小词材料的有限组合,去对 X 做词法句法的加持而已。没有必要再去细分其内部的词法结构。X 哪怕不是 V,也被强制为 VG 了。5gram以内的可以记住的组合,可以一律交给词典标注或词典习得,不必寻找其中的结构规则。

白:看主干,还真是“媳妇是妈”,仔细想想没错,既为人妻又为人母,多个角色而已。但是,两个坑没萝卜,这两个坑“共用”一个萝卜就是“奥卡姆剃刀”的体现了。这发生在句法分析之后。

奥卡姆剃刀,本人对“如无必要,勿增实体”表示过不满意,而且特地给了一个修正版本:“如无必要,勿增实体,勿减标配。”

坑是否共用,取决于“标配”做到什么份儿上。

“从来没有不爱也从来没有放弃过”

白:出情况了:“毕加索”被推定为“挂”的逻辑主语。

为什么不是,需要给个系统性的说法。挂的逻辑主语,和墙的关系比和画的关系要深?查了一下,这个推定关系在诸多关联边中,优先级是最低的。等于是规定动作做完了,开始做自选动作时搞出来的。我们的系统是看到“挂”的逻辑主语是Human,而且空缺,“毕加索”的本体标签也是Human,于是启动了把填坑的正式名额置换出来的机制。

看来通过“的”引入的萝卜和通过介词引入的萝卜要区别对待:介词宾语与谓词关联紧密,可以更加无障碍地用于填补谓词的未饱和坑;“的”的领项,用于填补“的”的属项相对优先,用于向的字结构外部填坑则应受到某种限制。

“他的小提琴拉得很好”当中的“他”,是修饰语的已填坑萝卜,但却可以穿透到“拉”,这是优点。这个优点和前面的缺点,怎么样兴利除弊,需要进一步完善。

李:“我的小提琴他拉得很好。”

?“他的小提琴被拉得不成样子”

“他的小提琴被砸得不成样子。”

“他的小提琴砸得不成样子。”

谁“砸”小提琴,不大可能是“他”。

白:

“被”阻断了“他”的填坑可能性。“被”自己升格,根本不关心向前文可能的回指。这个逻辑在我们的系统里简单粗暴,但是大体上有效。如果“被”标作介词的标配形式S+/N,就免不了要面对这一麻烦。当然,有的坑我们规定了单向填入,纵使变成了残坑,也依然受到约束。

这个还不行。修饰语的已填坑萝卜和被修饰语的未饱和坑结合时,看来还是需要修饰语和被修饰语的某种一致性。怎么划定边界是个问题。

从统计上看,“拉小提琴”是强搭配,“砸小提琴”是弱搭配,难道这个线索works?强搭配可穿透,弱搭配不可穿透?

“他的文章写得非常感人。”“他的文章改得面目全非。”

“写文章”是强搭配,“他”可以穿透到“写”;“改文章”是弱搭配,“他”穿透到“改”就遭遇主体的“弥散”,至少有歧义了。

总结:1、修饰语和被修饰语类型匹配时,已填坑萝卜对未饱和坑有穿透性;2、修饰语和被修饰语类型不匹配时,如果已填坑萝卜和未饱和坑之间有强搭配,那么可穿透;3、修饰语和被修饰语类型不匹配时,如果已填坑萝卜和未饱和坑之间只有弱搭配,那么不可穿透。

“他的小提琴砸得不成样子”,在弱搭配下,“小提琴”成为与谓词松耦合的物体,“他”成为“小提琴”的单纯领属角色。补语“不成样子”的语义指向也锁定“小提琴”。设想,“砸小提琴”如果成为一种职业或习惯性破坏行为,就构成了紧耦合,“他”就会兼作“砸”的逻辑主语,补语“不成样子”也会指向谓词“砸”,谓之砸得不够专业。幸亏现实世界没有这么个职业。

所以有没有歧义,全在于系统有没有把“砸-小提琴”列入强搭配名单,或者说大数据有没有把“砸-小提琴”训练成强搭配。砸,被砸之物是有后果的。拉(演奏义),被拉之物不必然有后果。所以“拉得不成样子”没有歧义,语义指向一定是动词“拉”。

【相关】

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《每周一歌:英语名曲 – Because I love you》

英语名曲:’Cause I love you (背景:硅谷腹地原生态盐碱沼泽地)

这是家喻户晓经久不衰的英语名曲,真正百听不厌。背景风光是硅谷腹地桑塔克拉拉237号公路旁的盐碱沼泽地,政府辟为野生动物保护区。虽然地近闹市,这一大片海湾末端的沼泽完全原生态。

周深 – 我是真的爱你 (背景:硅谷南边的天线山脊)

原唱是梁静茹 周深唱歌很用心 喜欢他。

天线 skyline blvd 是把硅谷与太平洋一号分开的山脊路线 最喜欢山顶村子的那片红木和绿地。

从 Saratoga 那个downtown 开进山里 曲曲弯弯就到了 skyline 右转一直开 一路很野的保留地 但路很好开。skyline 很好的路 但是山里有些岔路非常艰险 有一次不小心跟着GPS进了山里岔路 两边是悬崖 中间一条忽隐忽现的窄小土路 那叫一个后怕 只能硬着头皮蜗牛一样缓慢前行,爬一样一个多小时才慢慢开出山来。

宠物大片,主演牛顿、卡塔拉与赞他

《每周一歌:Terri Clark – Just the Same》

Terri Clark – Just the Same (background footage of Silicon Valley and Highway No 1)

第一次听到乡村女歌手 Terri Clark 是25+年前 在加拿大的电视上 那时候她的 mtv 在热播 just the same 的音乐片 演绎了一个消防队员家庭的故事 消防队员救火回来 满身烟土 terri 与孩子扑上去迎接 那个短片让人感动 terri 的嗓音浑厚苍凉 她一贯穿着也很阳刚的样子 但歌声里面还是藏近了温柔亲情。 后来也听过一些她的其他的歌 嗓音无可挑剔 但觉得都不如这一首的感情深挚 于是一直保留在 iPod / iPhone 的五星榜上 听了几十年。觉得值得每周一歌推荐给朋友。

youTube: Just the Same MV

好像是乔布斯说的 说歌曲与影视不同 歌曲可以反复听 而再好的影视最多也就看三五遍到头了。其实 老歌是可以陪人一辈子的 每个人心中都有一套自己的歌曲集 是人生不同阶段的积累和回忆。

记得当年热播的还有 Shania Twain 的 any man of mine 很欢快跳跃 音乐片也很时髦性感 让人联想到陈方圆刚上电视春晚的形象做派。

YouTube Shania Twain: Any Man of Mine

同时期的电视 还熟悉了两位女歌手 一位是后来红透半边天的 Celine Dion 另一位是与盲人歌手 Andrea Bocelli 对唱 Time to say goodbye 的 Sarah Brightman, 这都是 pre-iPod 时代的老歌 也都陪伴了一辈子。

【泥沙龙笔记:带标大数据这道坎迈不过去,不要侈谈AI革命】

李:前两天与NLP主流的权威人士聊人造智能的现状和前景。我问,人造智能这么牛,你给我找一个在自然语言方面没有标注大数据,靠非监督学习落地成功的案例。只要一例。

其实主流里面就是找不到一例(非主流有,但大家习惯性视而不见)。主流里面规模化成功的全部是监督学习,全部靠大数据。应了那句话,多少人工,多少智能。

毛:你这要求太苛刻了。咱们人小时候不也要靠爹妈教吗?@wei

李:不对,爹妈教的不是大数据。孩子跟父母学的是小数据,举一反三,不是举100返1。当然乔姆斯基认为那不是爹妈的功劳 也不是学童的功劳,是上帝的功劳,固化遗传的。

白:人工用在语料上还是用在资源上,才是区分技术路线的关键。

李:同意。前者简单野蛮粗暴,容易推广,后者需要精心设计。

在带标大数据的这道坎迈不过去前,不要侈谈人造I的革命。

有些疑似不需要带标大数据的有效学习,可以一一讨论。看看到底是不是无监督学习突破了,知识瓶颈化解于无形了。

MT 不用说了,无穷无尽的带标大数据。人类翻译了多少年,而且还会一直翻译下去,或者利用MT然后修订编辑。活水源源不断。好处是免费,是人类正常翻译活动的副产品。

白:小数据带标、大数据聚类,小数据循聚类举一反三。实际就是协同推荐。

李:好,看看大数据聚类,clustering 的本性就是非监督,有成功案例吗?clustering 是个好东西 但是独立规模化成功的,几乎不见。

白:加上小数据,不是纯聚类。

李:对。以前有一个路子,貌似有部分成功,就是先聚类,然后人工少量干预(给好的聚类起一个名字、把混进革命队伍的异己分子手工踢出去之类),然后利用所起的名字作为带标数据,把聚类(clustering)转换为可以落地有价值的分类(classifciation)。狸猫换太子,多少就克服了大数据短缺的知识瓶颈,聚类–》分类,曲线救国。

白:带标小数据更关键。

李:那也是一途 叫 seeds,boot strapping,找个办法来 propagate,用得巧的话,也有部分成功的,算是弱监督学习。

白:聚类是纯几何行为,不知道对什么敏感。小数据告诉你该对什么敏感。两轮驱动,不可偏废。大数据聚类可以提供疑似窝点,小数据一举捣毁。不是所有疑似窝点都值得捣毁。聚类是等势线(超曲面)相互包围的拓扑。

毛:立委你这不是抬杠吗,也没人说AI已经等同于人类智能呀。

肖:用户分群很有用啊,例子很多很多。聚类方法找异常也有很多成功应用,比如反欺诈。

李:聚类的结果 粗线条应用大概是有的,在宁可错杀一千的应用场合,或有当无的场合,聚类可松可紧,拿来就用,总之是有统计基础,作为参考,强过看不见。细线条就傻了。只要用眼睛和脑袋去检视过聚类结果的,大都有这个体会:这玩意儿说它不对,还长得蛮像,说它对吧,米锅里 到处可见老鼠屎。经常的感觉是鸡肋 食之无味 弃之可惜,用又不敢用,对接吧 可费劲了。词典习得 (lexicon acquisition),聚类用得上,最后的难点还是在对接上,就是聚类以后的标注(起名字),并让标注与现有的知识体系对接上。

白:不需要,有内部编号即可。以xor为例。聚类可以聚出四个象限。不需要为每个象限取名。如果小数据指向一三象限,就把这两个聚类的内部名称贴一个外部标签。聚类按小数据的指引,当粗则粗,当细则细。不能只用一个尺度,小波的成功就是借鉴。记得工厂里钣金,师傅领锤,力道不大但是都在点儿上,徒弟力大但不能乱锤,必须跟着师傅走。小数据是师傅,大数据是徒弟。

李:这个形象。

最近的NLG(自然语言生成)方面的成功,是因为语言模型在深度学习的时候 强大了。生成的句子 比我们普通人还顺溜。我们受过这么多年教育 还免不了文法错误 语句不顺。机器生成的句子 越来越“超越”人类了。怎么回事?

原来 NLG 比 MT 还邪性 还牛叉,MT 还需要双语的翻译大数据,NLG 面对的是单一的语言,数据无穷无尽,文满为患,这是一个极端的 raw corpus 居然等价于 labeled corpus 的现场。我们每个人写文章 都是潜在给 NLG 提供标注服务。自然语言语句与词汇随机发生器发出来的字符串 的不同,全部体现在每一篇人类撰写的文章里面。它不出色才怪呢。NLG 可以预见将来有大发展,在应用文写作等方面。有孩子的 可以放松他们的语文训练了,将来他们只要学会善用机器 就没有写不出规范的文章的。

白:大家写文章全一个味儿,也是问题。应该以强风格的作家为吸引子,形成若干漩涡,你接近某个漩涡,就持续往里面吸。至少不能千人一面。

肖:(NLG)现在摘要还写不好。

李:孩子不必特地去修应用文写作课,反正后来会有电脑帮忙写文字的。这就跟我小时候钢笔字写得狗爬似的,一直难受 羡慕小伙伴每天练字 让人看得赏心悦目。(当年喜欢一个女孩子 一半看脸蛋 一半看她写的字。)结果 我成年后 除了签字 就几乎没有写钢笔字的机会。

以前要成为(文科)大学者,最为人津津乐道和崇敬的是:

(1)记忆能力:过目不忘,检索起来可以闭着眼睛把典故的章节甚至页数指出来。社科院里面有很多这样广为传诵的奇闻逸事,尤其是关于钱锺书、吕叔湘这些老先生。

马:我认识一个理工科的教授,跟他聊天时,经常会说,那本期刊第几期第几页提到了这个问题。

李:(2)好书法。(3)诗词歌赋。这些到了机器,反而容易。

白:千万别提机器那个诗词歌赋,倒胃口。

李:感觉清华的《九歌》比不少郭沫若的诗词写得好。小时候看郭沫若带着西哈努克去山里面玩,诗性大发 口占一首,那个诗可真是纯粹应景 干瘪无味,就是平仄啥的应该整对了,论意境、诗味,啥都没有。

机器诗词倒胃口 也比不上郭沫若的那次表演(忘了是什么纪录片了),印象极深刻 不是好印象 而是坏印象。当然 艺术的鉴赏 见仁见智 不好说绝对。但往前看,机器做诗词 还有很多提升空间。人要熟读唐诗300首就很不容易了,机器灌输它个全唐诗去模仿,是小菜。人在时间限制下 需要应景作诗 提升空间就不大了。七步诗这样的天才 万里无一。

白:端到端、简单无结构标签、大数据是深度学习商业化的关键。但凡涉及到场景化、复杂结构和小数据,深度学习一定会不适应。是让应用迁就深度学习还是用技术改造深度学习,这不是个简单的选择。我主张:1、把标注的对象从“语料”迁移到“资源”;2、用带标小数据引领无标大数据;3、尊重领域专家、融合领域知识。

【相关】

【 立委小品:AI is fake I 】

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

AI is fake I

The term Artificial Intelligence (AI), which traces its roots to the milestone Dartmouth’s historic conference, is quite a bit of an afterthought by the then thought-leaders of the time, with an emphasis on artificiality. It, in essence, defines the true nature of AI as a fake intelligence that simulates human intelligence. But we seem to often forget that.

Those commonly known as “vegetarian chicken” or “vegetarian duck” are soy products, generally classified under the category of “artificial protein”. The gap between “artificial proteins” and “animal proteins” is very comparable to that between “artificial intelligence” and “human intelligence”. Every vegetarian eating “vegetarian chicken” knows clearly that it is fake meat so they feel comfortable enjoying it with its great taste. In contrast, almost all media and the majority of users of AI products today rarely regard the nature of AI as fake intelligence. That is quite a surprise to me.

I don’t know if it’s just tabloid hype or it’s true. But the impression is fairly clear that those popular AI stars more and more often act like god. They seem to love to use super big words and philosophical metaphors which lead the mass to the belief of an equal sign between AI and human I. I don’t think it is so much a sense of mission as a sense of superiority and ego, and they just feel too good about themselves in mastering some magic of AI algorithms. It occurs to me that if you act like God, talk like God, over time you will believe you are God. In times of AI bubbles, people buy that; more importantly, media love that, and investors are willing to pay high.

My entire career has been engaged in “natural language understanding” (NLU), with a focus on “parsing”, which was for a long time widely accepted as the key to language understanding, the crown of artificial intelligence as some experts put it. As practitioners in developing industrial products, we know all these AI terms such as language understanding, machine learning, neural networks, plus AI itself, are just analogy or metaphors. AI models are just simulations, mechanical programs attempting to mimic intelligent tasks. But that is apparently not what has been depicted by media’s efforts for “AI marketing”, nor is it educated by the few AI stars at the spotlight. The public opinions or even decision-makers, shaped or influenced by such media, run more and more towards the opposite. So it might be high time to air a different voice and re-uncover the true nature. Artificial intelligence is fake intelligence by its very nature, filled with “artful deception”, as pointed out by Pierce in the AI history. His criticism has never been out of time. In fact, there is never a time with this much “artful deception” built into products such as intelligent assistants, so artful that we start getting used to it for the convenience.

What is “understanding”? Strictly speaking, the computer has zero intelligence except for its mechanical computation and memorization. Natural language understanding has always been a metaphor by convention, that is why the Turing test was purposely designed to define “artificial intelligence” by bypassing “understanding”. This is by no means to deny the breakthrough in recent years in the functional success stories of AI applications such as speech processing, image recognition, and machine translation.

We all have had personal life experiences when we were amazed at some functions performed by a non-human. As a child, I was amazed for quite some time that the radio could “talk”, how “intelligent” this box called radio was. My mother had been confined to a remote rural area in her childhood, and when she went to a middle school in the nearby town, she had a chance to see an automobile running on the road for the first time. She ran away in awe and years later described to me the shock at the time when a non-human machine was running so fast. That is beyond intelligent to her mind. We all had those first times of “intelligence” shock, the first time we had access to a calculator when I was a middle school kid, the first time we walked through an automatic door, the first time we went to the bathroom which automatically flushed the toilet, not to mention the first time we used GPS. All those fake intelligence behaviors look so true and superior to our modest being when we are first exposed to them. But now such “intelligence-like behavior” is all out, we all accept that it is non-I. By human nature, we tend to over-read the meaning when we do not understand something. We are shocked to see any “automatic” behavior or response from a non-human, regardless of whether the mechanism behind is simple or an algorithm with complexity. Such shock is easy to amplify, and it’s hard not to be fooled by wonders if we don’t understand the mechanisms and principles behind, which happens a lot around the media talks about AI. In recent years, the media and industry are never tired of “man-machine competitions”, in games and knowledge showoffs, in order to demonstrate that now AI beats human. Sometimes in my dreams, I have been haunted by similar images of human weight lifting champions challenging a crane to see who could lift the ton of steel with a single swipe.

In recent years, some celebrity CEOs in industry and legendary figures in the science community have seriously begun to talk about the problem of the emotional machines and the threat from machines equipped with super-human AI. It is often far fetched, citing functional AI success as autonomous intelligence or emotions. I would not be surprised when the topic is taken one step further to start discussing the next world problem as recreating hormones and reproductive systems in machines. Why not? Machines are believed to develop a neural network to become this powerful, it is a natural course to be reproductive and even someday marry humans for the man-machine hybrid kind. Science fiction and reality tend to get mingled all in a mass too easily today.

Nowadays, artificial intelligence is just like a sexy modal attracting all the eyeballs. Talking to an old AI scholar the other day, he pointed out that AI is, in fact, a sad subject. A significant feature of AI is to temporarily hold things whose mechanisms are not yet clear. Once the mechanisms are clear, it often becomes “non-artificial intelligence” and develops into a specialized discipline on its own. The plane is up in the air, the submarine is under the water, deployed everywhere in our land for decades. Do people who design airplanes and submarines call themselves artificial intelligence researchers? No, they are experts of aerodynamics, fluid dynamics, and have little to do with AI. Autonomous driving today is still under the banner of AI, but it has less and less to do with AI as time moves on. Aircraft has long been self-driving for the most part, no one considered that artificial intelligence, right? Artificial intelligence is not a science that can hold a lot of branches on its own. The knowledge that really belongs to artificial intelligence is actually a very small circle, just like the part that really belongs to human intelligence is also a very small circle, both of which are much smaller than what we anticipated before. What is the unchangeable part of AI then? We might as well return to some original formulations by the forefathers of AI, one being a “general problem solver” (Simon 1959).

(Courtesy of youdao-MT for the first draft translation of my recent Chinese blog, without which I would not have the energy and time in its translation and rewriting here.)

My original Chinese blog on this topic:

【 立委小品:AI is fake I 】

Other English blogs

The Anti-Eliza Effect, New Concept in AI

From IBM’s Jeopardy robot, Apple’s Siri, to the new Google Translate

Question answering of the past and present

【 立委小品:AI is fake I 】

有个关于翻译的疑问, AI 台湾翻译为“人工智慧”, 大陆不知谁最先翻译的,总之一直叫“人工智能”。两岸都没有采用更为贴切的翻译“人造智能”。

那些俗称为素鸡素鸭的大豆制品,一般归到 “人造蛋白” 类。“人造蛋白”(或植物蛋白)与“动物蛋白”的距离和区分,可比“人造智能”与“人类智能” 的差异,鸿沟比较清晰。“人工智能/智慧”的译法有很大可能误导或被误解,当然媒体与大众多半乐于误导或被误导,那是另一回事儿。

突然想到老川把除了 fox 外的主流媒体一律称为 fake news,也可以考虑把AI 叫作 fake intelligence,至少比老川靠谱得多,利人也是这么认为的:“AI被忽悠得大家都认为是真的了”。

不知道是小报的渲染,还是的确如此,总之印象是,被称为AI牛人的,常常做上帝状,无论说话口气,还是描画蓝图,与其说是使命感,不如说是优越感,自我感觉特别良好。

认真说,明明是artificial,如今开口闭口机器智能,甚至自主推理、自发情感,弄得跟真的似的。巧妙欺骗的时代,连国家首脑都难免受影响,整得风声鹤唳,草木皆兵。貌似狼来了,机器就要统治世界,人类末日即将来临。

我一辈子做自然语言理解(NLU),主攻语言自动解析(parsing),这曾经被广泛认为是语言理解的钥匙,人造智能的皇冠。那天群里老友说,“理解文章上,机器比90%读完高中的人差吧”,突然意识到类比与现实已经潜移默化到我们自己都可能不假思索混同和认同的时候,觉得也许可以试图做一点澄清了:

什么叫“理解”?严格说,电脑是0理解。所谓自然语言理解,不过是个比喻的说法,所以图灵测试一开始就绕过“理解”来定义“智能”。区别在于,符号派用一套看上去是模拟理解的符号推理的步骤,也就是在符号系统内自己跟自己玩,过家家的游戏。经验派甚至连这个模拟的过家家也不要了,端到端,别跟我扯理解,你理解了要做什么,给我把要做什么的任务定义出来,然后按照这个定义给我标注数据,越大越好,上不封顶。然后给你把这个任务做出来,照猫画虎。你说它理解了啥?毛都没有。说理解和智能,都是比喻,不改变artificial智能是fake的本质。这并不是要否认模仿的功能性成功。

小时候很长时间惊异于收音机“会说话”,不理解无线电啥玩意能够如此“智能”。记得看过一本书,里面描述凉山少数民族百姓第一次“被看电影”,下面观众惊吓莫名。我妈妈一直在农村读私塾,后来到城里读中学第一次见到汽车在路上跑,跟我描述过当时的震撼。25年前我母校语言学系教授第一次对着苹果电脑叫 “Open Computer”,用语音启动电脑的得意样子还历历在目。还有我们第一次用计算器,第一次走进自动门,上厕所自动冲洗马桶,更甭提第一次用GPS。所有这些fake智能,全是那么真切。可现在全部脱离 I了,成为 non-I。可见,“智能”这东西不仅仅界限模糊,而且很雷人。第一次见到任何非人类出面的“自动”行为或反映,甭管原理简单还是算法复杂,受众都会感觉震撼。这种震撼很容易放大,如果不理解背后的机制和原理,很难不被忽悠。

小时候还有一事儿,挺扎心的,手太笨学珠算、写钢笔字总也没大成效。好在用了电脑后,就几乎没“写”过字,字俊字丑没人知道,藏拙了。当年对于心算快的,算盘打得快的小伙伴,那叫一个羡慕。计算器出来以后,没听说过有人组织过人机算术挑战赛。可是后来的下棋,知识问答,机器翻译,却不断作为智能的里程碑载入史册。回头想想,不就在计算器的延长线上,一多半靠的是memory和computing吗。人跟机拼,傻呀。近几年来,不知怎的,我常常头脑出现一种诡异的画面:人类举重冠军组团挑战起重机,看谁能把“那成吨的钢铁,轻轻地一抓就起来”(盗自革命样板戏《海港》插曲)。媒体和业界乐此不疲的“人机大战”,除了噱头效应外,其实也是非良定义(ill-defined)的为多:苹果怎么好与梨子打架呢。

Artificial 智能,明明是假智能(fake intelligence),里面充满了“巧妙的欺骗”(artful deception,于今为烈,前辈皮尔斯历史上的著名的AI批判其实从来没有失效过,见 Church – 钟摆摆得太远(3):皮尔斯论】 ),如今整得跟真的似的。哲学上、伦理上、媒体上、国际政治上,如今都在说狼来了。

还好AI这个术语,追根溯源到达特茅斯那次历史性会议,起名还算知趣,强调的是人工/人造/仿造。但大家久而久之时间长了就忽略了定语 artificial,把电脑与人的智能和理解,混同了。加上科技小编和科幻的鼓噪,类比与现实貌似等同了。甚至一些名人也一本正经开始大谈机器具有情感的问题,自主智能到自发情感,就差说要与人类杂交生子了。下一个世界难题应该是机器中再造荷尔蒙与生殖系统。(理论上也并非绝对不可能。无机物突变为有机物,历史上应该是发生过的。不妨在人类高科技刺激下,再发生一次?)

隐约记得以前论过这个话题,一搜果然说过,而且说得还不浅:

“人工智能其实应该翻译为人造智能。人造翻译(或仿人翻译)与人工翻译可大不相同。但取法乎上仅得其中的古训不大灵了,古训忽略了量的概念。被取法者足够大量的时候 所得不止于中。AI 代替中庸 势在必行。取法乎众 可得中上,这是事实。但最好的机器翻译不如最好的人工翻译,这也是事实。因为后者有智能 有理解。而前者虽然号称神经了,其实连“人造的理解”(譬如 NLU)都没有。

现如今人工智能好比一个性感女郎,沾点边的都往上面贴。今天跟一位老人工智能学者谈,他说,其实人工智能本性上就是一个悲催的学科,它是一个中继站,有点像博士后流动站。怎么讲?人工智能的本性就是暂时存放那些机理还没弄清楚的东西,一旦机理清楚了,就“非人工智能化”了(硬赖着不走,拉大旗作虎皮搞宣传的,是另一回事儿),独立出去成为一个专门的学科了。飞机上天了,潜艇下水了,曾几何时,这看上去是多么人工智能啊。现在还有做飞机潜艇的人称自己是搞人工智能的吗?他们属于空气动力学,流体动力学,与AI没有一毛钱的关系。同理,自动驾驶现如今还打着AI的招牌,其实已经与AI没啥关系了。飞机早就自动驾驶了,没人说是人工智能,到了汽车就突然智能起来?说不过去啊。总之,人工智能不是一个能 hold 住很多在它旗下的科学,它会送走一批批 misfits,这是好事儿,这是科学的进步。真正属于人工智能的学问,其实是一个很小的圈圈,就好比真正属于人类智能的部分也是很小的圈圈,二者都比我们直感上认为的范围,要小很多很多。我问,什么才是真正的恒定的AI呢?老友笑道,还是回到前辈们的原始定义吧,其中主要一项叫做“general problem solver”(西蒙 1959)。

from 【尼沙龙笔记:宁顺不信,神经机器翻译的成就和短板】

这个话题足够重要,不妨从不同角度多说说、反复说,被热昏误导的人太多,吹吹冷风,听见一个算一个。

【相关】

English: “AI is fake I

【尼沙龙笔记:宁顺不信,神经机器翻译的成就和短板】

人工智能,一个永远没有结果的科学_马少平

【Church – 钟摆摆得太远(3):皮尔斯论】

反伊莉莎效应,人工智能的新概念

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《每周两歌:中外女声魅力嗓音,Allison与于文华》

首先,刚过去的周末,祝各位母亲节快乐!

母亲节请欣赏【于文华:想起老妈妈】。背景是上次探亲,正值江南油菜花的季节。我插队的村子的邻村 原来鬼不生蛋的深山老坳 如今是【美丽乡村】的典型了。

关于于文华,以前推荐过:“于文华绣花嗓子,甜美细腻。郁钧剑怎么配她?(别说,还就那嘎声嘎气的尹相杰配于的细嗓子,还有点特别的风味。)郁钧剑没唱过什么给人留下印象的歌曲,这一次照他的功底,老实说算是不错了,也难为他了。无奈于文华的演唱登峰造极,相比之下郁钧剑太平淡了。我们通常只听第一段于的演唱,一到郁钧剑就回头或跳过去。”

Allison is my all time favorite, with her unique voice.  The footage I shot is from a Costco tv demo plus the footage from the Apple Store in the new headquarters

【相关】

音乐欣赏随笔:Brad Paisley & Allison Krauss:威士忌安魂曲

立委随笔:网事如烟

《每周一歌:水姑娘》

风情万种的《水姑娘》,让人骨头松软的民族风

好像是水族的民歌。《水姑娘》周末放送 祝各位复活节快乐!

花红柳绿 风情如此。此乐只有地方有 绕梁三日不绝缕。不知道歌手是哪一位少数民族夜莺 “嗲”得如此上档次。

10年前从湾区草根舞蹈团的Mary老师处听得此曲 惊为仙乐 藏之深山。

画面应该是水乡写意之类。但要与亲友分享三个猫咪的近况,懒得单制作视频了,分享音乐和pets合二为一了。

三只猫只有一位 lady,katara 具有水姑娘的气韵 (也兼具铁姑娘的风餐露宿、攀缘跌打本领)。两位君子 牛顿忠厚 Xander 懵懂。片头片尾是苹果新总部的 Apple Store,这视屏就是在手机上用他家 iMovie 制作的,非常便利。

《李白113:白老师秘密武器二瞥(2/2)》

立委按:两载设计,三载实现,白老师的自然语言秘密武器日前曝光。十载孕育,如水流年。挑开面纱,犹抱琵琶,先者为快,一睹芳颜。

李:其实语言理解过程中究竟用到哪些知识,并不难确定。难的是 这些知识如何加分减分打群架。

白:人理解时也不过是在打群架,没高明到哪儿去。

李:如果不给设计师束缚,所有的知识都特征化,不限定范围和多少。然后假定神经可以搞定这些特征,那么 符号逻辑 实际上只剩下符号特征化的工作。逻辑由神经管了,果如此 自然语言理解离开终结就不远了。

白:不对。逻辑有两部分,一部分是有限的可选择的操作或变换,另一部分是何时何地选择何操作的控制策略。控制策略特征化应该鼓励,而所选择的操作的轨迹,是充分可理解、可定点修复的。表示-对表示的操作-选择操作的策略,这三者,我认为第三种是适合特征化、向量化、神经网络化的。这不仅不是终结,更是升华。同时也并不影响前两者的可解释性、可定点修复性和容纳复杂结构的能力。

“身份证”的主人在两句中不同。

李:设想对话场景:

A: 他要求我出示身份证
B:你出示了吗
A:出示了,结果没通过。
B:为什么?
A:因为他是检疫官,要求我出示我宠物的身份证。我以为他是警察,要求出示我本人的身份证呢。
B:这才叫场景的阴错阳差!你过的哪道关都没搞明白。

再如:“监护人向我出示了身份证,是想证明这孩子不是非法移民。”

hidden links 根据常识或常理而来,这就带来两个问题:

第一是,因为是常识、常理,而不是语言明确指明的信息,这些 hidden links 即便挖掘出来,也仍然是不重要的枝节边缘信息,更谈不上情报价值,因为一般人根据已知信息都可以推算出来。

第二是,因为是常识、常理,因此肯定有例外。例外常源于场景和背景的不同。如前面的对话场景的思维实验。

白:打群架好了,神经最擅长。

李:既不十分可靠 也没有新意 也许意味着常识介入理解应该有个限度。如果常识的带入,是帮助确定了情报,那就物有所值。如果常识的带入,不过是反过来为常识增加一个案例,信息还是常识,那就没啥意义。

白:

1,情报又不是落地的唯一领域。

2,即使情报,三个link有情报价值,一个link是这三个link的常识推论,那这推论人做还是机器做大不一样。你先抓到那三个links,人聚焦了看,然后人得出推论,黄花菜都凉了。机器直接得到四个links,能一样吗?

3,推论重要还是那三个重要,这得情报人员自己说,NLP不应该越俎代庖。常识是带变量的f(),只要里面的x是新的,f(x)就是新的。新的就可能有意义。常识都知道撤职了职务属性值就该变了。但是只要张三撤职是新的,张三职务属性值就应该变化为新的。就算常识是旧的,有常识和新事实共同参与的推论也是新的。另外,疑似知识、打过折扣的知识并非就没有意义,只不过置信度稍低而已。哪有那么多百分百置信度的事儿。谣言还满天飞呢。

李:有一定道理。

@白硕 他要求我出示身份证 / 他向我出示身份证。“出示” 一般认为是 3-arg:sb “出示” sth to sb: SVOC,现在看来 这个补足语萝卜 C(嫡系) 是被当成附加语(庶出)了。这不是主要问题,问题在 hidden links 因此也漏掉了。“他要求我出示身份证” 中,“我” 连上了 “身份证”,但是 “出示” 没有连上 “他”。逻辑语义上 向谁 出示呢?是向他的。

白:改成双宾了。这情形更可预期。

李:”他 为/替 我出示身份证”,“为” 与 “向” 的区别在句法如何利用?小词不同,句法有表示吗?还是指望接盘的 一个一个小词重新 check 来做区分?

白:小词会携带算子,把动态特征贴到自己修饰的成分上。目前只能说这么多。比如,一个“的”,无所谓跟谁相谐。但是“张三吃的”就必须明确自己的subcat。

李:fair 就是说 显示出来的 what 只是个架子,不是输出的全部。这其实是自然的。如果不在 link 上细化,那就在特征上细化。反正信息需要下传。

双宾句如何处理的呢?譬如:

他送了我一本书。
他把一本书送了我。
他送了一本书给我。
他给我送了一本书。
那本书他送我了。
那本书他送了我
他送一本书给了我。

白:

双宾句式,双宾句式加明示间接宾语的介词短语的互通,我们已经做得很透彻了。

李:两个 Lma 一个 Rma,等于是三个 args 句法都不做鉴别。下面接盘的,依靠什么来区分,去做 123 与 abc 配对。

白:这个自有办法。分母上的数字只是显示

李:怕下面接盘的 还要回头做部分句法

白:不需要,句法信息都带进去了。

李:句法上 Topic 与 synS 不区分,但是偏移量有区分,也算等价了。怎么知道 “我” 不是 O,“书” 才是 O 呢?

白:书有subcat信息,还有Default位置信息。如果O的subcat跟S兼容而且相对Default有变,比如O提前做了话题,那就取决于右填坑的间接宾语的事理因素了。

这个丫鬟我送你了。

这位夫人我送那个丫鬟

取决于夫人和丫鬟在事理中的地位。这个绝不是句法单独可以做的。加上subcat也不行,所以目前我们做不了。只当default位置是O,啥时候事理做了进来,就有希望了。

李:句法为谓词选了萝卜候选人,萝卜进坑的事儿归后面的语义模块,所以 后面的任务仍然蛮繁难。因为萝卜进坑 仍然需要综合平衡,语序、小词和语义相谐,综合平衡才能基本搞定。更难的要借助事理。

白:哪个对哪个,特别是subcat也区分不了的时候,目前没有足够的资源。NLP的魅力就在这里。好在方向基本是看清楚了的,见效取决于投入。要想糊弄人,做个玩具事理图谱也能蒙一阵子。不过我们不会这么做。事理图谱一定要结合应用场景做。不见兔子不撒鹰。

李:”吃在买后“ 这样的事理,HowNet 没有:HowNet 主攻本体常识,一般不带入动态场景的形式化。真正规模做过“场景常识”的只有 cyc,“开枪” 在 “伤残” 之前 之类。但以前的教训依然存在,其数目实在太大了。

白:吃、买太具体了,模式是“消费在取得后”,消费是吃的上位,取得是买的上位。如果仅看到具体事件对具体事件的因果联系和承接联系,那还不累死。要把事件的Taxonomy像实体一样组织起来。赋予抽象度适中的标签。事件的诸多要素,都要纳入这个体系,参与者、时空特性(时-体)、事件类型的包含与继承、关联类型的包含与继承,触发条件、副作用……不一而足。这是目前聚焦事理图谱领域的各个利益相关方都极为关注的。

李:“我洗脸”,英语总是说:我洗我的脸(I wash my face)。中文解析,根据常识,可以推算出“我的脸”。感觉上 人的理解中 标配信息真地很边缘。赶巧了英语用代词把它明说出来了。但说了也跟没说差不多。情报性无论怎么定义 这个“脸”属于“我”都很难成为情报焦点。

一般而言,感觉上 possessive 的 hidden links 情报性最差,在有冠词的语言,possessor 很多时候被一个定冠词 “the” 虚指了。凡是定冠词打头的实体(语言学里面叫 anaphor) 理论上省略了所有者这类实在的 specifier。“the” 的含义是“你知我知”, 虽然有个主儿但这不重要。

白:不同源头会带上不同约束,使推论减少盲目性。比如“给”的介词宾语和非三价动词的主宾语坑就不太能共享。这是“给”所明确标记的间接宾语属性所决定的。这些约束会截断共享通道。

“张三给李四写自传”,这李四要是有什么来头,情报价值还真挺大。张三是个代笔的小人物,张三的自传不重要。所以谁的自传,不简单。

李:从性质上看 寻找这类所有者属于篇章的 coreference 范畴,而 coreference 的工作,句法有一定影响 (binding theory 说的就是句法对于 coreference)。但是句法影响对于篇章非常有限。更大因素还是语义相谐和距离。把 一个实体对于其所有者的预示 与一个谓词对于一个 arg 的期望 等量齐观,有点高抬了前者。

白:优先级不一样。

对范畴语法做了重大简化,跟依存很接近但比他更丰富。分析结果可以不是树而是图,图还可以成环。图更科学,更反映语言实际。

带加号的句法标签,可以看成是“只约分不输出”的范畴。每次完成约分,就废掉自身,以保持中心语的正统地位。

李:就是 adjunct/mod,庶出,跟私生子也差不多,投奔过来又不能不认,但上不了台面。

我的理解,DG 与 CG 性质不同,DG 是 一种结果表示法 刻画的是output what,CG 却带有 how 的味道 表示和刻画 input tokens,可以据此演算 作为 parsing 基础和驱动。最终从 CG 达成 DG 的结果。

parser 被词典化的 CG 驱动以后,在遇到叉口的时候 求助于其他知识的引入,主要是语义相谐的调用。根据一个优先原则和有限级计算的机制 做路径判断 然后完成 parsing。如果不怕伪歧义 也可以只依据 CG 词典与优先级原则 而不引入其他知识。

这条路线的搜索空间 (universe)是句子长度 n 的这样的一个函数:可以 assume n 中每两个词都必须发生7种二元关系之一。三种是实关系但是有方向(父父子子),所以“原子化”后就是6种实关系,即,是二元排列不是组合。第7种是:无关系。无关系也算关系,就一网打尽了。任意两词只允许发生7种关系之一,不能多也不能少。在 n 不大的时候,搜索空间爆炸得不算厉害。

白:ordered pairs,A跟B和B跟A可以有不同的关系标签。

李:对,有这个二元循环的可能,忘了这茬了。不过那很罕见,对于搜索空间影响不大。能想到的只有 定语从句谓词与中心词有二元循环关系,一个 mod 一个 arg 方向相反。

李:By the way,你用 subcat 正好与(很大一部分的)语言学内部用的术语相反,句法学家说 subcat (子范畴)只是针对 句型,主要是给 谓词 根据不同句型的预测 分为不同的 subcat,而一个词的本体的细分 就是 subclass(子类),所以 vt,vi 属于 subcat,到了 HPSG 等理论,这个 subcat 就真展开成句型了:

give:: SUBCAT <NP left:S>, <NP right:O>, <PP(to):C>]
give:: SUBCAT <NP left:S>, <NP right1:C>, <NP right2:O>]

第一条 SUBCAT 句型是 sb give sth to sb;第二条是 sb give sb sth

白:不管了,反正就是负载逻辑语义结构信息的标签,来自词典。标签之间的关系在本体里定义。

也不能说是“特征”,因为特征给人的印象是扁平化、向量化,缺少结构。但也绝不是曾经流行的“复杂特征”。

李:扁平化 原子化 有好处的,以前你也是赞成的。复杂特征在符号逻辑上漂亮,但不好伺候,难以承受逻辑之重:实用系统不能过分与逻辑较真(这个体会很深,以后有机会展开再论)。

白:我们只有一层除号,分子,分母。分子和分母里边都不再有除号,我称之为“单子化”。就一个成分而言,萝卜和坑都不必再有相对性。它们都是“单子”(singleton)。

李:那是因为你们的出身是 CG,算法里面就对分子分母的表示有要求,作为区分输入输出的手段。

白:把CG改造到这么实用的程度,我们应该在世界上挂个号了。

李:不知道这个 CG 还有没有个 community 和相应的 events,还是拉丁文一样被搁置了。HPSG LFG 那些人还在,有自己的圈子 不过是越来越游离于主流(两不靠:语言学主流和计算语言学主流都不是)之外了。

白:CG可能就剩下CCG还活跃。CCG的本质是带坑填坑,于是就会产生我们所说的残坑。残坑在计算上的处理非常复杂,单子化对残坑处理带来莫大好处。但是从数学观点看,引入“修饰”,就是N+、S+这种,打破了“一个运算符吃遍天下”的理论美感,理论框架变得有些dirty了。等有空了,我会梳理一下“修饰”从数学上看是个什么鬼鬼。修饰之于单纯的相除,就好像X-bar之于CFG。象牙塔里的人可能不屑为之,我们编外游侠接手没什么顾忌。

【相关】

白硕:人工智能的诗与远方,一文读懂NLP起源、流派和技术

文章来源:https://read01.com/AJGzNQN.html

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《李白112:白老师秘密武器一瞥(1/2)》

立委按:两载设计,三载实现,白老师的自然语言秘密武器日前曝光。十载孕育,如水流年。挑开面纱,犹抱琵琶,先者为快,一睹芳颜。

白:坑之交响曲:

脑补进行时:

李:白老师的符号给个说明啊,L是左 R是右。LMo 是左成分 不占坑 属于 mod/adjunct,LMa 是左成分,是填坑的萝卜,属于 arg,是不是?

一个及物动词挖了两个坑 2N,左边填坑的叫 LMa 右边填坑的叫 RMa,什么时候确立他们的逻辑主宾呢?

Me 是个什么?条件结果的谓词之间“(如果)选择,(那么)看好”是 Me,动补合成词内部的“哭-肿”也是 Me,所以这是个表示并列或接续的二元关系,不分词法句法 也不分短语还是从句。

二元关系图里面 层次扁平化 结构层次没看见有反映。X-bar 这类层次信息一多半属于语言 一小半属于逻辑。属于语言的可以扔掉 属于逻辑的应该有个表示。起码 “哭-肿” 的二元关系 与两个谓词结构的因果关系 在层次上天差地别。对于 dependency graph 表示,如果不允许逻辑交叉的“飞线”,层次信息可以从子树中 derive 出来,短语就是子树的 parent node 所下辖的节点范围。以此反映思维中的复合概念与单纯概念的区分。但是,现在我们允许 dependency 可以交叉,甚至允许循环(dag 丢掉了 acyclic 特性,成了 dg),以此来挖掘语言中隐藏很深的 hidden dependency (譬如 “眼睛” 与 “肿” 的主谓关系)。这虽然使得深度解析更加深入,同时也带来了层次交叉以后的副作用。复合概念的边界和范围模糊了。逻辑概念的层次没得到应有的表示。图中的主次不再分明。

结构(表示)应该是由关系和层次两个要素构成,否则就难以担当语言的模型和思维的模型。其实 关于 graph representation,以及利用 graph matching 落地到应用,里面很多机制性的东西,还是没有探索清楚。属于深水区,摸着石头过河会不会不小心淹死,也不好说。

白:树是现成的,只是没有做展现而已。

回顾一下五个操作:Ma代表Match,也就是填坑,除了左右填坑还有中填坑,就是分子向分母上的残坑填坑。Mo代表Modify,也就是修饰。Me代表合并,不仅有S(谓词)的合并,也有N(体词)的合并。谓词的合并在传统句法看来那么多种情况,在我们看来其本质都是分子合二而一,分母尽可能共享,在结合的优先级上也刚巧非常合理地靠在一起。Up和Down是升格降格。在扁平表示中,采用了新增虚拟节点和方式,原节点汇聚入边,新节点汇聚出边,新旧节点间则是单一的升降格边。

这些范畴非常“冷血”,非常地就形式论形式,但不代表不能转换成主谓宾。但是,第一,我不认为主谓宾的叫法在句法上比我更科学;第二,句法标签只是个过渡,对接语义标签时,这套标签不仅不会输给传统标签,反而映射更直接,比如话题、大小主语、总分关系、谓语动词周边非逻辑主宾语的地位尴尬的NP。第三,这套标签不是不分词法句法,而是词法句法的边界在一些地方有异于传统认知,特别是紧定中式名词(如“红太阳、好朋友”等)和动结式动词(如“打伤、哭肿、染红”),由于在我们的体系下微结构和句法(比如动趋式、动介式)并无不同,所以放到句法里并没有违和感,也并不因此多费什么手续,完全是搂草打兔子,顺手的事儿。

这个体系会不会乱?我们用了将近两年的时间建立它的what,接近三年的时间建立它的how,经过了无数的推演、测试和复盘。在这样高强度的打磨下,传统语法书里的绝大部分难句都不是问题,也没有因此把普通句搞得不普通,基本结论是结果(what)可用、过程(how)可控。

解析结果保持歧义的能力也有独特风格,比如“鸡不吃了”是传统歧义句,但在我们的表示框架下,句法无歧义,一个左填坑,一个右修饰,如此而已。歧义是语义层面的,鸡不小心即是Animate又是Food而已。这两个角色在句法上都是左填坑的N,并无区别的必要。

如果落地要的是语义标签,我们可以直接去对接。如果一定要传统标签,我们可以做转换,但这就像高清晰度的视频向低清晰度的视频转换一样,我们并不认为它是一种成就,而是一种无奈。比如“这件事我有意见”里面,“这件事”和“意见”有直接的填坑关系,跟“有”没有一分钱的关系。你让我标注出“这件事”是“有”的什么角色,我当然是很不情愿的。


我们说动结式动词的微结构和松耦合的述补结构在本质上是同一类结构,都是分子合并、分母尽量共享坑,但坑的共享是有相谐性前提的。刚才说到的“哭肿”就没有相谐的坑可以共享,所以只好各填各坑,但是分与合,都是在一个机制下的不同子模块而已,并不是说一个很好把握另一个很难把握,都在可控范围之内。

李:落地要的语义标签是逻辑语义,还是语用的标签?语用标签譬如信息抽取里面的事件角色。

白:公共服务落地是逻辑语义标签,应用落地是语用标签。中间隔一层适配。

李:这个落地模块 需要多少额外的知识呢,包括语义相谐。

白:适配具有行业特点,不懂行业没门儿。

李:逻辑语义原则上是行业独立的。

白:也不可能一家公司包打,一定会发展出众多的落地服务商和落地适配包。主打逻辑语义的公共服务,在足够精准的前提下是有独立商业空间的,如果再做几个示范的语用落地,表明生态效应和层次衔接机制work,后续还会有大发展。就好比,逻辑语义提供面粉,应用落地提供面包蛋糕包子馒头。面粉的供应商有自身的商业空间。面粉也需要好的面包蛋糕包子馒头来背书自己的质量。

李:说这些 道理上站得住,听起来好遥远。parser 要独立成为生意,感觉很难,NLP component technology 定位的,迄今几乎没有成功案例。不是没人尝试,而是没人成功,除非今后几年有突变发生。(满世界只知道端到端呢,最近加了个普遍看好的预训练,离开符号语言学更遥远了。)

如果句法就3种关系,嫡系 Ma,庶出 Mo,哥们儿 Me,从数目上看 这不仅比 100种逻辑语义、也比 五六种传统句法关系(“主谓宾定状补”之类)要粗线条。说这个 what 是高清,感觉还不够。

白:这个标签体系显然不是逻辑语义,但它可以直通类似知网的逻辑语义体系。说直通的意思是,拓扑基本上都对,只是需要细化。谁跟谁有关系基本都对,什么关系需要细化。不像有些拓扑都不对的,细化起来遇到的麻烦大得太多。

李:从这个 what 匹配到逻辑语义,是一对n,必然需要更多的知识和做功。

对于短句,标签集很小的时候,凭着词典的预示信息,句法基本不是问题。到了长句 可能挑战就来了。短句不是问题 就好像过去社交圈小 但每个人都必须结婚,谈恋爱就特别容易有结果,因为没得选。很多时候 门当户对以后 候选只剩下一个 那就ta了。

白:结构就是用来拉近距离的。依托结构拉近的距离,比望文生义拉近的距离,更为精准。

李:词典在类别基础上所给的那些subcat预示信息,譬如 S/2N,这类 subcat 也是粗线条。即便原子化 平铺开来 也没有多少,估计 20 个左右。

白:这不算subcat,只是POS

李:上面的标签 S/2N 传统词典是 vt,属于 V 的 subcat,不过叫什么名字无所谓,总之是预示一个潜在 pattern 的词典标签。这类标签的集合 感觉20个可以收住。在 20 个标签以内做句法,结果的关系是 3,这应该还算是粗线条的。

让人眼亮的是这种颗粒度 的确是句法最核心的部分,在回答 “谁与谁发生 directed 关系” 的问题上,是一个不错的抽象。

短句容易做粗线条句法是显然的 因为没得选,“这件事 我 有 意见”,一共两个潜在萝卜 n1 n2,正好有两个坑 空着,“我” 被 “有” 抓走以后,“意见” 的 【对象】 只剩下 “这件事”,不是它 也是它了。

白:还有另一面,明明空着,也不进来。下例中,“今年”,“食堂”,明明是最贴近坑的萝卜,但不是你的坑,打死不填。宁可降格做状语。这就不是那么简单了。还有前面“这碗猪”也不能谈婚论嫁,要等“汤”拉近,这背后有玄机。绝不是一个村里没婚没嫁就可以拉郎配的。

李:这里面玄机如果不论 how 就没法评论了 只能说不明觉厉,特别是“食堂” 不填坑,句法上有点天理不容。

白:所以这样的结果,转换成主谓宾,得多憋屈。那是后退。前进一步,就是精准的逻辑语义。拓扑都对了,就差一个相当于知网的基础设施。

李:可是反过来想,“吃” 与 “食堂” 发生了关系 是肯定的,这个关系中 “吃” 是老爸 也是无疑问的。为什么要把 arg 与 mod 的区分负担,强加给句法,而不是留到语义或语用呢?

“鸡不吃了”里面的主宾歧义句法都可以包容,为什么不可以包容 arg 和 mod。如果句法最好轻装 那就听乔姆斯基的,彻底排除语义,现在看来 这个 “食堂” 的降格 是带入某种语义了。反正 map 到逻辑语义的时候 还是要调用语义约束,想不出为什么一定要有选择地把部分语义前置。

白:语义arg无边无际,句法管不过来。我的原则是:标配的语义arg走填坑,非标配的语义arg走修饰。

李:“我吃月亮” 呢? 现在也降格吗?

白:是。

李:感觉是得不偿失。因为不降格做引申意义的宾语情形,应该比降格做状语的现象更加普遍。

白:“这场火”,也降格。月亮可以是处所啊。怎么非常识了?

李:比起传统的svo句法解析,个人感觉这样做是得不偿失。要是我,就宁肯放宽语义约束,得到一个非常识的解析,也比过早实施语义约束合算 命中率会更高。 这当然只是感觉,还需要数据调查和统计来验证。“把月亮吃了”,就是“非常识”,而非常识的说法 语言中也没有那么罕见(“一片乌云飘来,吃了月亮”)。原因是 非常识为语词的 引申,创造了条件和手段。说话者是用不相谐 来倒逼听话的人去联想 引申。

白:修饰,只是非标配的语义坑而已,不明属性,并不是语义层不能再入,这个修饰的标签并不给语义分析设置篱笆墙。只是说他非标配,非标配的后续,既可以脑补缺失的非标配格标记,也可以作为修辞手段再入标配格标记。两个可能性都存在。并不存在“失”,只有“得”。

李:设不设篱笆墙,说到底还是 句法输出以后,后续工作量 是增加了还是减少了。把“食堂”和“月亮” 都降格了,后续工作量 感觉是增加了 而不是减少了。因为 月亮被吃这类的表述 比 “吃食堂” 这类表述 数量为多,何况 吃食堂其实已经词典化了,本来就不该参合进来的。关键在 它不应该在歧义区分的雷达上,属于常识例外。词典绑架 没商量。

白:工作量不是唯一标准,有利于精准才是最终标准。再入,实际上你可以认为引申受事和常规受事是两个格标记。

即便词典化,微结构仍然是修饰。吃七食堂,吃教工食堂,并不是词典化的,但我们不怕。

李:那种叫成语活用,在词典绑架的延长线上。实现一个成语活用的机制 也就可以不来参合了。

白:吃勺园,吃全聚德。吃麦当劳 … 也不是成语活用,但背后是一个机制。它们如果走了不同路径,反而奇怪。

李:这是真歧义,“吃麦当劳” 作为地点和食品 均可。这其实也成语化了 真歧义也可以在词典绑架为歧义表述。

白:就算吃食堂是词典绑架,但其词典定义依然是S/2N,并没因为“食堂”的加入而变成S/N,这恰恰证明“食堂”填的确非标配坑。

李:话说回来,只要句法不必调用语义相谐的大数据,而只是使用语义标配的二值判断,那不过是查一下本体,也没什么可批评的。不过就是两种各有利弊的路线 择其一而行之。

白:不一定二值啊,可以连续值,折扣么。

李:如果折扣的话,

我吃月亮
我吃石头
我吃土疙瘩
我吃面疙瘩
我吃疙瘩

这些解析结果应该有区别,而不是都降格,或都是宾语。

白:对啊,看你Ontology怎么设计的了。这与分析器无关,取决于Ontology的返回值。

李:返回标配是二值,还是多值,多到什么程度。

白:连续值,看小数点精度。但是0.2和0.3的差别,估计不足以颠覆。能够利用梯度最理想。

李:哈 你这一球踢出去 倒是轻省了,对了是我的,错了是你的。

就是说,ontology 供应商的相谐颗粒度,不一定是二值 但也不要超出太多,多了反正也没有区别,也许三值 很搭/较搭/不搭。也许四值。ontology 供应商最好是婚恋交友网站的架构师出身,懂得如何配对。

我还是没理解 从设计上为什么句法要在 “嫡系/庶出” 上较真,非要劳动 ontology,而在 “主语/宾语” 上反而不较真。反正提供的是半成品。从逻辑语义角度 语义也还是不全的。

白:我觉得这太显然了,这事儿不正是Ontology该做的吗?要站在比它们俩都高的视角看他们俩。句法和本体,我们的方法论是,句法要给出对的拓扑。为此,Ontology、情感、事理都是必要的补充。

李:细节不纠缠 逻辑语义可以算是一个唯一可以公认的语义理解的黄金标准了。arg 与 mod 的区分,本来就不是黑白分明的。这个对错 不好说。

白:但是构建逻辑语义层的输出,虽然也同样使用Ontology 、情感、事理,但是用得更重。这两个方向的用,不可混为一谈。

李:所以说是 双重使用啊,重复劳动。

说起 arg 与 mod 的嫡系和庶出 有点意思 可以展开简单说说。args 是计划内的婚生子女,主语、宾语、宾语补足语,名正言顺,所以受到父母特别关照。mods 属于计划外的秘密勾当。因此,总是 parent 去找 args,利用 subcat 的计划内指标。到了庶出的 mods 就管不过来了,只好是 mods 去找 parent。千里寻父 叫父亲太沉重。

可是这一切的句法区分都是世俗的角度,语义层面 嫡系和庶出并没有那么大的鸿沟,都是围坐在天父身边 各司其职 各有角色。所以说 句法费力气区分嫡系庶出 为的是服务语义和理解,可是 语义那边偏偏对这种区别其实没那么敏感。为啥?因为语义在分配角色的时候,更加看重本人的资质,而不是看重 嫡系还是庶出的出身。“有成分,不唯成分论”,重在个人品质。个人的品质,就是你到底离我的本体要求有多远。

白:就是因为庶出的不加标记的情况太稀疏,句法留这么多资源给稀疏的庶出,不值得。

李:反正语义那边还要政审把关,用的也还是ontology 资质审查,为什么句法还要预审?

白:此地预审,方便彼地直通。

李:我是说 费力区分 Ma 与 Mo,没多大必要性。如果这种区分 不需要劳动各种知识 那当然。如果需要费力 就不值得了。

白:从基础设施建设的角度,只为一个中间步骤建,当然越轻越好。如果建了既可以为一个中间步骤服务同时更可以为有独立商业价值的最终步骤服务,那就可以建的重一点。即使重,也包办不了落地适配。落地适配是一个既统一规划又独立实施的环节。也就是说,从一个必建的基础资源里顺手提取一些信息就可以搞定正确的拓扑,这算不得什么费力。劳动的方式非常清晰和标准化(相谐度查询),也算不得什么劳动。我们目前的算法也并不是对所有候选邻对都进行相谐度查询。只有当前动态优先级最高的邻对才做相谐性检查。

这个,显示还有点小bug,但是揭示了一个现象,就是嫡出的萝卜出现位置太远,需要许多中间步骤拉近。但一旦拉近,那个位置还是人家的,庶出的没脾气。远近并不构成威胁。把“你”挪到“食堂”后面,也是同样结果。“要是这个时间吃食堂你就只剩下包子了”,用传统句法范畴分析这个“你”,就很莫名其妙,它跟“剩下”是主谓关系吗?但是论坑,一点关系没有。它跟“吃”是主谓关系或者述宾关系吗?论坑是的,但是形式上却完全不在那些位置。甚至跑到了另一个从句的辖域里面,要多尴尬有多尴尬。谐我坑者,虽远必填。

李:好例。改造一下:

“要是这个时间吃食堂你就只剩下二厨了 大厨早就自己躲一边吃包子了”

“二厨” 比 “食堂” 如何? “包子”更远 但相谐,为什么不能虽远必填?

“要是这个时间吃食堂 大厨早就自己躲一边吃包子了。”

白:后面又出现了“吃”,截胡了,“包子” 第一次就近填坑。

李:填 “剩下”,与 填 “吃”,不都是劫持了吗?

白:“剩下”的坑,抽象度比较高,万金油。我们的说法是“置换”,就是把首次填的坑从占名额的调整为不占名额的,后续填的坑再视情况决定占不占名额。

李:就是说 对于远近两坑,还要做比较计算,来决定截住没有?

“要是这个时间吃食堂你就只剩下二厨了 大厨早就做完一屉包子回家休息了”

“做完” 与 “剩下” 差不多,都是万金油 vt,截住没有?

白:这个还真可以有。但前提是,子句之间得有依据是连接的。大厨做完了包子,不一定卖完。

李:人的理解,首选不是包子,而是二厨做的档次较低的食品。大厨做的包子 轮不到。

白:如果两个子句只是最低档次的连接(next),还真未必建立坑的共享。但是用连接词连接的,肯定可以共享。

李:有一万个理由否认,因为说话语气是可惜和后悔,想吃大厨的口福 你享受不到。谁叫你迟到呢。共享与共产共妻类似,是高危操作。

白:你那里只有空格,没有上句和下句的明确锚点,不在我们的共享白名单里面,不能建立Me,所以坑里的萝卜是带不过来的。跨小句需要白名单制。前提是:1、甲小句不饱和、2、乙小句有供给、3、两小句连接方式在白名单中。

李:嗯,虽远必填 限定在句法关系圈内,也是一说。

“要是这个时间吃食堂 厨师都出去买海鲜了。”

这个应该是 Me,因为符合 “要是…就…”句型。

白:对。

单从本体看海鲜就是加分的,但是事理是减分的。吃在买前,不符合事理。不符合事理的会减分,就看二者抵消成啥样了。

李:这个事理如何用 感觉漫无边际,“先买后吃” 这样的常识事理,何止以万计。

白:但是人就是这么判断的。这是长尾,攻击到本体的概率有限,不到落地肯定不做。

李:所以 句法一般不带入事理常识,语义语用才考虑用。

白:句法只是中间产物,又不是产品。加了边还可以砍啊。砍了边再加就不那么简单了。有一万种方法砍。一个公司既做句法也做落地,没必要维护句法的面子。整体可以就OK。句法提供的这些边,送神容易请神难。

李:就是大体了解句法模型,用到几个维度的知识,用到的维度 颗粒度如何。之前论过 维度多了就是一锅粥。如果符号逻辑最终还是一锅粥,那就不如索性舍弃符号。因为一锅粥最终丧失了符号的优势。可解释性不再清晰,可定点纠偏也丧失了。

白:还是要区分表示和控制。表示是符号的,控制是符号与神经结合的。这没什么不可以。

(未完待续…… 《李白112:白老师秘密武器一瞥(2/2)》

【相关】

白硕:人工智能的诗与远方,一文读懂NLP起源、流派和技术

文章来源:https://read01.com/AJGzNQN.html

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《李白111:范畴细化与语义相谐的知识爆炸》

白:“张三不满意李四没有表扬自己”“张三不满意李四没有批评自己”

这个是情感倾向性决定“自己”共指关系的例子。虽然,default建立得很脆弱。外面有个风吹草动就可能洗牌。比如张三和李四绑死了是一伙儿的 等等语境引入的预设。

“把鸡咬死的虫子扔了” “把鸡咬死的狐狸跑了”

李:好例。

微瑕是,鸡吃虫 论咬吗?虫无骨 没咬劲儿。

白:“中国北京是首都”当中的“中国”是啥成分?“这支队伍我是当家的”当中“这支队伍”是啥成分?

“这个人我感觉很蛮横”“这个人我感觉很舒服”

插入语一旦确立,应该封闭与外部建立hidden links的通道。什么“你知道、我认为、他觉得……”当中的你我他,都不要再花心了,安守本份即可。

李:

“有点乱,有点乱……”

想起周华健的“今天我有点烦 有点烦”。“当家”与“队伍”挂上是对的,可貌似关系颠倒了,这 S2/mCL 肯定是个🐛,需要 “de- de-” 的。

白:队伍和当家摘开,并不明智。

李:debug 过火了耶。句法负面影响了语义。应该弱化句法。

昨天/前天 说了,这 Topic 如果是人名, 默认就是“呼语”,如果不是人,那就是状语,什么状语?很可能表示 scope(范围)。

把“的字结构”也做过火了,结果 “的” 成了 S2(hidden subject), 反而 “我”没有直接做“当家”的主语,虽然道理上可以通过与 “的” 的 coreference 推导出来。

白:王冕死了父亲,王冕也是状语?

李:不是。王冕是句法主语(synS),不是 Topic 降格。

白:“人” 给 “队伍” 当家,这坑都在。“的”不占名额,回指到定语从句里没事的。 空出一个坑留给“队伍”。

李:那个坑感觉不强烈?“当家” 需要一个 范围。可啥东西不要范围?就跟时间 地点似的,啥事儿都发生在时空及其范围之中。

“当家” 词法上是动宾 感觉饱和了,其实不然 它词义是 manage,与其说范围,不如说需要 manage 一个对象。但是词法饱和(“家”已经做了“当”的词法宾语)的残留影响还在,所以这个句法宾语的坑只好退化为范围状语,逻辑语义上其实是【对象】的。

白:不一样。在真正一个家庭里当家,范围是默认的。在一个“拟家庭化”的组织里当家(掌权),这个组织就是需要凸显的范围。这是隐喻固化导致的,跟一般动词的范围不可同日而语。从非标配坑提升到了标配坑,于是就获得了参与句法构建的资格。

李:成葫芦了:

白:这就靠谱了。还可以画成公鸡🐓

李:传统 parsing 怎么可能做到这个深度?PennTree 的标注太浅,PSG 的本性也无力表达到这种深度。

群里面专门修过乔姆斯基语言学课程的朋友说说,对于这种语义谓词隐藏较深的,乔姆斯基句法是怎么最终达到他的 logical form 的?还是根本就不管,当不存在?逻辑形式的核心类似一个SVO: <我 – 当家 – 队伍>。

“这支队伍我当家”。

白:这样就可以啊:

李:N[+1] 变成 N[-1] 啊,狸猫换太子的感觉。+1 是左,-1 是右,这个指针运算还蛮溜的。

白:这是把“是”当S+使,把“的”当+S使。偏移量。残坑出自“当家”。辖域合并不交叉,指针还原就交叉了。

李:传统语言学里面的 subcat 没有这么丰富细致,CG 细化过来的,主要是词典功夫。乔老爷好像在 subcat 上没强调细化。

subcat 的范畴细化 还不够,因为范畴细化 不加上语义相谐的支持 仍然导致伪歧义泛滥。在专家词典学派看来,范畴细化+语义相谐 成为一体了,那就要求词典成为知识库,等于是把语言学词典转变为 HowNet 了。HPSG 其实就是在专家词典学派这条道上,想走 没完全走通 就式微了。

白老师是分开了范畴细化与语义相谐。可是展示的 parsing 全部是范畴细化,相谐的工作机理语焉不详。所以 看白老师的 parse 图,结论是,就这些子范畴,运算起来,这路是 “应该” 通的。其他不应该通,但实际上也通了(伪歧义等),就不在雷达上。

白:这是what,不是how。what我希望更多的人理解和支持。how的商业属性就太强了。当然,这是结果,过程中不仅使用了这些。

李:就是。

what 似乎也不齐全,只是展示结构的 what,没有展示结构的功能性(角色)。所以,作为学习,这里有两个空白需填补,一个是 how,尤其是语义相谐机制,怎么招之即来挥之即去的。另一个是逻辑语义,逻辑语义怎么在句法或逻辑的链接基础上得出的。当然这二者是相关的,前者是条件,后者是结论。目前展示的结构树图就是个架子和桥梁。

白:这是一套资源向两个方向的延展。向句法方向就是前者,向语义方向就是后者。而且是句法方向退一步,语义方向进两步。

但是认真地说,本例,真的不需要语义相谐性,纯句法层面就搞定。

李:不是说本例。所以说是 (语义相谐是)招之即来 挥之即去耶。

那个 “专家的” 或 “大数据的” 语义,像个鬼影。说是要做个不是 HowNet 的 HowNet(《知网》),数据驱动的。怎么做?

这与最近NLP主流特火的预训练 也许殊途同归?预训练是个好东西,听上去就是阳光大道。就是不知道今后几年的使用中 会遇到什么坎儿。

白:新一代NowNet,早晚要做。但是不能跟场景两张皮,必须通盘顶层设计。

李:架构上,我看好预训练,关注它的走向。道理也简单 我们一直孜孜以求的就是把语言学和领域先分开,然后再连接,各司其职。预训练就是先分开,而且不用标注语料,这个语言模型等于是在无穷语料上架设。所有的语义相谐和常识理论上都应该在预训练的模型里面(间接)反映了。

白:“他们让我从侧门进大楼”“他们让我跟太太进大楼”

“侧门”(N/N)的宿主是“大楼”,“太太”(N/N)的宿主是“我”。这要动用本体了。这俩的对比很有意思,纯句法肯定搞不定。

李:

白:侧门和大楼没挂上,侧门的宿主是building。所以building下位一定相谐。大楼小区之类。

李:知道。HowNet 都有,但不好贯彻。

不确定要多大的语义相谐合适。如果大面上说 只要是 part 就与不是 part 的 physical object 相连,那是手到擒来的事儿,怕的是副作用。会不会连得太多,因为 part 和 physical object 都是范围很大的本体概念,概括一大批语词。如果说,细化到 “楼” 与 “门”的本体,就非常相谐,没有顾虑,那就需要一个完整的 hownet 本体知识,可是 我对 hownet 的使用 目前是限制的,不想进入语义泥淖太深。HowNet 董老师自己用 得心应手,其他人用 就颇不易。

白:知识必须是机器可读的。

李:hownet 是机器可读的,或者说 形式化的。

白:机器可读的最好办法就是向一个丰富的技术栈靠拢,否则自己从头建立技术栈,得不偿失。但是董老师对此并不感冒。

李:subcat 以及 sub-subcat 的语义关联,有点组合爆炸的味道。本体自己从细到粗就是一个不小的集合(上千的 vocabulary),本体与本体的相谐 就是组合爆炸。如果组合粗线条 不会爆炸 但失去精准,如果细化 把 HowNet 全部引进,相应的规则集也有个组合爆炸的细化过程,有可能不好管理和维护。总之 现在是控制使用,不想步子迈得太大。

白:还是要区分what和how,what本身无所谓组合爆炸,只有how没做好才组合爆炸。向句法这一端延伸,只用到少量资源。机制必须是轻量级的,重了适得其反。

时代呼唤具有更好场景对接能力和顶层设计理念的新一代“类知网”基础资源。

李:语义常识是一个多大的坑啊,淹死人不偿命啊。谁设计 谁来组织去做?个人还是开源社区?最后 谁用?怎么用?除了设计 白老师可以统率 后面这些问题都还不好回答。

白:要分层,基础层给专业层用,专业层给用户场景用,但是必须统一规划。知网也没搞成开源社区。这东东,不容易协调利益。除非使用区块链。关于知识长什么样如果没有统一的顶层设计,本体和场景一定是两张皮。

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《音乐心情故事:童趣回放》

女儿小时候的录音不多,仅有的几段大概在 iPod 里录的音,随 iTunes 转到了 iPhone,车上常听,与音乐一起化为岁月的记忆。

小时候就特爱说话,甚至有点饶舌,话比思维快,喜欢显摆童谣。录音里面有几个美国儿童的段子。

“boys go to Jupiter to get more stupider, girls go to college to get more knowledge.”

这是取笑男孩的。饶舌的甜甜现场发挥,富于夸张和强调:“what do you want me to say now? boys go to Jupiter , do you know the planet Jupiter? they go to the planet Jupiter, once they get there, they get supider and supider every second. And girls they go to college to get more knowledge and knowledge into their brain on their head.”

“Eeny, meeny, miny, moe,
Catch a tiger by the toe.
If he hollers, let it go,
Eeny, meeny, miny, moe.

My mother told me/says to pick the very best one, and you are not it.”

这是非常流行的“选择”童谣。小孩子面对两个或多种选择的时候,不知道选哪一样好,就口中念念有词,一边用手在选择物之间轮流数着,道理上应该是童谣完了手落在哪个选择上,就选择哪个。可是,儿童的心理是微妙的,很多时候内心其实有了一个所指,为了最终得到自己想得到的,表面上还跟着童谣走,孩子们学会在童谣后面,打着家长的名号,用肯定或否定来保证自己不要落到自己不要选的东西上:如果最后落到中意的选项上,就说 “My mother told me/says to pick the very best one, and that is YOU”. 否则就改口说:“My mother told me/says to pick the very best one, and you are not it.”

可见,生活的智慧,从儿童就开始滋生。明明是自己的愿望和选择,却包装成命中注定,或听命于父母大人。

(cf: https://en.wikipedia.org/wiki/Eeny,_meeny,_miny,_moe)

“You know what
Kick your butt
All the way to Pizza Hut

While you’re there,
Comb your hair
Don’t forget your underwear!”

里面有个片段说学校的事儿。回家说的这个故事是小女孩玩家家的,也有微妙的儿童心理:

“I said that I am the Princess of Jewelry because one of my friends and buddy said that she looked at my jewelry I brought to school.  What happened is she was so surprised and she loved it … she said that I am Princess of Jewelry and she is the Queen of Makeup.  Next time I am going to bring new jewelry, she said that I am the Queen of Jewelry…… No,Daddy, Jessica said I am the Queen of Jewelry if I bring some new jewelry tomorrow.”

显然这个小女孩 Jessica 是精明的,有小希拉里的情商。她见到甜甜带到学校的那些“首饰”(女孩喜欢收集的那些小玩意儿),先是恭维甜甜是“首饰公主”,然后自封自己为“化妆女王”。甜属于比较傻的那种,一听恭维,高兴得不行。说明天要带更多新首饰去找女孩儿玩儿,带了新首饰,Jessica 就会封她为“首饰女王”了。可是“化妆女王”是“首饰公主/女王”的老板呀。跟孙悟空讨了个弼马温乐得不行一样,甜却非常高兴做女王的首饰运输队长。哈。

前后还有两段读书录音的回放。可以明显区别什么叫 native speaker/mother tongue,什么是第二语言。前一段英语故事读起来非常顺溜,有声有色。从幼儿园到小学一直就是英语的环境,在家里听的那点汉语无法匹敌。周末中文学校的课本文字,读起来就显得生硬。

说起来这都是十六七年前的片段了。

樱花季节,岁月如斯。

【相关】

Little Stories of Tian Tian

成长花絮

《朝华午拾》总目录

《李白110:深度解析,曲高和寡,值得吗》

白:“这首歌听过的都说好听”“这首歌听过的都说过瘾”

——什么好听?

——谁过瘾?

李:”过瘾” 这类词对人对物均可:我听这首歌过瘾;这首歌过瘾。

这就好比 -ed/-ing 混合了:exciting/excited。类似于 自动/他动 的零形式转变,“好听” 不同,只能对物。

白:“这首歌过瘾”可以看成,过瘾的正主儿没出现,但是使动的角色已经在那儿了。句法上鸠占鹊巢,本体上主客分明。

李:正主儿不重要,默认是 (令人)过瘾,这个“人”等于没说。

白:本体里“人”是出席的。linked data,首要任务就是不能掉链子。

李:本体是逻辑体系,不要掉链子。语言理解和表示,有所不同。本体等于是个认知背景,理解时候随时调用,也可以不调用。

“这首歌听过的都说过瘾 / 听过的都说过瘾 / 听过这首歌的都说过瘾 / 听过的都说这首歌过瘾 / ……”

白:句法上,不相谐并不一票否决,而只是减分。没有更好的选择,减分的选择也会顶上去的。但是在回答问题的时候,低分的选择会提示某种降低自信的折扣。

在c-command位置有多个置换候选,用哪一个自然会精挑细选;如果只有一个,横竖就是他了;如果坑已经被占满,c-command位置上无论有多少候选也是干瞪眼。

李:终于弄妥了。

此图像的alt属性为空;文件名为Screen-Shot-2019-04-11-at-2.19.32-AM.png

就是这图越来越不像树了,倒是更像那种叫四不像的动物。Topic 可以抹去的,不过感觉留下有益无害。真要逻辑较真的话,“的字结构” 与 “过瘾” 还可以连上 S 或 S2。痕迹都在,本体也支持,但懒得做了。连来连去,也还就是个 “的”字,连个名儿都没有。谁过瘾了?哦,听过的人过瘾了。 感觉没人这么问的。信息不具有情报价值,更像是从常识推导来的。常识常识,就是那种理应熟视无睹的不具备情报价值的知识。

白:推理,张三是听过的人,张三过瘾。

李:三段论是如此。就是不大容易想到啥场景会用上的,怀疑其解析价值。另外就是,语言表达中的确有清晰的情报与边缘的信息的区分,也的确有重要与不重要的区分。所以,单从语言角度看,也有一个什么一定要抓,什么可以放过的问题。所以,单从语言角度看,也有一个什么一定要抓,什么可以放过的问题。从情报性角度看,其实是不应该让常识过多介入的。常识之所以为常识,就是它不具备情报性。如果语言表达方面有意无意的漏洞或含糊之处都被常识“脑补”了,信息单元的情报性就被抹平了,主次容易混淆。

白:脑补的东西,一定有单独的标记。怎么可能允许一锅煮。“营业额超过了联想”也是需要脑补的。

李:人的表达和理解,都有很大的偷懒成分在。这一方面为了节能,节省带宽和脑力,另一方面也可能有个聚焦因素在。解析作为一个为表达通向理解所搭建的桥梁,也许也应该模拟逼近人的表达和理解中的聚焦和节能。所以 一直以来 句法以后做那些逻辑语义的 hidden links,总觉得是锦上添花 适可而止的工作。要做可以做得很深很全,特别是不断引入常识“脑补”,就有很多的 hidden links 可以挖掘。隐隐觉得这不是目标和应该着力的点。

白:不脑补,那张图摆在那里也是摆设。地球人都知道不可比,关键是,轻量级的脑补还是重量级的脑补。

李:这类例子很难说是需要解析的脑补。更大可能是在语用场景,是在领域落地的阶段,根据领域词汇和领域知识去补。这里有个区别:深度解析利用常识脑补,基本是不分领域和场景的,算是 boil the ocean。而到了领域场景,那是下一个阶段了,那里已经有场景聚焦和领域聚焦的考量了。

白:只做解析的立场和做场景的立场是截然不同的。下一阶段,未必是时间的先后,可能只是工序的先后。一个抓总的人需要同时考虑。

知网的设计者,除了翻译是直达场景的,其他很难说有多少场景驱动的东西触达了知网的架构和方法论层面。这也导致二次适配的工作量巨大。时代呼唤一个从方法论层面直接对接场景的新一代知网,or whatever 网

李:撇开MT,NLU 两大应用是:

  1. 知识挖掘 这更多是后台,离线,大数据。
  2. 对话,这更多是前台,在线,小数据。

当然,一个完整的交互系统,是两端都需要有的。现在看这两大应用,迄今为止,对于深度解析,需求不大,不明显,也许更多是因为还没找到可以利用的巨大潜力。

白:层次残缺。

需要解析器、本体、领域适配包协同工作,不能各行其是。

李:端到端的系统不去说它了,即便是想努力使用NLU的,在这两大应用中,凭实际经验看,对于 shallow parsing 的需求,远远大于对于深度解析的需求。shallow parsing 主要就是 NE 和一些 XP 抱团,这方面做好了,可以立竿见影。超越 shallow 的部分,用起来感觉不在痛点上。

也许是还没到那个火候。

白:现在的需求不是真正的需求,因为没有把各环节的潜力展现给最终用户。还是没做好。

李:总之,日常的开发实践和场景,不断把我们拉向 shallow 的工作。这些都是非常琐碎的,基本是资源堆积的领域性工作。也没有那么大挑战性,只要有人力 有资源,总是可以大兵团作战,以资源取胜。而具有挑战性 让我们着迷的深度解析,却发现性价比很差。做了白做的时候居多。

全世界都做对话系统,问题于是简化为 intent/slots,说白了,都是既浅层又领域的目标定义。intent 根本就没有语言学定义,不具备任何普遍语义。intent 完全就是根据目标应用所需要的 actions 来定义的语用意义上的“语义”,是典型的端到端的反映,没有可移植性。就是对于输入问题的一个针对具体应用(skill)的classification,1000个skills 有 1000 种不同的定义。这些是当前的“范式”,浅得不能再浅,但证明是可以 scale up 和有效的,前提是有资源去做。

“听过这首歌的都说好听”:

“都说听过的这首歌好听”:

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《语义群笔记:端端的端到端》

白:“盼望长大的童年”

本来是歧义,常识把它变成了伪歧义。“长大的”和“童年”不搭。

李:“盼望长大的童年”,可以问:1. 谁盼望长大?– 童年;2. 盼望【谁】长大? — 童年;3. 盼望 可能有两个 【human】 的坑。类似的例子有:“盼望到来的幸福” vs “盼望幸福的到来”,当然 还有一个 盼望- 长大(了)的童年。

虽然说似乎不合常识,概念来点弹性的话,也不是说不通:童年的定义里面虽然有没长大的意味,在类比和修辞的意义上,两个概念可以做各种关联和联想。事实上,“不搭”才是诗意的简单有效的手段,保证了想象的空间。

“这就是我那位想买你别墅的朋友”

白:【打败你的不是天真,是“天真热”!】

李:不是天真,而是天(真)热:

白:“它是一个不断松弛的过程,到头来,已经没得松可驰了。”

李:没得松可驰了 还是 没得弛可松了?没得澡可洗 从来不说 *没得洗不澡。当然 “松弛” 虽然 比照 “洗澡” 的动宾离合词 但自己并不是动宾 而是并列,因此 换位了也不觉得。没得学可习 还是 没得习可学?

成语活用 只要愿意花时间 不是问题 问题仍然是 有多少用场。

Lai:@wei 有什么深度学习有效的方法可以发现这些Dependency?

李:不知道 据说只要有标注 就不是问题。

郭:斯坦福的陈丹琪(danqi chen)和她的导师Manning有个深度学习的dependency parser。应该算state of the art。开源,是stanford coreNLP的一个模块。

谷歌基于这个工作,做了个大数据版,据说准确率“超过人类”。也是开源的。

李:标注可以让目前的系统先自动做,让人去修正(只修正黑白错误,不修正模糊地带或不清晰的地方),这会大量节省人工,所以数据也不是大问题。最大的问题是,这些 dependency 出来了,懂得如何派上用场的 不多。在大半个世界都迷信端到端的时候,缺乏资源去用的话,parsing 就是面壁十年的玩偶。

白:端到端不是问题,问题是端不能容纳结构。

李:神经MT 就是一个端到端典型示范。一端是串 另一端还是串 为什么要容纳结构。只要有可以监督的数据 信息抽取也是如此。

白:关系抽取不是这样的。

李:以前一直以为抽取乃是我结构的长项。最近朋友问我 如果是抽取关系,现存数据库就有亿万,表示 locationOf,whereFrom,bornIn,bossOf 等等关系。这些关系的两端 都在数据库里面,用他们去找语言数据 可以产生难以想象的不用人工的标注大数据。结构的路子一定可以匹敌这种大数据?我觉得很难。这与mt可以一比。

还有一些端到端 结构无从下手 可是端到端可以派上用场,譬如 图片转文字看图说话,和文字转图。这些事儿 有了结构也难以缩短距离。玩结构 玩理解 应该在小数据 多变的domains 以及数据虽大 但无法监督的情况下。这时候 人家“端端的” 根本就不跟你玩,视而不见。另一个就是 打下手 做小三。在人家玩剩下的某些短板上 玩补充作用。譬如 mt,张冠李戴这类问题 可以帮上忙。

神经mt最不可思议的突破是顺畅度。这是当年认为mt无解的一个方面。突破带来的副作用是损失忠实,这点损失 符号结构派其实可以擦屁股的。结构派有个貌似真理的预设,自然语言千变万化 唯有结构化才可以变得 tractable。这话实际上并不尽然。结构化的确可以导致 以较少的patterns 捕捉较多的现象,可是 对于“端端的”系统 对于海量容量和算力 这种 generalizations 的意义大打折扣。推向极端 如果有个现象 两个 patterns 可涵盖一千个变体,如果我真有充分的数据 可以看见这一千个变体足够的重复,全部记住了 或者用另一种非符号化非规则化表达了 embedding (嵌入)抽象了,那么那两条 patterns 还有什么优势呢?何况 符号规则化的本性就是不够鲁棒 免不了漏掉点什么例外。

还有个有意思的现象。以前老以为 起码起码 结构化总是帮助提供了更好的基础 总是归纳了很多现象 没有功劳有苦劳。这个苦劳认不认不重要,客观情形是,满世界没几个人有兴趣利用,一多半也因为没几个人懂得怎么利用和消化,包括业界学习方面的牛人,曾经私下交流过,回答说,引入结构说起来应该有好处,但不好融啊。

绝大多数的端端学习系统有自己的一套比较成熟的 有广大community主流不断集体探索和积累的基于一包词或ngram的各种模型 算法和工具,语言结构横插进来,有异物感,heterogenous evidence,增加了模型复杂度,很容易得不偿失。

牛的 parser 能够开拓市场和被大家接受估计需要相当一段时间,其契机可能是: 1. 端端系统遇到瓶颈或死胡同,不得不探索其他路子的时候;2. 主流中的少数坚持探索利用结构或者结合AI理性主义和经验主义路线的融合派,在算法研究中取得了突破性进展,带动整个领域”产业升级“到结构化。

在此之前,基本上是自产自销,内部消化,用于目前主流“视而不见”无所作为的短板应用场景。(其实很不少,甚至 text NLP 中端端最成熟的 MT,进入领域由于缺乏数据也有很大短板。)

吕:@wei 大赞。

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《岁月如歌: 美错 / 雪落下的声音》

喜欢王菲的《美错》,后来周深也唱得同样好,为此自己编制一枚音乐风光片试试,背景是硅谷高尔夫乡村俱乐部(高档社区)。特别喜欢《美错》的歌词,为此曾经在白老师的语义群里 parsed 过玩儿。

本來相約他在海邊山盟海誓 卻找錯地方來到一個游泳池
滿眼湖水藍的美麗 你我就從那裡開始 藍色的漣漪鋪展一段回憶
你送我偶然從天而降的隕石 我一直誤會那是顆完美鑽石
不曾看見它的瑕疵 把它鑲在我的戒指 我也沒發現 有什麼損失讓我感情用事 理智無補於事 至少我就這樣開心過一陣子
不管他是真的你是假的誰是目的地 能自以為是也是個恩賜
不是來的太快 就是來的太遲 美麗的錯誤往往最接近真實
儘管昏迷有時夢醒有時不堅持 人生最大的快樂也不過如是
所謂醉生夢死 大概就是這個意思

为什么 NX(接续) 不是 C(宾补)?怪就怪词作者用的是 “相约” 而不是 “约”。大概是凑个双音节吧,句法就突破一点了。接续就接续吧。

很虚的小词(e.g. indefinite,默认),和已经 feature 化(e.g.【转折】)的小词,过河拆桥,扔掉。

这个 “的” 估计是 “得”, 可 “美丽” 并不是 typical 补语。解为 ((满眼)的 ((湖水 蓝)的 美丽)),也通。

鑲+在 合成动词,前者带过来一个 O 后者带来一个 C(locative),非常常见的构词方式。

从来没听说有人拿陨石当钻石送给女友,而女友居然把陨石镶嵌到戒指上。这段 romance 好奇异。

作为“外一首”福利,再来一枚风光音乐片,这次是周深的《雪落下的声音》:

美死人不偿命,据说天堂不过如此。对于住进去提前进入共产主义的一批硅谷码农特权阶层,他们无一例外全部蜕变为修正主义分子。

乡村俱乐部离硅谷市中心不过15分钟车程。朋友说 这个社区其实并不贵 山顶上的那座宫殿不过两千万美元 中等大屋两三百万。次贷危机那阵子好多法拍屋 也就一百万美元 比京上广别墅便宜太多了。

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《立委科普:语音交互时代是NLP的历史机遇》

越来越喜欢语音交互 这两天玩 Siri,Google Assistant,感觉还是搜索公司做语音交互更有前景。

为什么?因为搜索公司的知识源积累雄厚,不是其他 players 可比(不知道百度是不是以自己的积累优势 推出啥 assistant)。这是问题的一面,搜索公司做交互从回答开放问题方面,有天然优势。问题的另一面是,从问题解析角度看,搜索公司传统的优势不再。这给社交媒体公司和NLP创业公司留下了机会。以前做文本NLP,虽然可以 argue NLP 赋能的SVO搜索,可以大大提高关键词搜索的精准,但总体上感觉NLP想进入搜索,是针插不进的。

白老师说:这是商业模式问题。关键词作为标的,太成熟。

商业模式之外,还有个重要原因。很多年来,受众都被搜索公司潜移默化了,通过query log 可知,搜索框里面的 queries 绝大多数不是“人话”,就是几个关键词,而且搜索的人,越来越不管语言的词序与小词,因为经验教训都是词序和小词没用。这就使得NLP失去了合适的对象,优势发挥不出来。这边厢 关键词技术以鲁棒和长尾见长,NLP 真地是难以实现价值。可是,语音交互时代不同了,人开始越来越多学会直接跟机器对话,这时候,自然语言回归“自然”,被搜索公司洗脑的坏习惯 在语音交互中难以持续。

这给了 NLP 以机会。

以前老觉得NLP做文本比较成熟,来了语音转文字,多了层损耗。可现在语音技术成熟了,这点损耗不算啥。考察现有的交互系统,卡壳的地方多出现在 NLP 而不是语音转文字方面。

看目前 Siri 的水平,相当不错了,蛮impressed,毕竟是 Siri 第一次把自然语言对话推送到千千万万客户的手中,虽然有很多噱头,很多人拿它当玩具,毕竟有终端客户的大面积使用和反馈的积累。尽管如此,后出来的 Google Assistant 却感觉只在其上不在其下,由于搜索统治天下20年的雄厚积累,开放类知识问答更是强项。

最近测试 Google Assistant 的笔记如下。可以说,道路是曲折的,前途是光明的。

对于相同的刺激 回答不同 感觉是随机在同义词话术中挑选。

哈 nlp 卡壳了。搜索公司的backoff法宝就是搜索,卡壳了 就改成搜索结果。

卡壳以后 退到搜索以后 搜索结果有个质量控制,可能的结果做了排序。如果觉得搜索质量不高 或找到其他痕迹发现问题不适合做搜索。就用话术装傻:My appologies … I don’t understand(对不起 先生 我没听懂)。所谓“话术”,人工智能历史上称为“巧妙的欺骗”(artful deception,见《Church:钟摆摆得太远》)。这种欺骗是实用系统的永不过时的法宝之一。

thankful 的表述今天没听懂 但迟早会通过 bug 积累反馈过程 被听懂的 所以只要系统持续维护 机器对于日常会话 就会越来越应答自如 这一点没有疑问。语音交互虽然不像AI泡沫期望的那样立马改变我们的生活 但人机语音交互越来越渗透到我们和我们下一代的生活中 是一个自然而然 不可逆转的趋势。

知识问答 特别是开放类新闻查询 搜索的拿手好戏 这种搜索回应 不是退而求其次的后备应答 而是首选的答案。

所有话术都那么具有可爱的欺骗性,until 最后一句,莫名其妙回应说 this isn’t supported.

(顺便一提,上面终于发现一个语音转写错误,我跟 Google Assistant 说的是,you are both funny and sometimes amusing. 她听成了 and sometimes I’m using. 从纯粹语音相似角度,也算是个 reasonable mistake,从句法角度,就完全不对劲了,both A and B 要求 A 和 B 是同类的词啊。大家知道,语音转写目前是没有什么语言学句法知识的,为了这点改错,加上语言学也不见得合算。关键是,其实也没人知道如何在语音深度神经里面融入语言学知识。这个让深度学习与知识系统耦合的话题且放下,以后有机会再论。)

这就是胡乱来了。测试下来 发现句子一长 系统就犯糊涂。10个词以上就进入深水区,常常驴唇不对马嘴。

可是 即便后备到搜索 也不至于如此不堪啊 一点 smoothing 都感觉不到 整个一个白痴。再一想,估计是我原话中提到 long sentence 它给我找来一个讲 grammar writing 的博客。

所谓语音门户之战,看样子是个拉锯战,可能是持久战。呈两极三角态势。一极是搜索巨头,谷歌、百度,手里有海量知识和答案。另一极是社媒或零售巨头,离用户近,腾讯、脸书、苹果、亚马逊等。他们可以把端口部署到千家万户去。这两极各有优势,可以长期对抗下去。三角方面,似乎还有一个角,是给NLP技术或创业公司留着的。谁知道呢,也许在用户和知识源都不具备优势的时候,技术型公司会以NLP的亮丽表现异军突起,帮助或联合其中一极成就霸业,也未可知。

haha LOL,简单即王道。

王道是要有出口。上面的乱套是系统设计的毛病,不是AI自身的问题。

又看了一遍上列“简单为王”的反AI宣传片,又笑了半天。前后两个问题,其实是两种解决方案:前一个是产品层面的。产品设计需要有个 accessibility 的机制。当主人因故说不出话或说不清话的时候,应该有个类似为残疾人准备的后备机制。这方面苹果 iPhone 做得很好,它的 accessibility features 非常丰富 考虑到很多场景和小众残疾或不残疾的另类用户。第二个问题的解决方案是技术性的,机器人应该识别主人的声音,默认只听主人的指令。从产品层面看,起码应该是个可以 configure 的选项,不应该听到声音就去执行。

总结一下自动解析所依据的语言形式是什么。主要是三种:

1. 语序
2. 直接量(尤其是小词和形态)
3. 特征

前两种叫显性形式,特征是隐性形式。语言形式这么一分,自然语言一下子就豁然开朗了。管它什么语言,不外乎是这三种形式的交错使用,比例搭配和倚重不同而已。所谓文法,也不外是用这三种形式对语言现象及其背后的结构做描述而已。

摘自《自然语言答问》(to be published)

被搜索巨头20年潜意识引导/洗脑,人上网搜索的 query,第一不讲究语序,第二扔掉了小词(知道小词是 stop words 基本上被关键词索引忽略 有它无它不 make difference)。这就使得 query 其实不是自然语言,不过是一小袋词的堆积。作为显性语言形式,小词和词序很重要,因为自然语言很大程度上依赖语序和小词这样的语言形式,来表达句法结构和逻辑语义。这么一来,query 不是自然语言技术施展的合适对象。

在不知不觉就会到来的语音交互时代,query 被语音的 question 所取代,自然语言复归“自然”,这就为NLP/NLU发挥作用,创造了条件。人会不会把上网用的 query 坏习惯带到语音交互的现场呢?考察语音交互现场,可以发现,基本上人机对话的时候,有意识背离自然语言规范的做法,是很少见的。人说话虽然并不总是特别规范,但是从学会说话的时候就开始积累的语言习惯是难以人为改变的。至少不会像 query 那样“变态”和偏离自然语言。

这是NLP的福音。

回顾一下,历史上看NLP走出实验室的落地历程,大多是遇到特殊的机遇。第一个机遇是信息抽取(IE)。在IE诞生之前,NLP面对大海一样的语言,漫无目标,是 IE 让 NLP 瞄准实际的领域需求,预定义一个狭窄的清晰定义的情报抽取范围和种类。第二个机遇是大数据,不完美的NLP技术遇到了大数据,使得信息的大量冗余弥补了引擎质量的不足。第三个机遇深度学习,仍在进行时,现在看来海量语料的预训练可以帮助模型捕捉千变万化的语言表达方式。第四个机遇就是移动时代和物联网的到来,这使得语音交互开始渗透到人类生活的方方面面,反过来促进了NLP技术充分发挥其潜力。

有意思的是,与其说搜索巨头用一个小小的搜索框“教育”或误导了用户的查询习惯,不如说是用户在不断的搜索实践中适应了关键词技术。其结果就是那不伦不类的搜索 queries 的出现和流行。既然用户会通过正向反向的结果反馈,来慢慢适应关键词搜索不懂自然语言的短板,可以预见,用户也会慢慢适应不完美的自然语言语音交互。

怎么讲?

如果同一个问题有100个问法,其中80个问法是清晰无误的,20个是有歧义的,用户会慢慢学会回避有歧义的问法,或在第一轮被误解以后,会迅速返回到更加清晰的80种问法范围来。如果这 80 种问法,机器只涵盖了 60 种比较常见的,久而久之会出现这样的情形:一方面,只要机器还在持续维护和bug fix 的反馈回路上,所涵盖的边界会慢慢扩大,从 60 往上走。另一方面,用户也会学乖,慢慢倾向于越来越多使用更加常用的,已经被反复证实的那些问法中去,回到 60 的边界内。除了恶作剧,没人存心为难自己的助手,毕竟交互的目的是为达成目标。这样来看不完美的NLP技术,面对真实世界的场景,我们是有理由乐观的。

所有的软件系统,一个最大的好处就是可以确定地说,明天更美好。除非是非良定义或设计,同时开发维护过程也是非良的操作规程,软件的质量永远是上升的,最多是爬升趋于缓慢而已。因此,今天我们取笑的交互实例,我们为机器的愚蠢所困扰的方方面面,明天后天一定会逐步改良。

唯一感到有些可惜的是,语言工程本来是一个打磨数据的过程,很多工作应该可以共享的,避免重复劳动。但实际上,这种重复劳动还在大面积进行中,而且很长时间内,也看不到资源共享的理想平台、机制和架构,虽然预训练的资源共享看上去是在这个方向上迈进了一步,但有效利用第三方的预训练资源,帮助落地到本地产品和场景,依然是一个挑战。

【相关】

《Church:钟摆摆得太远

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

【一日一析:谁是谁同桌?】

白:“同桌偷了张三一块橡皮给我。”“张三偷了同桌一块橡皮给我。”

谁是谁同桌?

“同桌偷了张三一块橡皮给李四。”这个能说不?如果能,谁是谁同桌?

“张三逼同桌骂了李四一通”,张三的同桌无疑。“张三逼同桌骂了我一通”,含糊了,我的同桌也是可能的。说话人一直是“在场的(present)”,所以先行的语境里有这么一号角色在。“张三逼李四骂了同桌一通”,似乎又是李四的同桌了。先行与否、就近与否、旁路与否、一直在场与否,都对填这个坑的候选萝卜有影响。刚才列举的选择不同也说明了:兼语式的主支(含兼语动词的那一支)不是旁路,和介词短语不同。

“同桌当着张三的面骂了李四一通。”

好像,既不是张三的同桌,也不是李四的同桌。

李:解析器觉得是李四的同桌,大概是因为张三沉底了:

(解析忘了把 hidden link 加上,谁当着张三的面?“当-面”的逻辑主语是“同桌”。这个bug容易fix,结构很清晰。)

所谓伴随情况状语(attendantR),是附带性的谓词,与主句谓语不在一个层次。从句法层次角度,“同桌”更应该是“李四”的,虽然物理距离更远。当然,人的理解机制有点一团浆糊的味道,其实没必要把人的理解神圣化。在诸多因素参与角力的时候,人的认知理解和判断其实不是确定的,因人而异,因背景而已,甚至同一个人也会因时而异。

在物理距离与句法层次的较量中,不同的人有不同关联和解读,是正常的。这个加分减分的较量,即便有一个机制去计算,也没有一个确定性的目标去最终评判。最多是企望有个理解的容忍范围。何况,对于 heterogeneous evidence,整出一个合适的加分减分的算法,一直以来就是挑战。把不同层面的因素,整到(投射到)同一个平面折合成统一的度量,然后根据这些因素之间的冗余性,打合适的折扣,最终能做出一个最优结果,同时又能讲出道理来,听上去就让人头皮发麻。

寄希望于深度神经,哪怕“讲出道理来”这一条暂时达不到也行。

白:“同桌”挖了一个坑,这个坑回指(先行词填坑)时是清晰的,预指(后继词填坑)时是模糊的,一般都是说话人(“我”)填坑。如果硬要别人填坑,除非语境有所交代,否则默认说话人填坑好了。回指的规则就是所谓“最近提及+类型相谐”。

“李四骂了同桌一通”,同桌是李四的同桌。“同桌骂了李四一通”,谁的同桌就不好说了。但说话人的同桌是标配。

李:

白:旁路上的先行词,待遇差点儿:“张三当着李四的面骂了同桌一通。”好像还是张三的同桌。

李:如果所模拟的人的理解过程就是浆糊,再牛的算法,加上再大的数据,也没辙。也许,有些牛角尖不值得钻。如果是语言理解多项选择问答题,大概是这样:

问:“同桌当着张三的面骂了李四一通”这句中,谁是谁同桌?

答:

  1. 张三的同桌 (A)
  2. 李四的同桌 (B)
  3. 未知人的同桌(不是张三也不是李四的同桌:!A & !B)
  4. 既是张三的同桌,也是李四的同桌 (A&B)
  5. 不是张三的同桌,就是李四的同桌 (A XOR B)
  6. 任何人的同桌 (一团浆糊,语言未指明,A|B|…, 但不care)

【Parsing 标签】

1 词类:V = Verb; N = Noun; A = Adjective; RB = Adverb;
DT = Determiner; UH = Interjection; punc = punctuation;

2 短语:VP = Verb Phrase; AP = Adjective Phrase; NP = Noun Phrase;
VG = Verb Group; NG = Noun Group; NE = Named Entity; DE = Data Entity;
Pred = Predicate; CL = Clause;

3 句法:H = Head; O = Object; S = Subject;M = Modifier; R = Adverbial;
(veryR = Intensifier-adverbial;possM = possessive-modifier);
NX = Next; CN = Conjoin;
sCL = Subject Clause;oCL = Object Clause; mCL = Modifier/Relative Clause;
Z = Functional; X = Optional Function

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

【一日一析:“新买”、“新建”与“新修”】

白:“张三在北京新建的高科技园区里工作。”

“张三在北京新买的别墅里有两个菲佣。”

“张三在北京新建的高科技园区开工了。”

不能指望一本道了。必须走不齐。

李:谁买的?一定是张三吗?其实,也未必是张三新买的。非常有可能是他老爸老妈给他新买的,尤其在这个物价高企、啃老盛行的年代。

定语从句中的 args 毕竟非主线上,不是信息交流的要点。定从属于附带信息,除了较真的人,面对这类句子,没人去问谁新买的,或谁新建的,这样的问题。因此,没有答案,或答案模糊也没什么不可以。

“张三在新修的长城上拍照。”

为什么后者的主语施事不是张三?也许随他去。定语从句的 args 没那么要紧。

白:别墅那个,谁做了买的那个动作(谁付的钱,付的是谁的钱)其实不重要,张三取得了什么性质的产权也有得扯,但是张三达到了买别墅的效果,by default就是张三买的,如果有其他角色出来认领买的动作,可以override。没有就是他了,句法只能帮到这了。但即使有override发生,句法的贡献也不是负面的,只是说大家遵守的就是那样一种逻辑。

就好像,没说是什么鸟,我推断该鸟会飞,总是合情理的。你说出是鸵鸟,刚才的推断虽然被override了,但在信息不足的情况下做出那样的推断并不是一个bug。

李:”句法的贡献也不是负面的”,不错。不过,对于确定性不大的贡献,要看其求解难度来定是不是值得去做。往往可能费很大力气做出一个不重要或没啥实际价值的结果。更要紧的是,这样钻牛角尖,很可能弄巧成拙。细粒度是个好东西,但过细可能使系统精巧而脆弱。

ha 不该来的来了:“张三”新修(“长城”),“张三”没“拍照”?

“新买” 与 “新建” 的细微差别,使得一个单个的实体(“张三”)做不做逻辑主语 成为问题。这种粒度的知识推理实在太细了。到了“新修”,单个实体与群体似乎都可以做逻辑主语,这时候还要进一步看“新修”的对象是个啥东西。如果对象是“长城”,单个实体不可能做逻辑主语,如果对象是“厨房”,单个实体又可以了。细细琢磨人的认知心理,上面这些逻辑链条都有道理。值得去模拟求解吗?退一步看,虽然人的认知的确有这些细微差别,但是另一方面,人其实也不 care 这些细微差别。

白:“在北京”去掉了性质就变了。在……里,是一个形态显著的框式结构。“北京”融化在“……”之中,而且不排斥填“新建”的坑。另一个,“北京”填“新买”的坑不那么靠谱,所以让出来给外面的“张三”以机会。并不是光杆儿在比优先级。是里面发生了吸引/排斥,连锁反应传导到了外面。

【Parsing 标签】

1 词类:V = Verb; N = Noun; A = Adjective; RB = Adverb;
DT = Determiner; UH = Interjection; punc = punctuation;

2 短语:VP = Verb Phrase; AP = Adjective Phrase; NP = Noun Phrase;
VG = Verb Group; NG = Noun Group; NE = Named Entity; DE = Data Entity;
Pred = Predicate; CL = Clause;

3 句法:H = Head; O = Object; S = Subject;M = Modifier; R = Adverbial;
(veryR = Intensifier-Adverbial); NX = Next; CN = Conjoin;
sCL = Subject Clause;oCL = Object Clause; mCL = Modifier/Relative Clause;
Z = Functional; X = Optional Function

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

【语义小品:首尾相接,天涯若比邻】

白:“姐姐走了小明很想念。”

想念谁?怎么建立起来的填坑关系?

李:首尾相接,天涯若比邻。假设输入文句的词串如下:T1 T2 T3 …… Tn, 首尾相连的示意图如下所示:

处于句首位置的名词性萝卜“姐姐”(通常所谓 主语或话题),正好可以跳过句点填补处于句末的谓词“想念”闲置的坑,作为其逻辑宾语。赞曰:句首萝卜句末填,万水千山只等闲。

“姐姐说走就走了 头也不回 我们都知道可怜的小明很是想念。”

白:“姐姐穿一件貂皮大衣 闪亮的高跟长筒靴在张三身上踩了一脚 扬长而去 李四甚是同情。”

事理角度,同情弱者,不在乎首尾。

李:“姐姐穿一件貂皮大衣 闪亮的高跟长筒靴在张三身上踩了一脚 扬长而去 李四甚是鄙视。”

说首尾相连 是说一种搭配趋向。不应该参入人为语义因素来看这样的 heuristic,那样的话 啥都说不准了。

君在长江头 妾在长江尾。其所以会有越过远距离有这种呼应,是有结构认知的依据的。首尾分别暴露在外,没有两端外的顾忌。这是其一。其二 语言结构嵌套,无论右递归 还是中心递归,最外面的两个 tokens 是天然的最大括号的承接者。如果一个恰好有坑 一个又多出个萝卜 那就离绝配不远了。

白:结构因素和认知因素、事理因素应该通过某种折算,摆到同一个平台上来。势力较量,无非加分减分。分值至上。

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《语义小品:什么是隐含歧义?》

宋:


李:哈 hidden ambiguity,八角 vs 八/角。

白:要是语境含糊一点,未必不可以。这么清晰的语境,不激活都对不起作者。

李:当年八角就能炒一桌菜。一个整劳力天不亮上工 做到天黑 才能挣七毛八分钱呢。八角可能炒不了一桌菜(看什么菜了),够炒两三盘菜是肯定的。猪肉是7毛三分钱一斤 很多年不变的价格。一盘青椒肉丝 三两肉足够了。蔬菜比肉便宜多了。所以 不好说遇到“炒菜”的语境,八角就定死了。

钱是万能的,无处不在:八/角 不是一笔小钱。香喷喷的烤红薯大约一条5分钱,最多一毛钱。冰棍3分钱,奶油雪糕5分钱到一毛钱。

白:如果是投币智能炒锅,往锅里放八角钱很正常。此锅里非彼锅里。没有什么是定死的,都要看各方较量。语境只是加分而已,说不定别人加分更多。

李:正好用来说明隐含歧义(hidden ambiguity)呢。

a salt of fun…lol

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《哭送董振东老师》

董振东先生(1937-2019)

噩耗传来,人还在路上,深为震惊,感觉脑袋嗡嗡的。当时我刚下高铁,是我老爸最先传来的消息,比各群都早。老爸肯定是关注了中文信息学会的。他也常听我谈起过董老师。

老友尼克提议我写纪念文章。追随、受惠于先生三十载余,心中的怀念,千头万绪,从哪儿说起呢?

89风波后不久,第二届机器翻译高峰会议在德国慕尼黑举行。我代表刘倬老师在会议上介绍了我们的翻译系统,董老师也到会。会后,我们应邀去荷兰BSO公司的多语机器翻译小组,参加他们的 Chinese week,讨论把中文加入到他们多语计划中的议题,以及探讨中文处理的挑战(见《朝华午拾:欧洲之行》)。

很多年后,董老师给我来信说,孩子们整理老照片,翻出来一张在荷兰的合影,感觉很珍贵。Witkam 就是照片上的BSO项目组长,当年是他从欧共体争取到机器翻译项目的基金,BSO公司 match 另一半,这才成就了他们以世界语为轴心语言的多语言机器翻译项目的五年计划。其中的中文部分就是我为他们做的依存关系文法(我的《朝华》系列有记述【一夜成为万元户】:全是纸上谈兵的一套,但也勾画了中文形式化的雏形(见:【美梦成真通俗版】)。当年董老师对我的这个工作赞许有加。

荷兰BSO多语机译项目组长Witkam,董老师与立委(1989)

我也回寄了一张在高立公司一起做机器翻译项目期间的临别合影。高立公司那段是个机缘,我得以与董老师在地下室改造的办公室相处几个月,亲聆教诲。

高立公司CEO,刘老师,立委,董老师(1991)

那是 2013 年四月,董老师回信说:

谢谢。对我们而言都是非常珍贵的照片。那年我已54岁,但体力脑力还不错。又一个20年过去了。我还在想再挑战自己一把。至少我会把我们的基于HowNet的机译系统,一直做下去,看看最后会到一个什么程度。上次回去领奖时去看望了刘老师,他提及所里建议他还是再带学生。他觉得没有课题,经费不好弄,他没有应承。我回来想了想觉得他也许还是干点什么好。也许会开出个什么新天地。

我想你一定很忙,刚回来。Kaplan我已写过信了。他没有回信,只是把我的信转给了Weiner,即当年Microlytics的经理。我向他们解释了那年的事情。他们也就理解了。我也算放下了。

最近接到学会来信,2013年的计算语言学大会,看了他们的征文内容,觉得想说点什么,等我写了,也给你转去,供参考。

家里热闹了一番吗?女孩大了,不好太管。

振东

上周问过你Ron Kaplan的email地址,你知道吗?那年他还是在Micolytics时,我在中软曾与他们经理谈过一个很好的生意,可惜被六四给搅黄了。当时还没有法子跟他们解释。我一直觉得过意不去。

我的回复:

2013/4/27 <dzd@keenage.com>

>>谢谢。对我们而言都是非常珍贵的照片。

我把这张照片还有其他一些老照片加入了博文《看望导师刘倬先生》

>>那年我已54岁,但体力脑力还不错。

那应该是 HowNet 的酝酿阶段,记得您当时提过几次设想。

>>又一个20年过去了。我还在想再挑战自己一把。至少我会把我们的基于HowNet的机译系统,一直做下去,看看最后会到一个什么程度

上次您提到可以用一些细致分类去解决结构歧义(PP-attachment 类的问题)。也许仔细做是可以的,但是我觉得结构歧义的根本出路不在人工的 taxonomy,而在统计:因为结构歧义说到底是三角恋爱,最终谁与谁结合决定于语义拉力的相对力量对比,而这种AC与BC相对的拉力是无法事先计算出来的,因为有太多组合的可能性。但是,AC 或者 BC 各自的拉力是可以通过大数据事先学习出来的(本质上是 lexical coherence acquisition)。只要有一种机制让这种统计信息在结构歧义的现场提出来做对比,理论上可以解决这个问题。这比用细致的语义features去人工调试应该有效合理一些。

事实上,这种机制目前已经可以实现。当然实现起来还有些繁杂,代价还需要考察。

>>。上次回去领奖时去看望了刘老师,他提及所里建议他还是再带学生。她觉得没有课题,经费不好弄,他没有应承。我回来想了想觉得他也许还是干点什么好。也许会开出个什么新天地。

这次看望刘老师,感觉还是苍老、迟缓很多。估计他也没有足够力气了。我理解您的意思,搞了一辈子科研,即便退休,最好也别完全停下来,除非有别的爱好。可惜的是,我们很多人除了做系统,都没有什么其他爱好。退休生活容易寂寞。

再谈

学生:维

与董老师长达30多年的交往,除了生活上的问候外,我们谈的最多的还是专业。董老师是性情中人,富有幽默感,常让人忍俊不禁。记得当年谈到他的译星,董老师说那才真正是自己的孩子,呕心沥血的结晶。接着笑道:儿女不算,为啥?那是“自然灾害”的结果。可是很多年以后,他又跟我说到孩子的话题,希望我有机会带董强一起干,列举自己孩子的优点缺点。最后不忘补一句,自己的孩子,瘌痢头也是好的。

在中国机器翻译的历史中,我的导师是开创者:刘涌泉老师1957-1958年开始组建团队,从外语学院挖来了刘倬老师,还有一位早逝的高祖舜老师,1959年第一次实验成功,三人后来合著《机器翻译浅说》一书(日本从事MT研究的时候作为主要参照,译成了日语)。董老师应该是60年代的某个时间点,作为黑龙江大学外语系的老师,参加了两位刘老师的MT项目。董老师对两位亦师亦兄的刘老师非常尊重,去年还跟我提到不久前曾分别去看望两位,表达敬意。

董老师青出于蓝,后来在军科院率先把MT落地为开放型软件,成为中国MT和NLP的领军人物之一。从国际交流来看,董老师在很长的时期是中国NLP的大使,是与国际学界的接口。

当时,董老师从军科院的“科研一号”实用开放型英汉机器翻译原型系统,到中软真正落地,推出第一款商品化软件“译星”(TranStar),给当时全国近十个MT团队做出了榜样:MT 可以走出实验室。

与董老师同期推出的还有一款“非主流”系统,是工程师出身的刘孝叔先生编制的,也放到中关村橱窗上卖出去过几套,但影响小多了。刘孝叔先生的故事,以前在这个群里作为掌故说过(见【把酒话桑麻,MT 产品落地史话】)。

译星是一个里程碑。

董老师后来跟我说过其中的经验体会。最主要一条就是不能原地打转,要抓大放小,研发到一定的阶段,迅速扩大测试集,开放系统给其他人测试,在错误中成长。

译星之前的研发,实际上都是在非常小的开发集上做,当年也不分开发集与测试集,系统通常也不开放,所谓的学术成果鉴定会,大多在一个封闭集中,抽取几个样例进行。以前的机器条件也差,常常是输入一个句子,鉴定组成员出去喝了咖啡回来才能看到结果。

董老师的“科研一号”是第一次把系统开放给评委专家来测试的事件。这在当年是需要底气和勇气的。

我还清楚记得跟着刘老师去军科院参加“科研一号”系统评测的情景。礼堂外展示了系统的过往翻译样品和系统说明。礼堂内专家们用不同的句子挑战系统。对于系统的开放测试,印象非常深刻。

董老师与台湾的苏克毅教授关系很好。董老师跟我说,你看,苏教授自己凭着对MT的 passion 开了家翻译公司,软件虽然做得并不精细,但他敢于大胆使用,不断迭代。

80年代末,高立公司来找刘老师合作,决定根据刘老师的 JFY-IV型专家词典为基础的 MT 来做新一代机译产品。那时候,我们已经从董老师的开放实践中学会了放开脚步。此前我们为几百句可以反复打磨一两年。

董老师自己也承认,从设计上,刘老师的专家词典系统比“译星”更胜一筹,更具有潜力。他也受邀参与了高立的计划,但那时候,他的重点已经有转移,开始酝酿《知网》(HowNet)了。他觉得机器翻译的基础知识资源不足,需要从根子上加强语义词典。这一做就是30年!

知网》对跨语言概念精细分类,以义元及其关系为人类常识编码,建立了一个形式化的本体知识体系和逻辑语义表示。它是非人力可为的天才杰作,是上帝之光对董老师的眷顾,是中国对人类文明的贡献。说深度神经三位先驱者坐了20-30年冷板凳,终于迎来了图灵奖(见《图灵奖颁给熬过寒冬的人》)。董老师坐了30多年冷板凳,还基本上是藏在深山人未识。《知网》未必不是一个图灵级别的对于人类认知的贡献。我以前说过,“可以预见,将来某个时候,当机器翻译和自然语言理解的应用项目穷尽了浅层可用的低枝果实之后,知识系统将会被进一步发掘、利用和欣赏。”(摘自《语义三巨人》

知网》是董老师的不朽丰碑。

我91年出国以后,就流浪天涯了,从英国到加拿大,与国内的亲友和师长都难得联系。但出国前,董老师给我写了个“介绍信”,交给在UMIST担任系主任和计算语言学中心负责人的大名鼎鼎的Tsujii 教授(他是日本MT元老长尾真的弟子,李航的导师)。董老师还为我其他的留学申请多次写过推荐信。出国前夕,董老师告诉我,刘老师跟他说了,项目把李维留下来好几年了,错过了几次留洋机会,这次的中英友好奖学金的留英机会,不好再留了,决定放人。鼓励我出国好好深造。

记得还在我出国前,有一次董老师召集陈肇雄和我们几个人一起聚会,说(大意):咱们这里都是 中国MT 的精英了,我们可以不可以考虑加强合作,实实在在做一番事业。

等我转到加拿大念博士的时候,董老师已经到新加坡了。记不得怎么恢复的联系,总之董老师作为1996国际中文计算会议主席召集大会的时候,鼓励我参会,把大会的海外赞助给了我。其实,我博士时期的 HPSG 中文研究,属于小众的探索,基本上就是玩具系统,并没有多少拿得出手的东西。当时跟董老师在新加坡做项目的有郭进。董老师与 Dr Lua 是大会主席副主席。

以前说过,董老师虽然不是我的直接导师,但多年来对我的指引、关照和鼓励,实际上是编外导师了。总之 非常幸运 能遇到这样的前辈,从一开始就信服他 追随他 研读他的逻辑语义学说(董振东:逻辑语义及其在机译中的应用)。写《语义三巨人》的时候,我是怀着一片虔诚之心。

我翻译的反映NLP领域理性主义与经验主义两条路线斗争史的《钟摆摆得太远》长文,就是董老师最先推荐给我的文章,也是董老师介绍我联系 Church 教授本尊。翻译前后我们三人间的频繁通信以及他的指正,也是一大篇故事。

后来在群里,有一次对于符号系统的自嘲,无意中触犯了董老师(董老师和我都是符号主义践行者)。那是第一次他当众批评我“矫情”,我的感觉就是,耳提面命,诚惶诚恐。除了刘老师和董老师,任他天王老子,我也不会不反唇相讥,可董老师是我心中的圣哲,在他面前,肝脑涂地也是值得的。高山仰止,说的就是这个意思。他不需要正确,他也可以固执,但伟人就是伟人,他和他的思想的存在本身,就是一种权威。我辈望尘莫及。

一个多月前,我给他微信,请他给《语言答问》一书作序,没想到他已经到最后的阶段了。恩师已去,我心恍惚。

董老师一直到老,始终在调试系统,探究人脑和语言的奥秘。我想天堂应该也有电脑,上帝不会让他闲着,《知网》不仅是他留给我们的精神遗产,也会在天国大放异彩。

【相关】

《朝华午拾:我的世界语国》

《朝华午拾:欧洲之行》

本体知识系统的一些历史掌故和背景

美梦成真

把酒话桑麻,MT 产品落地史话

钟摆摆得太远》(立委译)

知网

董振东:逻辑语义及其在机译中的应用

《语义三巨人》

李白董之51:说不完的subcat和逻辑语义

李白董冯吕64:NLPers 谈 NLP 渊源及其落地

【立委小传】

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录

《朝华午拾:我的世界语国》

Mia Esperantio

除了已经死去的语言,语言的地理分布不难确认。可世界语国(Esperantio)在哪里?世界语者(Esperantistoj)会很自豪地告诉你:nenie kaj chie (哪里都没有,可又无所不在). Esperantio estas tie kie estas Esperantistoj. (哪里有世界语者,哪里就成为世界语国。) 这使我想起我的基督徒朋友,他们对精神家园也有类似的表述。圣经说(大意),哪里有基督徒聚会,哪里就是我的国度。

的确,世界语对我,有着宗教般的吸引力。当年初入北京世界语圈子,感受到的新鲜和温暖,使我一个外地人兴奋莫名,遂以全部热情投入。二十多年了,我的世界语国也经历了很多有趣的人和事。

== 昆明全国第一届世界语大会 ==

去昆明开会,是我的世界语之旅的第一次远行。我们北京一伙人,一路谈笑,亲如一家。同行有邱大姐(歌唱演员,文革时唱过家喻户晓的“我为革命下厨房”)和老大哥王彦京(一个很英俊的小伙子,是“老”世界语者了,常跟我们吹嘘他是黄埔一期,当年在大礼堂上百人接受文革后第一批世界语培训的光荣经历)。途中遇到一位山西姑娘,独自远行开会,起先不爱理人的样子。后来熟了,才知道她天性活泼开朗,完全不象北京女孩那样一本正经,是那种性情温和、相处让人舒服的人。都是年轻人,自然比较聊的来,一直相处得很自然愉快。接触一多,不时招来老大哥的善意讥讽:你那位 Shanxi-anino 呢?我当时已经悄悄地有北京女友了,岂敢有“不良”居心。后来,她嫁给了我的北京世界语哥们,算是昆明大会做的媒吧。一方面为朋友高兴,心里面还真有点嫉妒:这小子天上掉下来的福气。

给黄华副委员长做翻译

71届世界语大会前夕,中国科学院世协举办了一个国际世界语科技研讨会,有幸请到了黄华副委员长莅临讲话。世协本来安排外交学院世界语前辈沙地教授做黄华的翻译,可临场前一刻钟,沙教授忽然跟我说:“你年轻,脑子快,还是你上场吧”。天哪,我才刚学世界语不到一年,虽然仗着语言学出身和词典的帮助,阅读写作并无障碍,可是并没有多少机会练习口语翻译啊。沙教授看我犹豫,鼓励说:“你肯定行”。也是初生牛犊,糊涂胆大,这一激就呼啦上场了。往黄华身边一站,差点傻眼了,只见无数闪光灯袭来,眼前明晃晃一片白光。毕竟是外交部长出身,黄副委员长出口成章,抑扬顿挫,表情丰富。每说一段,就停下来等我翻译。我强作镇定,努力想复述,也只能挂一漏万。记得黄先生提到圣马力诺世界语科学院,我一时不敢确定圣马力诺在世界语怎么说,黄先生看我卡在那里,提醒道:“San Marino”。这次翻译实在不怎么样。表面上黄先生的每一段,我都应付了几句,但自己都翻译了些啥,根本没数。下场后,心里懊悔极了。我后来想,世协的主办人肯定更加懊悔,没想到半路杀出来个愣头青,早知沙教授临场换人,他们一定会安排其他世界语高手出场,北京世界语界可是高手如林。黄华啊,岂是等闲人物,绝不该有半点差错。不过,这次赶鸭子上架对我个人的命运却非同小可,它成就了我的婚姻。我的太太就是冲着我曾是黄华翻译,才同意跟我见面,最终结成良缘的。当然,这是后话了。

== 给 Frank 教授一家演示世界语机器翻译 ==

圣马力诺世界语科学院院长、西德控制论专家 Frank 教授是致力于世界语和科技相结合的头面人物。Frank 一家都热衷于世界语活动,在71届世界语大会前,他携夫人和女儿全家来访。来之前,信息管理系主任、老世界语者欧阳文道跟我联系,安排我为 Frank 全家现场表演我编制的世界语软件:一是我的硕士项目,一个世界语到汉语和英语的自动翻译系统(叫 E-Ch/A),二是我编制的一个英语到世界语的术语自动转写系统(叫 TERMINO)。这是他接待 Frank 教授的一个重头戏。我于是认真准备,在机房等待欧阳先生陪 Frank 全家进来。我的印象是,Frank 教授西装革履,风度翩翩,他太太雍容华贵,和蔼可亲,两个金发女儿,也亮丽鲜艳。我用世界语招呼客人后,一边讲解,一边演示。果然,Frank 教授一家对我的两个系统兴趣浓厚,当场试验了几个句子和一批术语,连连称赞。Frank 当即问我,你能尽快把该系统的概述给我的杂志发表么?我说,已经提交世界语科技研讨会了。教授说,没有关系,我们不介意,只要你允许我发表即可。Frank 教授回国后,以最快时间在他的控制论杂志作为首篇刊发了我的系统概述,这成为我学术生涯上在科技刊物正式发表的第一篇论文。我也被吸收为圣马力诺世界语科学院成员。不仅如此,Frank 教授随后在他给陈原和欧阳文道诸先生的探讨中德合作计划的长信中,强调要资助立委硕士到他的实验室继续开发这套系统。可惜,由于种种原因,我未能成行。(见《朝华午拾:一夜成为万元户》

== 北京71届国际世界语大会 ==

1986年北京首次举办的71届国际世界语大会把中国世界语运动推向了高潮,成为全国世界语者的狂欢节日。我作为世界语“新秀”,有幸参加了从大会预备到终场的全过程(后来了解到,由于当时的政治现状,很多外地资深世界语者没有得到参加盛会的代表资格,严重打击了同志们的热情)。

立委在大会门前与老世界语者语言学家周流溪老师留影

当时的国际形势也很微妙。东欧还处在苏东崩溃的前夕,意识形态控制比中国还严。我遇到几个保加利亚和罗马利亚的世界语者,很神秘地告诉我,他们的世界语代表团安插有政工,专事监督他们,必须倍加小心。在亚洲,两伊战争正酣,国家施行铁血控制。我结识了一位优秀的伊朗青年世界语者(忘了姓名了,很是个人物),她很活跃,聪明过人,反应极快,积极牵头组织世界青年世界语者的活动,曾表示希望我作为中国青年世界语者召集人,跟她配合。我问她,你要是遇到敌国伊拉克的世界语者,怎么办啊?她毫不犹豫地说,我会上前招呼握手,跟他/她交朋友,我们世界语运动的宗旨,不就是加深理解,消除仇恨,实行世界和平么。她也告诉我,在她国内必须小心,随时可能被送进监狱。象她这样抛头露面比较西化的人,恐怕早已上了黑名单,是政府盯梢的重点。“不过,我不怕,我有对策”,她很有信心地说。大会以后,我跟这位优秀的世界语者还保持通讯了一些时日。

漂亮的伊朗世界语者

说到伊朗世界语者,还遇到一位姑娘,身材高挑,皮肤白皙,极为漂亮,可惜世界语只是初级水平,不易沟通。她是由母亲(也很年轻,有人说她们是姐妹)带领来参加盛会的。漂亮姑娘谁不愿意多看一眼,所以在大会组织到长城游览时,我就有意无意跟在她一拨登长城。记得在长城半路,遇到外院一批小伙子下长城,这几个挺帅气的小伙子同时在少女前停下来,惊为天人。他们毫不掩饰地赞叹,天哪,你怎么这么漂亮。(我还是第一次听到中国小伙子当面夸姑娘漂亮,但是他们的率真很可爱)。姑娘微笑不语(大概也不会英语),小伙子于是转向她的妈妈:“Your sister is so beautiful”。妈妈说:“Thanks. But she is my daughter.” 言语里透出无限的自豪骄傲,看样子她当年肯定也是个大美人。后来我想,原来,人的爱美之心都是一样的。记得当时,北京电视台摄影记者大会采访,也随我们登上了长城,跟我们一样兴奋,制作了关于世界语的一个文艺片,还配上了很好听的歌曲。(真的是好制作,可惜只播放了一次,不知道有没有有心人存录下来)。

人都说世界语不是任何人的母语,只是部分无产阶级或者小资产阶级的业余爱好。其实,因为热衷世界语的人往往喜欢国际交往和各处旅游,结果成就了很多婚姻。这样的世界语家庭里面已经出现了一批母语(家庭用语)是世界语的后代。71届世界语大会时候遇到过一批来自欧洲的这样的少年,他们很自豪地告诉我:“Ni estas denaskaj Esperantistoj” (We are Esperantists by birth)。

当时我们北京世界语者有一个据点,就是美术馆附近王艾姐妹的家。王艾长着一张总也不老的娃娃脸,好像也是黄埔一期的。她姐妹俩典型北方人性格,为人热情爽朗,会张罗,结交广,富有幽默感。到她家,就跟到自己家一样感觉亲切自在。世界语文艺片播放那天,我们一拨人于是相约到她家看。遇到国外世界语朋友来访,我们也常常带到王艾家聚会。

大会期间,还有一位男的日本世界语者跟我们交往颇深。恰好赶上我哥哥来京,于是我兄弟俩和王艾一起陪同日本朋友逛圆明园,然后召集一批世界语朋友在王艾家晚餐聚会,热闹非凡。

拉宾小姐演出之余

王艾最得意的就是她抓拍了一张世界语大会期间拉宾小姐演出之余的照片。这的确是一幅摄影杰作,画面干净利索,色彩鲜艳,人物神态,栩栩如生。难怪照片洗印店的老板把照片放大摆放在门前作为招徕顾客的样榜。

值得一提的是,我在这次大会上,结识了一位国际世界语界大名鼎鼎的人物Victor Sadler 博士,并与他保持了多年的交往(特别是他在BSO从事机器翻译研究期间,后来我去英国留学,他不但给我写了推荐信,还解答了我选择学校的困惑:他告诉我,论名声和学术,应该去剑桥大学;要是想继续从事机器翻译研究,应该去曼彻斯特的UMIST计算语言学中心;如果想学人工智能,爱丁堡大学最佳)。他是剑桥大学的语言学博士(后来跟我一样成为计算语言学家,从事机器翻译的研究,他首创了利用自动句法分析过的双语语料库施行机器翻译的统计算法,比后来盛行的同类研究早了5-10年),长期以来是国际世界语协会的头面人物之一,当时是国际世界语协会的财务总监。他平易近人,有长者风范,约我到他饭店面谈,对我的世界语机器翻译研究极感兴趣。他问我是否就我的研究给大会的科技演讲提交了提纲,我委屈地说,提交了,但是没有被采纳。他微笑,有点可惜的样子,没有做进一步的解释。后来我得知,国际世界语大会的科技演讲,不仅仅要所选课题对路,水平好(这两点,我已基本做到),还要看研究者的资历,起码是博士,最好是国际知名教授(记得当年的演讲包括陈原教授的和Victor Sadler本人的。陈原的演讲妙趣横生,不愧为大家。Victor Sadler 讲的是涉及世界语的电脑处理,属于我的计算语言学专业)。我一个第三世界的硕士生刚毕业,根本谈不上。

2006年四月十六日
于美国B城

【相关】

【立委小传】

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录



《微信群笔记:深切悼念语义宗师董振东先生》

帅:中文信息学会 讣告 | 董振东教授逝世

李:震惊。深切哀悼!

宋:惊闻董老师去世,十分悲痛。董老师的成就令人钦佩,董老师的科研价值观引领我们前行!

金:90年代初各种计算语言学会上都能碰见董振东先生,受教多多。董先生千古,一路走好🙏🙏🙏

邢:深切悼念董老师   先生风骨精神,求真求实,我辈追随榜样!先生千古!

梁:惊闻董老师去世,非常震惊和悲哀!先生精神永存,永驻我心!

Nick:@wei 伟哥应该写篇纪念文章

李:绝对的巨人和恩师。深切哀悼! 董老师从未停息对nlu的研究 一直在做系统 让人折服。在很长的时期 董老师是中国nlp和mt与世界的接口。语义宗师 一代巨人 高山仰止。

洪:如果允许,咱群凑份子联名送个花圈花篮啥的,@wei @Nick Zhang

Nick:@wei 伟哥牵个头。

李:董强谢谢大家,说后事从简,已经办完了。

白:董老师在本群的交流中为我们贡献了宝贵的精神财富,无论在解说HowNet的顶层设计思路方面,还是在评价NLP最新进展方面都是金句叠出,振聋发聩。本群失去了一位巨匠级的群友。董老师在群里交流的那些话题值得我们结合各自的学习工作实际,长久体悟。

施:沉痛悼念董先生。最钦佩董先生的知识分子风骨,我们学会有次换届,他大骂一些学霸领导的场面历历在目。特别解气。我们做不到。有次他举办知网国际研讨会,问我能否支持。我给了5万元,他也只是淡淡的说了声谢谢。知识分子啊!!

洪:CNLP用知网,// Chinese NLP
基础资源WordNet相当。
当年请来百度讲,// 2005
老当益壮携董强。

李:重发旧文 《语义三巨人》深切悼念董老师。先生千古!

洪:应该四巨人,作WordNet的George Miller绝对是心理语言学大家。

李:论影响力 是的 @洪涛Tao 可能我有偏见,我对 WordNet 意见很大。我以前倒是觉得 Wilks 可算上第四语义巨人。

洪:Miller和Chomsky同时代,基本上平起平坐。他的 science of words很科普。

李:最后一次收到董老师信息是2月17号。董老师发来的是郑钧的《长安长安》,我一直也喜欢郑钧的。不过此前 我与董老师从来没有议论过音乐。

回想起来,过去一年,董老师在微信群上越来越少见到了。不是他不关注,估计是终于精力不济了。

白:董老师对ontology一直很敏锐,总觉得他有高见没有说出来。能早十几年就在ontology层面不满足于taxonomy而想到去做类似当今事理图谱那样的东西,真的是高屋建瓴。董老师对“部件”也是有话要说,我一直期待他的高论……

Nick:old soldiers never die, they just fade away.

洪:
老兵不死留枪支,弹药充足后人使。
老兵升天入云时,依旧深情地俯视。

张:一代宗师 我的恩师 心痛不已~~~董先生风骨盖世,学识惊人,成就人类文明——“译星”、“知网”闪耀人类创新创造历史。

董振东语录:

1)“我们老了,但机器翻译还年轻”———1996年泰国机器翻译峰会之中日印马泰多国语机器panel 上的感慨;

2)“我这一辈子做了二件事,一件是别人不愿做的事,一件是别人做不了的事。”

3)规则的机器翻译是傻子,统计的机器翻译是疯子。

刘:董老师还有一句话我印象非常深刻: “我就是个工匠”。那时候还没有工匠精神的说法。

李:@张桂平 老师,董老师说的这两件事儿 后者是 《知网》 吧 那的确是别人做不了的事 需要超凡的智慧和耐性。别人不愿做的事呢?科研一号/译星 还是 日本多语项目中方负责人?

姜:@白硕 嗯!谢谢老师的指导!  董老师在军科跟我是一个研究室的,也跟我住邻居,是“科译一号”的研发组长。九十年代我和领导战友们在军科后山散步,经常看到他和儿子一起散步。见到他时大家就一起说说笑笑,气氛融洽,甚为欢快。后来到他家请教过几次。他亲自打开电脑给我讲hownet的设计思路,还当场用他定义的“义原”对几个词做了定义和修正,而那时其实他已经重病在身了,他身体力行不屈不挠不计回报敢为天下先的工作精神真是让我敬佩,给了我很大的激励。后来又作为我的博士论文答辩小组组长,给了我很好的指导。昨天惊闻先生逝世,心肝悲痛,愿先生千古,永垂不朽!🙏🙏

李:最近几年董老师专注于 运用知网做语言深度解析和理解 尤其在中文理解方面。这与我最近几年的着力点非常吻合 所以群里和私下我也常请教 我们常有交流。大的方向和技术路线是一致的。董老师更多运用知网的知识体系和某种常识推理解析中文英文。解析结果更加靠近他构建的逻辑语义表达 解析深度更接近理解。就是说比我做系统更加细线条 虽然我做的工作比多数系统已经很细线条了。在广度和鲁棒性上 感觉董老师所做的工作 限于资源有限 还未充分展示其潜力。

把董老师介绍入群是我的主意。我知道董老师对于nlp和ai话题特别有兴趣 常见他在 linkedin 里面与人讨论相关话题 于是想到他对我们常讨论的一定会有兴趣的。于是尝试联系询问。董老师以前不怎么用微信 我就跟董强夫妇商量 他们也同意 觉得董老师如果能参与我们的 nlp 话题 是很好的事情 对于董老师身心健康也有好处 我们后辈自然也亲身受益。于是先尝试让董老师用董强的id入群观察 最后水到渠成 他就加入了。特别是白老师的语义群 很多是他的学生 同事和仰慕者 很快就融入了。过去两年 有了董老师的参与和教诲 群里的讨论更有深度。我们共同度过一段与导师直接互动的难得的时光。

【相关】

讣告 | 董振东教授逝世

语义三巨人

与董老师对话:什么是知识图谱?

《语义沙龙笔记:结构被神经编码了吗》

立委按:说深度神经三位先驱者坐了20-30年冷板凳,终于迎来了图灵奖。董老师坐了30多年冷板凳,还基本上是藏在深山人未识。《知网》未必不是一个图灵级别的对于人类认知的贡献。

詹:


有道翻译太牛了!

王:这也太达意了,牛!

白:“张三为李四写了这篇论文而后悔不迭。”

看点:1、论文可能是张三写的,给李四当枪手,写了以后后悔了,也可能是李四写的,idea跟张三撞车了,张三后悔自己下手慢了。2、“为……而……”属于“套路”句式,即所谓“构式”,具有强搭配特性,优先级很高。3、一般性的“VP1而VP2”中,VP1与VP2在语义上要么高度平行,要么高度对立,既不平行又不对立的填入这个结构的优先级很低。一进一出,当枪手的解读式微,论文撞车的解读看涨。如果一定要表达当枪手的意思,要么把“为”重复成两个,要么把“而”去掉。话说,两个因邻近而重叠的小词缩合为一个,在语音上也是可以成立的,在无伪歧义的场合尽管用,但在有伪歧义的场合不占优。具体到本例,也就是“为+为—>为”这个动作不占优。或者说,虚增一个与后面“而”呼应的“为”,不足以对抗另一个解读。

“刘为为为为为人民而牺牲的烈士立碑的劳动者献花。”

这个跟“一把把把把住了”有得一拼。

吕:神经网络是不善于数数的

白:

这个是枪手解读。前一个干脆不管几个“为”,意思到了,没人竞争,就他了。多出来的就当你结巴。不仅可以无中生有,还可以视而不见。

宋:三个介词连用,漂亮的嵌套:
第二家加拿大公司因被发现害虫而被从向中国运输油菜籽的名单中除名。

刘:第二家加拿大公司因被发现害虫而被从向中国运输油菜籽的名单中除名。Google翻译:The second Canadian company was removed from the list of transporting rapeseed to China due to the discovery of pests.

白:discovery不好

刘:结构都对了

白:那倒是。这个结构看起来叠床架屋,但其实不受干扰,是所谓“一本道”。discovery太正面了,单独看跟科学成果似的。放在这个语境里也对冲了负面色彩。

刘:要知道神经网络机器翻译是完全不用任何句法信息的,能正确理解这样的复杂结构,很神奇了

白:结构被编码了

白:张三因被发现考试作弊而被从向欧洲派遣的留学生名单中除名 John Doe was removed from the list of foreign students sent to Europe after he was found to have cheated on a test –来自 @彩云小译

刘:张三翻译成John Doe,很有意思了

白:留学生一定是“foreign”?接受的是,派出的不是啊。这是有坐标系的,估计数据太稀疏,这些都顾不上了。一本道的嵌套就相当于parity,难不住神经的。这个found比discovery强。

刘:如果是Phrase-based SMT,这种句子应该是翻不好的

梁:

李:越来越多复杂结构句子,在神经MT翻译中居然对了,以前以为只有深度解析才有望解决的问题,居然在端到端,没有任何显式句法支持的情况下做到了。这种“奇迹”,连在神经第一线的@刘群 老师也不时赞叹。说明这里面的机理不是很清楚,尽管笼统说来,可以说是结构在大数据训练中被合适地编码了。

姜:这是个有趣的问题。非要有显式句法支持,才能翻译复杂结构句子,是一种想当然。

李:是不是“合适”编码了,也难说。因为一方面我们看到了一些翻译对了的”神译“,另一方面我们也看到一些神经过头的乱译。目前似乎也没有办法回答这个疑问:对了的和错了的,是不是共生的。大而言之,我们知道,起码目前的神经翻译,通顺是建立在损失精准(有时候简直到了张冠李戴、指鹿为马、视而不见和无中生有的严重程度)的基础上。还好,起码对于新闻、科技和日常用语等,所损失的精准虽然可能很严重,但频度还不是太高。

梁:科学的精髓  ——  敢于犯错误

李:疑问是,如果机理不清楚,所犯的错误就难以改正。是不是糊里糊涂一本帐,还是改进的目标还算清晰?是不是可以说,结构不是真正的坎儿,标注大数据才是。MT 让我们目瞪口呆的神翻译,似乎已经部分证明了,复杂结构是可以被标注大数据“编码”的。

白:机译可不可以做得更好,我兴趣不大。我更关心各种场景化应用,机译这条路线是否走得通。按正确的结构标注大数据,意思就是,what由人工解决,how由智能解决。how又分两种,一种是歧路,一种是伪歧义。对付歧路,不需要人工。对付伪歧义,必须人工。对付歧路,强化学习、自我标注就够了。

李:NMT中的伪歧义表现在哪里呢?

白:比如上面例子的“留学生”。在不同语境下对齐的词汇不同,但向外派遣,就不该是“foreign”。

李:不仅仅是 NMT,这个一错就可能错得离谱的问题是普遍性的,图像和语音中都有这个问题。what由人工解决,how由智能解决。这种说法是想对神经与结构进行“紧耦合”。不是没人想做,但总体上迄今还是一头雾水。这两个冤家不容易往一起捏。

白:“我是县长派来的”就是歧路不是歧义。全局解唯一,暴力搜索一定能得到。但是暴力搜索的目的是做正确的标注。实时解析策略是通过标注数据训练出来的。紧耦合无所谓,因为神经的那一半压根儿就不需要人工干预。归根结底还是what不给力。

李:what 从语言结构的角度,是有共识的。起码语言学家对于一个句子的依存结构,分歧并不大。如果分解为二元关系,分歧就更小了。分歧多表现为“如何”得到这个结构,而不是这个结构是什么。尤其是 PSG,如何得到决定了树的不同。到了 DG,“如何” 的影响明显减弱。从逻辑语义角度看,what 是有共识的,有很强的确定性,大同小异的。

白:好像不见得。比如“咬死了猎人的狗”公认有歧义,“咬死了猎人的羊”有没有歧义,语言学家未必分歧就小。如果语言学家的共识是后者也有歧义,那就洗洗睡吧,NLP肯定指望不上了。

李:说共识与否,还是要有个量和频度的概念吧。

白:标注即投票?神经的强项就是拎得清此时此刻的力量对比。让语言学家投票,未必拎得清。

李:找个例,很容易忽视量和频度。就说 “咬死了猎人的羊” , 粗分一下,是三个实词(“咬死” 算一个词):咬死(A)了 猎人(B) 的 羊(C)。看看 ABC 之间发生的二元关系,哪些是共识,哪些有疑问。AB 动宾 这是一个二元关系(候选),算是共识。AC 是定语关系,也算是共识;BC 是定语关系候选,也是共识。AC 动宾候选,也算是共识。

白:等等。这里,what必须表达“候选”。如果没有这个表达能力的what,必须靠边了。这在语言学家中也不容易达成共识。

李:总之,即便是个例,如果细分下来,共识的部分还是占多数。如果与常态化语言表达法平均一下,可以说,语言结构没有多少争论的空间。

白:这个平均,在长尾面前无意义。

李:我觉得 问题的关键不在 what 不清楚,需要在 what 上再有突破。关键是,已经知道的 what,也没有有效的办法被神经利用和吸收。两年前遇到刘挺老师,谈到这个问题,问神经这条道,啥时可以利用句法或逻辑语义。他直摇头,说不好办。不是一条道上跑的车。

白:光说动宾不行,光说动宾候选也不行。如果说,句法就送你到这儿了,剩下的看造化。这当然不行。必须把所有的资源摆在那儿,让神经去选。语义的,情感的,事理的。这也是很多语言学家不具备的。可以设想,如果有一个可供神经对接和挑选的“知网”级别的基础资源,局面会大有不同。

李:唉,送上门也未必有人有兴趣 and/or 有能力去用。看吧,看今后五年。今后两年 神经还可能往上走,很多人有这个信心,所以没有兴趣是主因。今后五年,那就是能力的问题了。

白:还可以设想,如果标注人员戴上一种设备,就可以通过追踪眼动或者捕捉神经信号获得标注,语言学家真的彻底不需要了。

李:说深度神经三位先驱者坐了20-30年冷板凳,终于迎来了图灵奖。董老师坐了30多年冷板凳,还基本上是藏在深山人未识。《知网》未必不是一个图灵级别的对于人类认知的贡献。就是用起来殊为不易。

白:可惜董老师不待见神经,也不待见图谱。

李:知网就是本体常识图谱。不待见神经 倒是真的。知网与图谱的距离,最多是工程层面,本来可以有一个更好的实现与接口。

白:不是的。事理的层面,知网超越市面上的图谱。工具的层面,知网弱于市面上的图谱。

李:对呀。多数图谱很肤浅,没法望其项背。

白:此外还有一个适配的问题。各种可用资源参与力量对比,必须折算到统一的度量。知网没有这个度量。分析器玩的就是力量对比。神经倒是未必一定要有,但统一的度量一定要有。

正解压制伪歧义的依据,修辞用法压制一本正经的胡说八道的依据,就是包含词法、句法、语义、语用、情感、事理在内的各种力量的综合对比。首当其冲的,就是把各种力量经过折算放到同一个平台上来。把资源捂起来,只留下标记,不仅没有资源的人学不到真货,有等价资源的人也得连蒙带猜。这资源是what的应有之义。

李:把结构扁平化(譬如嵌套表层化}和原子化(譬如分解为二元关系)变为特征 对于深度学习 没有多少吸引力。如果不简化 也不知道从何入手。

白:结构的嵌入可没这么肤浅。向神经要潜力的话,表示(what)没什么好做的,把功夫下在控制(how)吧。表示就是语言学家、领域专家、知识工程师自己的事儿。另外,就数学本质来说,符号串的代数基础是幺半群,神经的代数基础是矩阵(线性变换群)。这两个群都是非交换的,深层次里有互通的基础。所以嵌入结构是正常的。

宋:@白硕 向神经要潜力的话,表示(what)没什么好做的,把功夫下在控制(how)吧 这个观点我挺有兴趣。能否详细阐述?谢谢,@白硕 我最近一个理论是大脑除了基于矩阵的目前人工神经网络用得多的系统,还有一套控制系统。所以也许能把几何和代数统一起来。

白:可用的资源、输入输出都是符号表示,中间的计算是神经表示。输入是符号序列,输出是操纵符号的动作。有些动作是有副作用的,需要记忆。操纵符号的动作改变符号,类似“重写”,但是不限于“重写”。当你输出一个dependency link时,符号之间的邻居关系改变了。

宋:Causal Reasoning from Meta-reinforcement Learning,我最近看到这篇 arxiv 上的文章比较有趣。我在想 control 这边也许可以放到一个 meta-reinforcement 的框架里面最终去解决。

【相关】

《一日一析系列》

【语义计算:李白对话录系列】

【置顶:立委NLP博文一览】

《朝华午拾》总目录