¿Cuál es la definición de la comprensión del lenguaje natural (escrito) y cómo podemos probar o medir esta comprensión?
La comprensión del lenguaje natural es una parte descuidada del procesamiento del lenguaje natural en informática. Se necesitan definiciones exactas y pruebas de comprensión para producir inteligencia general artificial (AGI), por ejemplo, el artículo https://link.springer.com/chapter/10.1007/978-3-319-41649-6_13 argumenta que la inteligencia general artificial (por ejemplo, software pieza) debe aprender y automodificarse, pero tal desarrollo solo es posible si AGI puede estimar la calidad/idoneidad de la nueva automodificación: si esta automodificación es mejor que la versión existente de AGI y si esta automodificación puede ser ¿aplicado? Obviamente, si queremos aplicar el aprendizaje automático y AGI a la comprensión del lenguaje natural, entonces deberíamos poder probar y medir la comprensión.
Hay un artículo https://link.springer.com/chapter/10.1007/978-3-319-41649-6_11 sobre la comprensión específica, pero de alguna manera es estrecho de miras para la tarea de control de calidad en particular. ¿Quizás la ciencia cognitiva tiene mejores pruebas?
Para referencia, hay algunos sistemas AGI de "arquitecturas cognitivas" en desarrollo (wikipedia tiene una lista de ellos), como OpenCog, NARS, Soar y algunos otros.
Los sistemas de comprensión del lenguaje natural pueden basarse en teorías de representación del discurso , que representan el significado de las oraciones en inglés como predicados lógicos de primer orden. Attempto Controlled English es un ejemplo de un sistema de comprensión del lenguaje natural que se basa en teorías de representación del discurso.
De manera similar, existen varias implementaciones de analizadores semánticos que convierten textos en lenguaje natural en representaciones formales de sus significados.