近年来，自然语言处理技术的进步令人瞩目，各种语音助手和翻译软件已经具备了一定的实用价值。尽管如此，对于复杂句子的处理结果仍常被人们当作笑料。这让我们不禁思考：计算机是否有一天能真正理解我们的意思？
要回答这个问题，首先我们需要明确“意思”是什么。在探讨这个问题之前，语言学、逻辑学、心理学、哲学等领域中早已将“意义”作为一个关键问题进行研究。意义的研究范围属于语义学，而语言中的意义不仅包括人类历史上形成的自然语言，也包括人工设计的符号语言，如数学语言、逻辑语言等。
在使用语言进行沟通时，词句是意义的载体。为了确保沟通的有效进行，我们需要对词句意义的约定达成一致。即使在一个系统内部，词句的意义也应当是其处理的依据。明确和稳定的意义在交流和思维中的重要性不言而喻。
传统的意义刻画方式主要有两种：指称和定义。前者是把语词看作语言之外的事物的名称，后者则是把语词看作语言之内的结构的名称。这两种方式常常被结合使用，即用指称的办法确定简单语词的意义，然后用它们定义复杂语词。
这种确定意义的办法虽然直观、自然，但对于很多问题来说已经足够，但它仍不能完全满足人工智能和认知科学的要求。我们所使用的词汇，包括科学和数学中的词汇，往往既无明确指称，也没有普遍接受的定义。词义在历史中会演变，并且依赖于使用环境。一个词的“原义”和“现义”可能不同，尽管它们之间仍有联系。
在认知系统中，语词一般表示为概念。对意义的研究在心理学中对应于各种概念理论。经典概念理论把一个概念看成一个实例集合，其意义来自定义。经典语义理论和概念理论都遇到了困难：我们所用的概念常常没有明确边界，而且用法极其灵活。
为了解决这个问题，心理学家们提出了多种概念理论，包括“原型”理论、“范例”理论和“理论”理论等。这些理论各有证据，而心理学家们尚未就如何确定概念的意义达成共识。
在纳思模型中，一个项和其它项的关系体现在它的外延和内涵之上，而其总和就构成了这个项在此刻对此系统的意义。如果它是个词语项，那么它的外延和内涵就是该词语的意义。当系统运用一个概念去解决当前问题时，由于时间的限制，它通常不可能使用这个概念的全部意义，而只能其中的一部分，这就造成了“当前意义”和“一般意义”的区别。
由于概念和语词的意义由相关的经验决定，而不同的系统总是有不同的经验，所以意义从根本上说是私人的和主观的。意义的“客观性”成分主要是通讯和社会化的产物。我们在使用语言时，为了让他人明白我们的意思，最好按照大家所能接受的方式使用语言。
纳思模型中的符号对系统的意义不依赖于一个外在的指称或解释，而是体现于它和其它符号在系统内部的联系。这种联系是对系统经验的选择性总结，而非不变的定义或理论。在这个模型里，指称语义仍然有用，但仅限于为数学等领域的“纯抽象概念”提供使用途径。
纳思模型的计算机实现已经展示了这个模型的可行性。根据这个模型，概念和语词在一个人工智能系统中是有意义的，而其意义是由系统的相关经验确定的。尽管计算机对一个语词的理解不会完全和人一样，但这种差异并不妨碍计算机用自然语言和人交流，并完成越来越复杂的语言处理工作。
尽管人工智能在理解和处理自然语言方面取得了显著进步，但完全理解人类的意思仍是一个挑战。不过随着技术的不断发展和研究的深入进行，“真正的”人工智能或许不再是遥不可及的梦想。而在这个探索的过程中，纳思模型等理论的提出和实践无疑为我们提供了重要的参考和借鉴价值。
参考资料：
