科学网-借助语言的双向理解揭示意识的本质-段玉聪的博文

借助语言的双向理解揭示意识的本质

2023-12-2 11:54

阅读：608

Traditional Invention and Innovation Theory 1946-TRIZ Does Not Adapt to the Digital Era

-Innovative problem-solving methods combining DIKWP model and classic TRIZ

Purpose driven Integration of data, information, knowledge, and wisdom Invention and creation methods: DIKWP-TRIZ

(Chinese people's own original invention and creation methods:DIKWP - TRIZ)

借助语言的双向理解揭示意识的本质

Prof. Yucong Duan

Benefactor：Fulaing Tang，Zeyu Yang

DIKWP Artificial Consciousness Laboratory

AGI-AIGC-GPT Evaluation DIKWP (Global) Laboratory

(Contact Email：duanyucong@hotmail.com)

引言

语言是人类沟通和表达思想的主要工具，其核心在于双向理解的能力。这种理解不仅包括对言语表面含义的捕捉，更涉及到对语境、情感和隐含意图的深层次识别。本报告旨在探讨如何通过语言的双向理解揭示意识的本质。

语言理解的深度与意识

意识在哲学和心理学中被定义为个体对自我和环境的感知能力。语言作为意识的重要表现形式，其理解过程实际上是对意识深层次功能的体现。语言不仅传递信息，还传达了说话者的意图、情感状态和社会文化背景。因此，语言理解的深度直接关联到意识的复杂性和多维度。

双向理解的定义

语言的双向理解包括理解他人的语言（输入理解）和表达个人思想和感受（输出表达）。这种理解是动态互动的，需要对话者不断调整和适应，以达到有效的沟通。双向理解不仅仅是字词和句子的解析，更是对话者之间情感和意图的共鸣。

语言理解与意识关联

通过语言的双向理解，个体展现了对复杂情境的适应性和对抽象概念的认知能力。这种能力体现了高级的意识功能，如自我意识、情感理解和批判性思维。语言理解能力的高低直接影响个体的意识水平，反映了他们的思维深度和情感复杂性。

语言理解的层次与意识的表现

字词层次

理解基础：语言理解的基础层次，涉及对单词和句子结构的理解。这一层次的理解是意识的基本表现，反映了语言和认知的基础能力。

情境层次

深层理解：更高级的理解层次，涉及对语言背后的情境和背景的理解。这不仅包括对话语境的认知，还涉及文化、历史和社会背景的理解，显示了更深层次的意识和复杂的思维过程。

情感层次

情感洞察：理解语言中蕴含的情感和情绪，这是对意识更深层次的挖掘。个体能够通过语言捕捉并响应他人的情感状态，显示了高度的情感智慧和社会理解能力。

意图层次

意图解读：理解说话者的意图和目的，是语言理解中最高级的形式。这种理解超越了言语的字面意义，涉及对说话者意图、动机和心理状态的深入分析。

语言的双向理解与意识的全面体现

语言的双向理解不仅是一种沟通技巧，它是意识功能的全面体现。通过有效的语言理解，个体能够更好地理解和适应环境，表达自己的思想和感受，同时理解和同情他人。这种能力是人类社会交往和共存的基石，反映了人类意识的复杂性和多样性。

将语言的双向理解与意识的关系用数学化的描述来表达是一项复杂且具有挑战性的任务。由于意识和语言理解是高度抽象和主观的概念，将它们转化为数学模型需要简化和一定程度的理想化。下面是一种尝试将这些概念数学化的方法：

数学化描述

1. 模型定义

设 $L$ 为语言理解的集合，其中包含了所有可能的语言元素，如单词、句子等。每个元素 $l \in L$ 都有一个与之关联的意义 $S (l)$ 。

2. 意识的数学表达

意识可以被视为一个映射函数 $C : L \to M$ ，它将语言元素 $l$ 映射到一个意识状态 $m \in M$ 。这里， $M$ 是所有可能的意识状态的集合。

3. 双向理解的数学化

输入理解：这是一个映射 $I : L \to M$ ，它将语言输入 $l$ 转换为个体的意识状态 $m$ 。
输出表达：这是一个映射 $E : M \to L$ ，它将个体的意识状态 $m$ 转换为语言输出 $l$ 。

4. 语言理解层次的数学化

字词层次：定义一个基础映射 $F_{word} : L_{word} \to M$ ，其中 $L_{word}$ 是单词层面的语言元素集合。
情境层次：定义映射 $F_{context} : L_{context} \to M$ ，其中 $L_{context}$ 是包含情境信息的语言元素集合。
情感层次：定义映射 $F_{emotion} : L_{emotion} \to M$ ，其中 $L_{emotion}$ 是包含情感信息的语言元素集合。
意图层次：定义映射 $F_{intent} : L_{intent} \to M$ ，其中 $L_{intent}$ 是包含意图信息的语言元素集合。

5. 双向理解的互动性

在一个交流过程中，每个参与者的输入理解和输出表达可以交替进行。假设有两个个体 A 和 B，在一次交流中，A 的输出 $l_{A} = E (m_{A})$ 成为 B 的输入，反之亦然。因此，交流可以表示为一个迭代过程：

$l_{A}^{(n + 1)} = E (C (I (l_{B}^{(n)})))$ $l_{B}^{(n + 1)} = E (C (I (l_{A}^{(n)})))$

其中， $n$ 表示交流的轮次。

虽然这个模型是一个简化的表示，但它提供了一个框架来数学化地描述语言的双向理解和意识。在这个模型中，语言理解不仅是信息的传递，而是一个涉及意识状态变换的复杂过程。通过对这些过程的数学化表示，我们可以更深入地理解语言和意识之间的相互作用和影响。

结论

语言作为意识的一种表现，通过其双向理解的深度揭示了意识的多维性和复杂性。这种理解能力不仅限于语言的表面含义，而是渗透到了个体的思维、情感和社会互动中。在数字化和全球化的时代背景下，深入理解语言的双向理解对于提高人类的沟通效率、增进相互理解以及促进社会和谐具有重要的价值和意义。通过这种深层次的语言理解，我们能够更深入地揭示和理解意识的本质，为人类的沟通和互动提供更为丰富和深刻的视角。

段玉聪，海南大学计算机科学与技术学院教授，博士生导师， 第一批入选海南省南海名家计划、海南省领军人才，2006年毕业于中国科学院软件研究所，先后在清华大学、首都医科大学、韩国浦项工科大学、法国国家科学院、捷克布拉格查理大学、意大利米兰比克卡大学、美国密苏里州立大学等工作与访学。现任海南大学计算机科学与技术学院学术委员会委员、海南大学数据、信息、知识、智慧、意图DIKWP创新团队负责人、兼重庆警察学院特聘研究员、海南省委双百人才团队负责人、海南省发明协会副会长、海南省知识产权协会副会长、海南省低碳经济发展促进会副会长、海南省农产品加工企业协会副会长、美国中密西根大学客座研究员及意大利摩德纳大学的博士指导委员会委员等职务。自2012年作为D类人才引进海南大学以来，累计发表论文260余篇，SCI收录120余次，ESI高被引11篇,引用统计超过4300次。面向多行业、多领域设计了241件（含15件PCT发明专利）系列化中国国家及国际发明专利，已获授权第1发明人中国国家发明专利及国际发明专利共85件。2020年获吴文俊人工智能技术发明三等奖；2021年作为程序委员会主席独立发起首届国际数据、信息、知识与智慧大会-IEEE DIKW 2021；2022年担任IEEE DIKW 2022大会指导委员会主席；2023年担任IEEE DIKW 2023大会主席；2022年获评海南省最美科技工作者（并被推全国）；2022年与2023年连续入选美国斯坦福大学发布的全球前2%顶尖科学家的“终身科学影响力排行榜”榜单。参与研制IEEE金融知识图谱国际标准2项、行业知识图谱标准4项。2023年发起并共同举办首届世界人工意识大会（Artificial Consciousness 2023, AC2023)。

数据（Data）可视为我们认知中相同语义的具体表现形式。通常，数据代表着具体的事实或观察结果的存在语义确认，并通过与认知主体已有认知对象的存在性包含的某些相同语义对应而确认为相同的对象或概念。在处理数据时，我们常常寻求并提取标定该数据的特定相同语义，进而依据对应的相同语义将它们统一视为一个相同概念。例如，当我们看到一群羊时，虽然每只羊可能在体型、颜色、性别等方面略有不同，但我们会将它们归入“羊”的概念，因为它们共享了我们对“羊”这个概念的语义理解。相同语义可以是具体的如识别手臂时可以根据一个硅胶手臂与人的手臂的手指数量的相同、颜色的相同、手臂外形的相同等相同语义进行确认硅胶手臂为手臂，也可以通过硅胶手臂不具有真实手臂的可以旋转对应的由“可以旋转”定义的相同语义，而判定其不是手臂。

信息（Information）则对应认知中不同语义的表达。通常情况下，信息指的是通过特定意图将认知DIKWP对象与认知主体已经认知的数据、信息、知识、智慧或意图联系起来，产生新的语义关联。在处理信息时，我们会根据输入的数据、信息、知识、智慧或意图，找出它们被认知的DIKWP对象的不同之处，对应不同的语义，并进行信息分类。例如，在停车场中，尽管所有的汽车都可以归入“汽车”这一概念，但每辆车的停车位置、停车时间、磨损程度、所有者、功能、缴费记录和经历都代表着信息中不同的语义。信息对应的不同语义经常存在于认知主体的认知中，常常未被显式表达出来，例如抑郁症患者可能用自己情绪“低落”来表达自己当前的情绪相对自己以往的情绪的下降，但这个“低落”对应的信息因为其对比状态不被听众了解而不能被听众客观感受到，从而成为该患者自己主观的认知信息。

知识（Knowledge）对应于认知中的完整语义。知识是通过观察和学习获得的对世界的理解和解释。在处理知识时，我们通过观察和学习抽象出至少一个完整语义对应的概念或模式。例如，通过观察我们得知所有的天鹅都是白色，这是我们通过收集大量信息后对“天鹅都是白色”这一概念的完整认知。

智慧（Wisdom）对应伦理、社会道德、人性等方面的信息，是一种来自文化、人类社会群体的相对于当前时代固定的极端价值观或者个体的认知价值观。在处理智慧时，我们会整合这些数据、信息、知识、智慧，并运用它们来指导决策。例如，在面临决策问题时，我们会综合考虑伦理、道德、可行性等各个方面的因素，而不仅仅是技术或效率。

意图（Purpose）可以看作是一个二元组（输入，输出），其中输入和输出都是数据、信息、知识、智慧或意图的内容。意图代表了我们对某一现象或问题的理解（输入），以及我们希望通过处理和解决该现象或问题来实现的目标（输出）。在处理意图时，人工智能系统会根据其预设的目标（输出），处理输入的内容，通过学习和适应，使输出逐渐接近预设的目标。

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3429562-1412121.html?mobile=1

分享到:

当前推荐数：0

推荐到博客首页

网友评论0 条评论

该博文允许注册用户评论请点击登录