| 词条 | 计算动词理论 |
| 释义 | 计算动词理论计算动词理论(Computational Verb Theory)是一个新兴的基础学科，本理论侧重对语言学中动词及副词的研究成果进行系统的数学建模和自然科学化，量化语言学及人的认知，并最终对人的认知及意识现象进行自然科学化。 该理论的核心是计算动词的概念。由于计算动词可以退化成形容词，因而，该理论给出包含了模糊数学为其特例。该理论回答了模糊数学的公理，即，模糊隶属度函数是计算动词坍塌的结果。 计算动词理论是自然语言可测量化的必然的技术发展方向的理论基础。并在近年不论是在理论上还是应用上都得到了长足的进步。在动力学系统的基础上给出了计算动词的可测量化定义。当显式地将计算动词建模为动力学系统之后，可以进一步将修饰动词的副词用作用于动力学系统之上的各种数学算子建模。为了将形容词及动词与名词的关系归结到一个统一的框架，计算动词可以被看作是名词的动作值。因此，名词的属性值与动作值分别对应于形容词和动词。这进一步暗示了形容词与动词之间的紧密联系。由人脑利用PDE求解器来处理语言中的属性值和动作值的角度来重新诠释了人脑中抽象思维的物理基础；即多粒度的语言处理能力。计算动词可以用PDE来表达，也可以用Banach空间中的常微分方程来表达。通过对become在抽象空间中的两种模型的讨论，计算动词的丰富特征得到了深刻地展现。副词对动词的修饰也可以由PDE的特解对定解条件的依赖性来建模。 当计算动词发生坍塌之后，其动力学特性的丧失使得动词向形容词转变。从另一方面而言，当在形容词中通过扩展原理加入动力学特性，形容词便向动词转化。本章讲述了动词的不同坍塌方式及形容词的各种扩展方法，并对形容词之间的逻辑运算的扩展方法进行了讨论。动词坍塌和扩展原理是形容词和动词之间关系的可测量化的理论总结，它们为形容词和动词的语言学关系的研究提供了新的定量工具。 计算动词集合可由一组观测到的动词特例构成，也可通过计算动词坍塌来构成。计算动词集的各种集运算可以由动词坍塌的相应的集运算来定义，这样可以借用传统集合运算的结论来定义动词集合的运算。所有具有相同定性特性的坍塌的计算动词组成一类特殊的动词集合，这类动词集合中的每一个动词的定性特征与同一个动词集中的其他元素的定性特征是一致的。 动词数是一类特殊的动词集合。讨论了动词数间最基础的算术运算及动词数坍塌成三角形及梯形模糊数的情况。由计算动词理论的结果可知，典型的模糊数缺乏自然存在的动词数原型，因而计算动词理论的结果对典型的模糊数在理论上的合理性提出了质疑。通过对一个动词数的坍塌的变换，可以得到不同的坍塌，而扩展这些坍塌能得到不同的动词数。计算动词理论给出了保持动力学定性特征的动词数间的计算关系。 动词标准形是最基本的动词的表达方式，也是所有动词的原型。基于动词标准形可以构建出所有动词。虽然动词标准形可以选取不同的动词基，计算动词理论提出的动词标准形选用了基本动词become。在应用中，动词标准形可以用聚类、拟合及多种模式分类的方法来从众多的观察序列中获得。 通过比较计算动词之间的相似度可以得出许多现象间的关联性，从而可由已知的知识库中推理出未知的结论。计算动词相似度是应用计算动词解决实际问题的核心概念，因其重要地位，计算动词理论给出了求取计算动词相似度的不同方法。同时，计算动词间的距离作为计算动词相似度的一个对偶的概念，也在计算动词理论中加以讨论。然而，计算动词的相似度的求取是复杂的，且不唯一。这是因为对于许多复杂的模式\\相似"的定义本身缺乏一个统一的数学标准，对相似度的计算还将依赖于人类的专业判断。正因为如此，计算动词理论对动词相似度计算的体系的建立是基于一个开放的框架之下提出诸多可行的方法供应用者选取和组合。 传统的概率事件推广到计算动词事件，并提出了基于传统事件的概率推导出动词事件概率的方法。根据基础动词与由一个基础动词衍生出的其它动词之间的关系，可以从基础动词事件的概率推导出许多衍生动词事件的概率。利用这一机制，基于对一个基础动词事件的观察可以得到一系列相关事件的概率，从而由已知的数据推导出许多没有观察数据的关联事件的概率。 在计算动词的含糊性和歧义性，并给出了这两种不确定性的测量方法。计算动词的含糊性是由相应的动力学系统的状态的不确定性引起的，而计算动词的歧义性则是由相应的动力学系统的参数的不确定性带来的。测量计算动词的不确定性可以直接由计算动词坍塌的不确定性来进行，也可以依据计算动词相似度来进行。另外，对于不确定性本身的动力学特性也可以通过计算动词的不确定性来建模。从另外一个角度而言，不确定性的进化本身定义了一类特殊的计算动词。 计算动词理论给出了计算动词的互相关及相关的不同计算方法及其应用。计算动词理论的结论可用于发现动态过程间的因果关系，因而可应用于对时间序列的数据挖掘和知识发现等领域。由计算动词扩展原理引起的不确定性可以用计算动词的互相关来消除。同时也可以消除计算动词推理中的不确定性。同计算动词相似度不同，计算动词相关能同时表达\\相似"和\\相反"这两种动词间的关系。在许多情况下，动词相似度是不可能无歧义地表达\\相反"的情形。因而，动词相关在许多应用中更有表达能力。 计算动词理论讨论了计算动词逻辑中的基础问题，包括在属性空间中计算动词逻辑的计算，动词说谎者悖论以及动词规则库的形式化描述及其合并和分割。动词逻辑为关于动态过程的知识的表达及处理提供了高效的手段，是动词推理的基础。动词规则库是利用自然语言来建模工业系统的最为有效的途径，因而，将一组耦合的动词规则分解为解耦的几组规则可以简化建模复杂程度，并达到对复杂系统分而治之的目的。 计算动词理论讨论了定性特征不变的形容词推理及动词推理。在模糊推理中，形容词的定性特征一般会发生改变，这显然不符合自然语言推理的实际情况。因而本章讨论的定性特征不变的形容词推理较模糊推理而言更贴近自然语言推理。形容词推理中的不确定性的消除一般能由坍塌前的计算动词的 特征中找到解决的方法。而在动词推理中产生的不确定性则只能在比物理语言学更先进的后继学科中找到解决方法。本章也从动词关系的角度研究了计算动词规则的推理。 计算动词理论基于动力学的分规则描述建立了分规则计算动词系统。由于自然语言中动词的离散性，因而对一个连续系统的描述往往依赖多个互相补充的规则来进行。同时，对于复杂工程问题，通常采用分而治之的模块化方法。这些情况下，对一个复杂非线性动力学系统的建模往往采用分规则的方法来进行。本章着重介绍了分规则线性动词系统的构建、推理及其应用。动词系统是计算动词在自动控制领域应用的基础。 计算动词理论利用计算动词系统提供的对动力学的分而治之的建模方法设计了稳定的计算动词控制器，并以混沌控制为应用目标，设计了连续的及离散的动词控制器。在设计这些动词控制器之前，先利用动词系统对控制对象进行分规则建模，然后再针对动词系统模型中的每一条动词规则进行控制输入的设计，以达到整体模型的稳定控制。7 计算动词理论设计了不同类型的计算动词PID控制器，并同相应的模糊PID控制器进行了比较。作为一种新兴的智能PID控制器，动词PID控制器在整体性能上强于模糊PID控制器，并在设计上较后者大为简化。通过对控制轨线，而不是对控制区域的分划，动词PID设计将控制问题的规则所需涵盖的空间转化为模糊控制所对应空间的一个流形之上，从而使得智能PID控制器的设计更能匹配自然语言表述的简洁性。这从另一侧面体现了计算动词PID控制器将工程师的动态经验融合在PID控制器的“智能”之中的有效性的理论基础，即，将设计过程由高维转化到低维。 计算动词理论给出了计算动词决策树的两种设计方法。作为对传统决策树的拓展，计算动词决策树具有在动态数据中发现动词规则的能力，能够广泛地应用于对动态数据的挖掘之中。本章提供了若干实例来说明动词决策树的设计。将计算动词嵌入决策树之中后，计算动词决策树较传统决策树而言，增加了预测能力。当动词决策树被应用于挖掘历史数据时，计算动词对观察值序列的良好的封装性使得动词决策树能以简明的结构来表达复杂的数据关系。已有的设计实例也验证了动词决策树能从动态数据中发现传统决策树所不能发现的知识。 计算动词理论将计算动词规则和人工神经网路相结合构建出不同的动词神经网络结构。同时，也可以利用动词规则建模专家知识的简便性来改造BP算法，以加速传统BP算法的收敛速度及提高BP算法的稳定性。动词神经网络将高级的动词规则结合到低端的神经网络结构之中，使得神经网络训练的结果更加透明可控。动词神经网络结构是一种结构化的动词推理模型，而对动词神经网络的训练本质上是对动词规则的训练。 计算动词理论阐述了计算动词Petri网和计算动词有穷自动机的基本原理和实例。通过在Petri网中加入建模对象的动态特征而形成的动词Petri网能够反映出令牌数量及延迟的动态变化情况，从而为Petri网提供针对建模对象动态变化的预测能力。在有穷自动机的状态集合及字母表中加入计算动词，可以将传统的有穷自动机扩展成计算动词有穷自动机。计算动词有穷自动机已经成功应用于电子游戏的设计。 计算动词理论展现了一维及二维计算动词元胞网络（CVCN）的研究中丰富的成果。分别总结了一维及二维CVCN输出模式的分类及分布情况，并从理论上分析了多种典型模式的存在条件。作为实现趋边计算的候选网格结构之一，CVCN有能力处理高级的语言量，比元胞自动机和细胞神经网络更接近人脑的湿件的计算特点。因而，CVCN更适合建模大规模的社会网络。 计算动词理论在传统博弈论中增加反映动态特征的计算动词提出了计算动词博弈论的基本框架。利用计算动词推理，在计算动词博弈中对早熟的情况8同样可以依据支付矩阵给出正确的结论。本章给出了若干典型传统博弈所对应的动词博弈并作了细致的研究。动词博弈可以处理动力学系统之间的博弈，也可以处理博弈中的动力学。在增加了动力学系统的特性之后，动词博弈大大地拓展了传统博弈所能涵盖的对象和对博弈过程的限定。 计算动词理论利用计算动词建模非理性行为的能力，结合股票市场中的各种投机行为的非理性特征来挖掘和建模各种经济行为模式。基于股市数据建模的例子，给出了认知经济学的基本特征，并将其应用到房地产价格博弈的建模及控制研究之中。认知经济学将经济现象放在认知媒介的相互关系的框架下来研究，并把人脑与人脑的关系，以及人脑与电脑之间的关系放在同一套体系之中。在经济活动越来越虚拟化以及电脑越来越深入到经济活动的时代，将人脑和电脑放在认知媒介的相互作用而形成的人类社会和机器社会共生体中研究将成为很有必要。这一点将会在PR进入人类生活之后变得更见明显。 计算动词理论应用计算动词于图像处理之中。首先，根据空间动词的概念任一幅图像可被视为空间动词的集合，则根据专家的经验可设计出不同图像处理任务的动词规则来完成各种图像处理任务。基于计算动词的图像处理算法能实现有效实时的图像处理任务，适合于超大规模图像搜索引擎的设计要求。由于能在语言层次上来表达图像的认知特征，同传统的图像理解算法相比，计算动词图像理解具有更高的效率和更低的设计及维护成本。 计算动词理论介绍了计算动词理论在各领域的应用的情况。因为计算动词建立的初衷是为工程师提供一个简便有效的体系将自然语言表达的动态知识转化为可供工程师使用的算法，因而，计算动词的应用近年来蓬勃发展。计算动词理论概述了这些应用中具有代表性的案例。应用领域包括：计算机游戏，PID控制，图像处理，电机控制，电网控制，导盲系统，回流焊，功率放大器设计，股市数据分析，决策树，数据挖掘，故障诊断，机器人控制以及电力营销预测等。 计算动词理论的提出背景目前的人工智能和信息科学手段还不足以将以上的自然语言规则转化为计算机擅长处理的测量量，因而无法将这些知识自动地转化为计算机程序。其中的难点是这些规则中的动词的可测量化问题在目前的工程技术体系尚无法解决，对人类语言中的动词的“非理性”无从把握。这一方面影响了解决工程问题的速度，降低了工程经验的利用效率，增加了开发成本；另一方面，从长远而言，不利于人类知识体系中动态经验的积累和再利用。利用计算动词理论我们将从根本上解决这些问题。 计算动词理论的提出计算机动词理论是由杨涛先生于1997年在美国一流学府伯克利加州大学创立的新兴理论。这一理论在深刻思考与总结了人类在认识世界过程中思维及语言的发展规律之后，紧紧抓住了世界永恒发展这一基本规律，从事物的动态特征描述，计算入手，更加完整，准确地描述对象发展变化的过程特征。对对象未来的发展趋势做出准确地预测，将人工智能及认知科学带入一个崭新的天地。在这一理论框架下，传统的基于静态特征的对象描述（比如：传统的计算机科学对对象的描述）成为其所描述过程的一个点或一个特例，同样使得静态特征的逻辑运算发展成为动态特征的逻辑预算。为信息科学带来了前所未有的发展机遇。 杨涛教授，2002起担任美国杨氏科学研究院的首席科学家，是《国际计算认知》杂志总编，计算动词理论创始人。主要从事计算动词理论、物理语义学、非线性电子电路、计算认知、视觉芯片结构及算法，以及视频理解算法及体系结构等方向的研究。杨先生拥有一项美国专利，出版了11本专著，发表了超过100篇的学术论文。现为江苏汉德天坤科技发展有限公司首席科学家。 计算动词理论的发展历程从1997年到2000年是计算动词理论的萌芽期。在这一时期主要致力于将非线性动力学中的对于动态系统的建模手段转化到动词的形式化建模中，对于计算动词理论在语义学及认知科学中的意义尚无清晰认识。 2001年到2002年是计算动词理论的幼年期，在这一时期电子学专家们认识到语义学中大量的观察结果因缺乏适当的数学工具和测量体系而长期不能自然科学化。 因而, 从2003年到2004年计算动词理论的研究进入了一个综合成长期。一方面，在理论上，开始构造物理语义学，这是一个基于计算动词理论的语义学的可测量化的初步尝试，也是将语义学中许多的观察与猜测进行定量化建模的一种理论体系。另一方面，由于认识到计算动词理论的最终研究对象是人的认知现象，而长期以来，认知所涉及到的研究领域过于庞杂，各领域的专家之间缺乏交流的平台，《国际计算认知杂志》创刊以提供这一交流的平台。最后，着手进行计算动词理论工程化方面的前期研究，计算动词理论只有解决其他理论不能很好解决的工程难题之后才能体现其优越性。 从2005年至今是计算动词理论进入高速成长期的开端。在理论上宇知理论（The Theory of the Unicogse）得到进一步的发展，并给物理语义学及人的认知的可测量化提供了坚实的理论基础。 计算动词理论的优越性1）开发周期短，从产品的功能设计到原型机的试验往往比传统方法缩短一半以上的时间。 2）集群优势明显，基于同一物理语义学平台上的产品便如同章回小说的各个章回，互相之间能形成连贯的主线和变化多样的分支，因而能很自然地形成系列化产品。 3）可再生代码率高，由于直接利用自然语言进行建模。其模型的通用性好，同一模型在不同的环境和工况下可重复使用率高。这一体系进行软件包的开发，保证了各种不同功能的软件之间代码的可移植性始终由自然语言的可移植性加以保证。 4） 对团队开发具有极强的继承性和可拓展性。由于编程方式是基于物理语义学的平台，静态知识可以方便地由计算名词表述；同样，动态知识是由计算动词表述。工程师在研发过程中的动态知识能有效地用自然语言的形式表达，从而极大地增加了知识的可读性及可维护可改良性。 计算动词理论的应用计算机软件产业软件产业有一个梦想，即对独立于硬件平台及操作系统条件下的程序的可再生利用。虽然这一产业集中了大量的物力资源和人类最聪明的大脑，多年以来，随着软件规模在硬件和应用的驱动下的指数成长，程序的可再生利用的效率却越来越低。这是由于计算机编程语言对世界模型的过度简化以及缺乏人类自然语言的柔性所造成的。要改变这种局面，计算机应该象人一样用自然语言来编程。 机器人产业在制造业普遍沦为劳动密集型产业的今天，制造业的出路在于机器人产业这样拥有极高附加值的产业。然而，以目前的机器人的编程体系，距离能进入人类社会生活的机器人时代还有极为漫长的道路。现在的机器人只能被视作“机器”，似乎与“人”毫无关联。要加快机器人产业的发展，除了机器人的身体机构的建造外，最为关键的是其“大脑”的真正的智能化。机器人大脑智能化的工作将大部分集中在拟人智能及机器视觉的进步。拟人智能的进步将极大程度地基于计算机的自然语言编程技术的成熟，并极大地促进自然语言编程的进步。这是因为在拥有了来自于机器人身体上的各种感知器之后，感知信号的理解将需要借助于自然语言，并用以模拟出人的身体对外部世界的感觉。而对感觉的组织将在自然语言的平台上显现出更深一层次的认知特征，如情绪等。有了以计算动词理论为基础的自然语言编程平台，机器人的拟人智能将得到质的飞跃。同样，计算动词理论将提供一个全新的基于场景的自然语言表达的机器视觉编程方法来提高机器人的视觉系统的功能和效率。这一机器视觉平台将仿真人的视觉通路中的认知能力，在人工视网膜之后将二维的视频信号转化成为特征空间中的语义描述。一旦场景被自然语言所描叙之后，机器视觉任务便转化为计算动词所描述的问题，因而可获得与符号运算相同层次的高效率的求解。 IT产业的劳动密集型转化在计算机硬件速度对计算任务的要求远远大于人类全部高端智能所能提供的编程能力对计算任务的供给时，计算机剩余的计算能力将被迫寻求新的计算任务。最终用户编程将成为IT产业的主流，即：高端IT人才将只向计算机提供框架式的计算任务，而最终用户将提供各种应用的计算任务。在这种情况下，主要的编程任务将由用户来完成。 服务业的个人化在信息时代，人类社会通过个人计算机完成了计算能力的个人化，通过网络完成了通讯个人化。在计算能力及通讯个人化的支持下，新兴的机器人产业必将带来服务业的个人化，即：家用机器人将完成许多今天的服务业正在完成的任务，比如：护理，美容，餐饮及家政服务等。IT产业的劳动密集型化将大大降低服务业个人化的门槛。这是因为，终端用户可以通过计算动词理论提供的自然语言编程平台来实现对个人用机器人的最终编程。这将大大方便单个家用机器人对不同任务及不同家庭环境的编程。当前在国际市场中出现的吸尘器机器人及机器人玩具为我们展示了这一产业的发端。 计算动词理论的意义这一理论在深刻思考与总结了人类在认识世界过程中思维及语言的发展规律之后，紧紧抓住了世界永恒发展这一基本规律，从事物的动态特征描述，计算入手，更加完整，准确地描述对象发展变化的过程特征。对对象未来的发展趋势做出准确地预测，在这一理论框架下，传统的基于静态特征的对象描述（比如：传统的计算机科学对对象的描述）成为其所描述过程的一个点或一个特例，同样使得静态特征的逻辑运算发展成为动态特征的逻辑预算。 |
| 随便看 |
百科全书收录4421916条中文百科知识，基本涵盖了大多数领域的百科知识，是一部内容开放、自由的电子版百科全书。