机器翻译：语义还是数据？
——人工智能视域下的语义问题与哲学反思
吴 戈
（吉林大学 哲学社会学院，吉林 长春 130001）
摘 要： 翻译行为可以看作维特根斯坦“语言游戏”的一种。“积木世界”的尝试，说明机器翻译同样也是一种“语言游戏”，涉及哲学上语义问题的争论。随着人工智能的出现，经由统计派到神经翻译再到问答系统的发展过程，机器翻译具备足够的数据支撑来解答语义问题。数据的强大以至于计算机科学界出现了语义问题的争论已无甚意义的声音，但哲学界并不这么认为。针对语义问题的不同观点显示了人工智能视域下机器翻译语义问题的解答仍然是开放性的，实证的计算机科学为人类展现了人工智能的各种可能性，但科学提供的事实并不能完全解决专属于哲学领域的概念和意义问题。
关键词： 语言游戏；积木世界；机器翻译；人工智能
当前信息技术飞速发展，很多人对机器翻译这个词已习以为常。从最早金山词霸的惊艳登场到现在方便快捷的有道翻译，这些软件已经融入人们日常的工作生活之中。但是严格来说，这种形式只能算是机器帮助翻译，而不是完全意义上的机器翻译。那么，到底什么是机器翻译呢？通俗来说，机器翻译就是自然语言文本经由计算机实现不同种类语言间的翻译。这个概念更多是从与人工翻译比较的层面来讲的，是伴随科学技术发展出现的一种翻译活动，是指机器在没有独立完成翻译活动的过程，其中包含源语分析、形式转换和译语生成三个环节，而这之中没有人工的介入。随着人工智能的出现和发展，机器独立完成各项任务的水平获得极大发展，机器翻译水平也随之不断提升。
由于人工智能学术背景的多样与复杂，导致人工智能领域内的问题经常引起多学科的交叉探讨，机器翻译同样不可避免。人工智能领域下机器翻译的发展，不仅产生了计算机翻译问题，也引起了哲学争论。时至今日，随着人工智能的发展，智能问题研究愈发丰富，不仅呈现出跨学科、多领域等特点，也成为当下各领域关注度最高的问题之一。
一、机器翻译是一种“语言游戏”
数理逻辑的出现和发展，促进了人工智能的产生和发展。随后机器翻译不可避免地遇到了语义问题，这也间接性导致了哲学问题的语言学转向。路德维希·维特根斯坦认为，语言是一种静态描述物质对象的符号系统，其“语言游戏论”认为，语言是人类借以从事各种活动（包括心理活动和交流活动）的工具（instrument），其含义并不来源于外部对象，而是来自其“用法”。自然语言似乎同时具备了“基于统计”“基于规则”和“基于实例”的“行为主义”特征①。巧合的是，人工智能自动翻译模型的理论基础与此有着微妙的对应。对此，维诺格拉德通过SHRDLU系统将“世界”简化为一种语言游戏的“积木世界”，维特根斯坦的“语言游戏论”片段，可在SHRDLU系统下得以清晰的阐述，人工智能领域下的机器翻译，成为一种语言游戏的模拟。
有研究结果显示,教师参加临床实践后课堂教学质量评价总分高于临床实践前总分,差异具有统计学意义,说明护理专任教师参加临床实践有利于课堂教学质量的提高[4]。通过临床实践,教师对书本理论知识有了更加直观、深刻的认识,在授课过程中能合理组织教材、避免了照本宣科的情况。在实践中教师可以更清楚地了解临床护理岗位需求,更好地把握教学中的重难点。与此同时,教师能够收集典型教学病例并及时了解临床新进展。教师将临床实践中遇到的情境、问题和病例作为课堂教学的素材,可以激发学生的学习兴趣和积极性,提高学生主动发现问题,并应用所学理论知识分析、解决临床实际问题的能力,有助与学生临床思维的形成。
（一）数理逻辑到“语言游戏”
人类社会在不断发展，生存环境也在不停改变。哲学思辨的对象同样也都不是一成不变的，哲学思考的论题一直针对着人类生活的内容，在给予深远启示意义的同时，也提出了艰巨的挑战。
数理逻辑的建立，将哲学的中心转向了语言学，语言哲学应运而生。数理逻辑的发展，经由莱布尼茨、布尔、弗雷格和罗素等人的不断完善过程，从最初的普遍语言设想，经过层层推进到逻辑类型论的建立。数理逻辑的建立实质上是为了符号化表征人类的思维过程，因此构建了一套高度形式化的符号语言。在此基础上，出现了计算机科学。同时，在关于概念含义和命题规则的数字化界定的过程中，引起了关于人工语言的讨论并且探讨了其与自然语言的关系问题，之后语言开始越来越多的成为哲学研究的对象。
随着数理逻辑的建立、人工智能模拟的出现以及计算机科学的发展，语言哲学的发展经历了两次转向。首先是19世纪末至20世纪初，逻辑原子主义认为自然语言的表达太模糊，试图用精确的数理人工语言来代替自然语言。由于人工语言只能解释描述世界的“描述性语言”的语义，而无法描述表达人类情感的“表达性语言”的含义，语言哲学后来又回归自然语言，出现了“语言游戏论”，产生了分析哲学。
在这种背景下，人工智能及机器翻译也随之进入“语境模拟”与“语境识别”的“行为主义”阶段。
（二）维特根斯坦的“语言游戏说”
维特根斯坦认为：“语言是人们相互之间用来传递信息的一种手段，它是一种活动，而且是人们全部的活动中一种最为重要的活动。语言的准确意义存在于其应用功能中，语言伴随人的一切活动而发挥功效。”②但是，由于语言存在于社会历史背景之中，其作为一种“生活形式”，体现着文化习惯、制度、风俗等。语言与生活形式密不可分，语言的意义需要基于生活形式的理解。对此，维特根斯坦认为：“语言的准确意义存在于其应用功能中，语言伴随人的一切活动而发挥功效。语言是人们相互之间用来传递信息的一种手段，它是一种活动，而且是人们全部的活动中一种最为重要的活动。”③语言的意义在于使用。
在此基础上，维特根斯坦提出了“语言游戏说”：“语言和行动（指与语言交织在一起的那些行为）所组成的整体叫做语言游戏。”④“语言游戏说”的灵感来源于足球比赛，足球作为一项运动，建基于一套规范：标准的场地，完整的规则，运动员按规则竞技。由此，维特根斯坦联想到语词的作用方式也是如此，即人们在不同的情境中交流，为了实现语义的传递，就必须在交际规则允许的范围内使用语词。翻译属于语言游戏的一种，机器翻译也同样。那么“语境表述”的“机器模拟”是如何实现的呢？
（三）“积木世界”：机器翻译的语言游戏
当前绿色生态理念已经成为各行各业发展过程中的一种重要理念，除了使建筑物具有安全性以及舒适性和耐久性等特征外，还要注意生态环保。因此，在具体设计过程中，应该坚持“以人为本”以及“生态设计”理念，从而不断满足大众多样化的设计需求，同时使生态化发展与我国经济社会发展融为一体，而木结构便具备这一特征，符合时代发展趋势，在建筑工程施工中具有应用价值。
证明 记δQk(x,t)=Qk+1(x,t)-Qk(x,t)，δuk(x,t)=uk+1(x,t)-uk(x,t)，将式(3)改写为：
维诺格拉德在准备博士论文时，为了理解儿童的心理世界，借了几本儿童百科全书研读，后来他发现，这是一条错误的路线，儿童的知识也还是太深，需要有更简单的语言世界。维特根斯坦认为，理论家原则上能够依据建筑工和他的学徒工有关怎么递送材料的对话场景，建立一个关于外部物理世界的理想语义学模型。受此启发，维诺格拉德利用计算机在显示器上展示了一个虚拟的“积木世界”：SHRDLU系统把当时很多AI技术整合到一起，如自然语言理解、知识表示和规划（Planning），应用计算机图形学，为积木世界建立了模型，如每个积木的性质、长宽高大小、颜色、形状等，以及什么积木可以搭在什么积木上面。人可以通过简单的自然语言，命令一个机器手对这个积木世界进行虚拟操作。比如拿起一个特定的积木块将它摞在另一个积木块的上面。当机器吃不准人的命令时，可向人发问。SHRDLU系统的“积木世界”作为一个简化的关于物理世界的语义学模型，通过逻辑运算，能控制机械手完成各种积木搬运任务。
通过“九天”个案，典型地展示了传统体育的调适过程。可见，无论调适后是“整合”、“附加”、“取代”，都会形成一个新的传统，这一个新的传统代表了传统涵化的结果。以“九天”阵头变迁史的逻辑推展到传统体育的变迁，如“发明的传统”模型图所示。
从“语言游戏”的“积木世界”模拟可以看出，语言哲学可以在计算机模型中得到表述。反过来，语言哲学问题是否也可以在科学的进步中寻找答案呢？
二、从语义问题到数据解答
自从数理逻辑、语言哲学诞生以来，语义问题就成为思想史上一个复杂且迷人的问题，哲学家围绕着语言的产生、“意义”、“表达”、“意向性”、“使用”、“解释”等问题展开了探讨。
随着人工智能的发展，自然语言的理解和模拟也出现了新局面，在大数据的支持下，统计派带来提出了统计方法；随后，神经机器翻译的出现大幅度提高了机器翻译的水平和效率；知识图谱的出现，完善了问答系统，机器翻译过程变成了问题理解、知识查询与答案生成的过程。在某种意义上来说，机器翻译的重点不再是语义问题，只要数据的体量足够完备，翻译的核心就是数据识别问题。
（一）机器翻译的语义问题困境
伴随着数理逻辑的出现和发展，分析哲学和计算机科学也应运而生。这是两个在诞生之初并无太多关联但日后会有千丝万缕联系的学科。分析哲学的构建基础就是数理逻辑，弗雷格和罗素以及维特根斯坦都为分析哲学的奠基做出了贡献。分析哲学按照研究对象和方法的不同，可以分为两类，分别是针对人工语言和日常语言的分析方法。并且这两种状态并不是简单的一分为二，而是动态变化的过程。
经过对数理逻辑与分析哲学的回溯，有关语义问题的困惑也逐渐清晰起来，人工智能语义问题为何成了绕不开的难题？首先机器翻译语义难题是语言哲学必然要面对的。因为人工智能的内在基础是逻辑化的符号语言，其目标也是试图构建一种普遍适用的语言。问题诞生于在上述两次转换的过程中，从自然语言到人工语言转换后，人工智能翻译出现，并产生了具有普遍性的人工语言；随后回到日常语言的转换后，日常语言的自然性成了主题。由此看到，人工智能语义问题的出现就是因为日常语言的视角与人工语言的追求产生了矛盾。语义问题的难点在于人工智能的理论基础和语义实现的逻辑要求之间存在着内在的对立，这种对立源自计算机科学与语言哲学的学科基础，是逻辑与现实、符号与对象之间的矛盾。而语义问题绕不开是因为人工智能翻译追求形式化的实现，而语言哲学要求自然化的体现，这是显而易见的矛盾关系。要规避这个问题，计算机的实现方法就需要有革新。在看得到的未来里，这个革新不容易实现。
希拉里·普特南（Hilary Putnam）在其代表作《理性、真理与历史》中谈道：“我们头脑中的语义来源于现实体验且形式的符号与所指称的对象相对应时，语义才有产生的可能性。语义存在于人类与外部世界的关系之中，而计算机运行的都是形式化符号的句法操作而无法进行语境化的语义识别，因此机器无法形成语义能力，更无法形成智能。”⑥为了形象地说明这个问题，普特南设计了一个称为“缸中脑”（Brain in a vat）的理想实验：设想有一个可以独立存活在营养液中的大脑，通过计算机的连接实现不同区域感官的刺激，以此来欺骗大脑。这只是一些电子信号而已，但是这个大脑却确实体验到了不同的感官刺激。虽然缸中脑确实获得了感受，但它其实是被电子信号蒙在鼓里，并没有获得正确的语义信息。
由此，就把问题引到了从前语言与心智关系的传统哲学问题上来了。笛卡尔关于心身关系、思维与大脑关系的思考，得出了语言与心智的二元论结论；莱布尼茨认为知觉存在与单子之中，因此人工机器无法获取知觉；皮尔士的符号学则认为“心智不存在于大脑这样的有机器官之中，思维也不依赖于人类所构想出来的心智，其本质是以人为媒介的符号化过程。思维即符号，意味着人类思维的人造本质”⑦；汉森的观察渗透理论认为，语言映照着心智，但不可避免地受到社会环境因素的影响。“除此之外，中国哲学注重的直觉主义的感悟方法进一步拉开了言与意的距离，增加了翻译难度。应于心却无法发于口，强调体验、体悟、坐忘的直觉主义等独特的哲学思维，要求译者在把握源文本和输出目的语文本的同时，还要践行逻辑思辨与直觉感悟相结合的方法。”⑧而在当前计算机符号化语言取得更新突破之前，这暂时都还是棘手的难题。因此整个20世纪80年代，自然语言处理研究乏善可陈。语义问题的解决，需要换一个思路。
维诺格拉德的积木世界设计了好几个方面的语言：语言的输入和输出及生成、知识的表示和理解、世界和思想等，维特根斯坦语言哲学中的语言游戏论片段可在SHRDLU系统的框架下得以清晰阐述。这就像徐英瑾评价的那样：“该模型中的基本真值承载单位（原子命题）对应着世界中的‘事态’——或用SHRDLU的眼光来看，此即各种‘积木’彼此之间可能的配置形式。由于维氏认定，自然语言在本质上即原子命题的真值函项，所以，从原则上说，理论家们就可以通过对那些原子命题的真值计算，而以纯粹机械的方式对任何自然语言片段的含义进行配置。从这个角度看，维诺格拉德就是将维氏所说的‘世界’简化为了‘积木世界’，将‘语言图像’简化为了SHRDLU系统的积木语言，并为系统对于世界的物理干预铺设了通道。”⑤
（二）数据支撑下的尝试解答
事实上，经过长久的探讨与争论，语义问题似乎并不像看上去那样无法跨越了。当下计算机科学界纠结和思考人工智能语义问题的研究者并不多，他们大都在努力解决人工智能发展过程中出现的实际问题与挑战。他们更像是行动者，反思者的角色自然由哲学家来扮演。从一种解构的角度来看，人工智能的理论根基重视逻辑，使用符号语言；而语义实现的要求面向对象，落脚现实。逻辑与符号并不存在于现实，是人类主观抽象出来的方法与工具。所以解决机器翻译的语义问题相当于是用以抽象为基础的人工智能手段解决不经过抽象的现实对象问题。要想完美地解决语义问题就必须调和基础与目的的反动联系以及抽象与现实的矛盾关系。
首先，在大数据支持下，在1988年的计算语言学会议上，统计派的IBM TJ Watson研究中心机器翻译小组发表了关于“统计机器翻译”的论文，回归统计派提出了统计方法，并用统计方法推出了“法语和英语翻译系统”（CANDIDE）。两年后，这一小组又在《计算语言学》杂志发表论文，对他们的工作做了更加理论性的概括。统计派认为，如果有充足的数据，可用统计方法对海量数据进行识别进行翻译。另外，统计方法的另一个好处是，工程师根本不需要语言学知识，也不需要懂源语言或目标语言，只要懂得语言识别，就可以从事机器翻译。谷歌翻译团队就没有什么科班出身的语言学家。甚至还有声音认为，语言学知识不仅对翻译没什么用处，有时还会起反作用。
电厂汽轮机在检修维护中涉及了较多的作业内容，其中主要的几类检修维护内容为：叶轮的检修及维护、汽轮机异响，振动现象的检修及维护、汽轮机凝汽器的检修及维护、汽轮机油系统的检修及维护、汽轮机大轴的检修及维护。
但是，根据波普尔对卡尔纳普归纳法的批判，乔姆斯基⑨反对统计方法，因为语言的可能性是无限的，即使数据的体量再庞大，统计方法不可能穷尽所有可能性对语言进行统计组合。另外，统计派翻译方法太行为主义了：面对大量的平行语料，左边是刺激，右边是反射。
维诺格拉德设计了SHRDLU系统，系统仅用一组有限的几何物体，就贴切地描述了人机间的对话活动，既可感，又可知。这个系统后来被称为“积木世界”，它既展示了应用计算机有效对自然语言进行了模拟，也展示了自然人是如何借助计算机实现对自然语言的理解。
在人工智能机器翻译的发展过程中，一直存在着句法与语义的隔阂。约翰·塞尔第一个明确提出了这种断裂是语义问题的核心所在，他认为：“人心不仅是语法的，它还有一个语义的方面。计算机程序永不可能替代人心，其理由很简单：计算机程序只是语法的，而心不仅仅是语法的。心是语义的，就是说，人心不仅仅是一个形式结构，它是有内容的。”⑩也就是说，计算机系统中形式化语言的句法不能够实现自然属性的语义内容，机器翻译不可能实现理解。
2017年，Facebook用自己擅长的“卷积神经网络”（CNN），进行“序列到序列”学习，在其准确度不输于谷歌的前提下，计算速度比谷歌的RNN有了数量级的提升。
知识图谱的出现，补全了“问答系统”的最后一块拼图。问答系统有三个必备组成部分：问题理解、知识结构和答案生成，这三个部分相辅相成地整合在一起。机器翻译过程，变成了问题理解、知识查询与答案生成的过程。第二部分的知识图谱是基础和核心，知识图谱越丰富，问答系统回答问题的能力越准确，机器翻译能力越强大。问答系统依靠常识和知识，同时也依靠浅层推理。第一部分和第三部分，是通过知识图谱对自然语言进行识别和处理。
经由以上过程，人工智能的机器翻译水平获得了巨大的发展。有了强大的数据支撑后，翻译的水平似乎强大到可以无视语义问题的争论。计算机科学家认为，翻译不再是语义问题，不需要“理解”，也不需要“解释”，翻译只是数据的识别和选择问题。只要把语言变成计算机可识别的数据，甚至语音同步翻译都可以实现。
三、机器与语义的哲学思辨
人工智能的介入以及数据支撑的强大使得计算机科学界认为关于语义问题的争论可以停止了。哲学发现问题，但问题不一定要通过哲学给出解答。重大的科学进步一定含有理论框架的突破和传统概念的革新，这对科学与哲学领域同样都有帮助，爱因斯坦的相对论就是一个典型的例子。但是在哲学界看来，语义问题还是一个暂时无法跨越的鸿沟。以约翰·塞尔为代表的哲学家不仅认识到了句法与语义的对立、逻辑与现实的断裂以及符号与对象的冲突都还是亟待解决的问题，并且也提出了一些思想实验对计算机科学界的声音进行了有力的反击。
3.强化训练，规范作业。就书面练习来看，小学生往往重结果而轻过程，进入初一后，突出表现在部分学生的作业在独立做时不会，抄或与别人对答案等。因此，必须强化以下两点：一是要严格训练，即教师要在规范解题上为学生做好样子；二是要严格要求，让学生从思想上认识规范作业的重要性，对那些不规范的现象及时改正。
（一）中文屋论证：来自哲学家的反驳
所谓的中文屋实验，是由美国哲学家约翰·塞尔在1980年提出的一个思维试验。这个实验的内容是设想有一个只懂英语不懂中文的人，将其关进一个封闭的房间，与外界沟通的方式只有通过墙上的小洞来传递纸条。而外面只能理解中文并且传进来的纸条全部由中文写成。这个人有一本简单易用的中文翻译程序手册，并且房间里有足够完成纸条的其它工具。如此一来，这个人就可以在看不懂中文纸条的情况下，利用中文翻译手册把纸条信息翻译成英文，然后再将自己的回复翻译成中文通过纸条传出去。经由这样的过程，屋子外面的人会认为屋里的人完全理解中文，而事实并不是这样。这个人只是在按照翻译手册操作，并不通晓中文。
塞尔的论断是屋里人即使查遍手册，顶多算是理解语法，而不算理解语义。基于此他认为，实现强人工智能是在异想天开。这一观点在众多学科领域都引发了激烈讨论。
为便于对设计洪水成果进行比较，本次选取崇礼水文站断面作为设计洪水计算断面，分别计算10年、30年一遇设计洪水。
约翰·塞尔的中文屋思想实验与计算机翻译程序有些相似。在机器翻译的过程中，机器同样不理解语言的意义，但是一样可以实现翻译过程。就像中文屋里的人不懂中文，一样可以利用指导手册实现屋子内外的信息传递。这本指导手册就类似于机器翻译的程序，如果把中文屋连同里面的人和手册看作一个整体，整个屋子就相当于一台翻译机器。机器和屋中的人一样完全不理解中文，但是只要有指导手册或是运行程序，完全可以在不牵涉理解的情况下完成信息翻译传递的任务。由此看来，是否能够认知以及理解似乎并不那么重要了。
巨浪集团拥有巨浪（CHIRON）、斯塔玛（STAMA）和舍勒（SCHERER）三大机床品牌，以及改装专家CMS。巨浪以中小型部件和有色金属的高速高效切削为主，斯塔玛以中大型部件和黑色金属的重型高效切削为主，两家都专注于立式加工中心领域，提供单主轴、双主轴乃至四主轴加工设备；舍勒则专注于倒立车的生产，提供单主轴和双主轴倒立车，用于盘类和轴类部件的车削加工；CMS提供集团公司生产的机器改造及相应的大修服务。
中文屋论证并不是一个完美的思想实验，它有很多地方不够严谨被不同观点抓住并反驳，但这正是思想实验的意义所在。即使中文屋论证本身充满着疑惑，也正是这些问题才会引起各式各样的讨论。真理总是愈辩愈明的。很多时候问题之所以难以解决是因为问题之外有各种因素的干扰与迷惑，思想实验正好可以帮助我们拨开迷雾，直面问题的核心。虽然中文屋是一个哲学层面的思想实验，但是一样可以触及关于人工智能翻译问题的讨论。塞尔的观点在很大程度上将形式与内容完全割裂。虽然在概念层面形式与内容有着天壤之别，但是具体而言形式和内容只是事物的不同方面而已。中文屋实验的论点强调由内容来定义意向状态而非基于形式，以形式与内容的矛盾来突出语义问题。但其实形式都是对具体事物的抽象化表达，和内容一样都是来源于现实，是对事物的不同维度表达，二者的矛盾并没有到完全对立的地步。
（二）句法与语义的二元对立
于是，谷歌改弦易辙，于2016年发布了“神经机器翻译”（Google Neural Machine Translation）系统。这种“连接模型”（Connection Model），叫做“人工神经网络”（简称NNs），它是一种算法数学处理模型，基于动物神经网络的行为特征，进行分布式并行信息处理。这种网络以数量庞大的节点为基础，构建复杂系统，通过调整节点的位置与关系，实现信息处理过程。这种“连接模型”和谷歌早期基于短语的机器翻译不同，神经翻译的基本单位是句子。谷歌使用“循环神经网络”（简称RNN），可以在谷歌自己开发的TensorFlow硬件设备平台上，做“序列到序列”（Sequence to Sequence）的学习，相比之前基于短语的翻译系统，误差降低了60%，翻译质量和效率也有巨大提升。
通过中文屋思想实验可以看到，句法与语义并非是真的完全对立状态。在实验中不管是否涉及理解，中文屋给外面的人输出了语义内容，实现了语义传递。如果把纸条上的文字看作语义内容，那么中文屋就依靠形式操作实现了内容的传递。其实能否将语义内容与形式之间划清界限本身就是未知数，毕竟在许多领域，形式就是内容。这样看来，机器翻译无法实现语义的观点也自然站不住脚。
注释：
从某种程度上来说，计算机器与语言思辨都是完全意义上靠语言的实现而产生的，但是由于语言哲学经历了两次转向，从而导致机器和语言的理解之间出现了逻辑与现实的断裂、符号与对象的冲突。句法与语义之间真的存在完全的断裂吗？答案显然不是确切的。因此语义问题在技术发展方向与哲学研究领域都可能出现新局面，并非无法解答。“我们先有某个关于知识的推理性质的直观，然后通过可能世界语义，把该推理性质转化为关于认知可能情形不可区分关系的性质。某个具体的认知能力并不能决定知识的推理性质，因为知识的来源和途径是多种多样的。”[11]只是在科学技术水平达到那种认知程度之前，我们首先要避免看待问题过于激进的句法与语义的二元对立立场。
面对语义识别困境，随着人工智能的发展，自然语言理解和处理的发展也出现新局面。
总而言之，人工智能总会向前发展，担忧与信心都不可或缺。坦率地讲，看得见的未来里人工智能会取得无法想象的进展是一个注定要实现的事实。同样也能够预见的是，人工智能与哲学会引领何种幽深又现实的争论和思潮。哲学与科学的分野与反动，是一片树叶的两面，是人类认知事物的左右眼。透过机器翻译是语义问题还是数据问题的争论，让我们看到了哲学和科学的原点，也看到了哲学和科学“你中有我，我中有你，万物归宗”的终极同一。
莫西沙星组临床总有效率显著高于左氧氟沙星组，差异具有统计学意义(χ2=6.27，P＜0.05)。见表3。
5个灰岩样各孔径阶段孔容所占总孔容的百分比均表现为微米孔孔容百分比最大，介于41.43 %～96.30 %，平均为81.05 %；亚微米孔孔容百分比大于纳米孔，前者介于3.70%～15.71%，平均8.74 %，后者介于0～35.71%，平均为7.14%。从研究区5个灰岩样品整体来看，灰岩层孔隙基本都为微米孔，亚微米孔所占比例很少，基质孔隙度介于1.59 %～2.54 %(表1)。
沙朗舞的腿部动作多与脚下的步法相互配合，脚下步法主要有连续踏步，前后跨步，侧向切步，左、右划圆绕步及侧身交叉步组成。伴随着歌唱的节奏，一般以右脚踏步作为开始动作，继而过渡到左脚，有规律地左右转换踏步，脚步动作随着上肢动作的改变而改变，并与之相协调。沙朗舞脚步动作的变换都是在小范围内完成的，很少有大幅度的跳跃和跨步，从而使得沙朗舞步十分灵活多变。
①徐英瑾：《心智、语言和机器——维特根斯坦哲学与人工智能科学的对话》，人民出版社2013年版，第352页。
②徐巧亮：《维特根斯坦后期哲学思想研巧》，江苏人民出版社2005年版，第20页。
③刘盛庆：《翻译与语言哲学》，中国对外翻译出版公司2007年版，第7页。
④维特根斯坦：《哲学研究》，李步楼译，商务印书馆1996年版，第7页。
Compound 2 amorphous powder; [α]D25 +9.6 (c 0.10, CHCl3); IR (KBr) νmax = 2924, 1719, 1459, 1254, 1055 cm–1; 1H- and 13C NMR (CDCl3), see Table 1; HRESIMS m/z 635.3187 [M + Na]+ (Calcd for C35H48O9Na, 635.3184).
⑤徐英瑾：《心智、语言和机器——维特根斯坦哲学与人工智能科学的对话》，人民出版社，2013，第351页。
⑥希拉里·普特南：《理性、真理与历史》，童世骏，李光程译，上海译文出版社2005年版，第114页。
⑦陈曦：《皮尔士符号学及其对人工智能发展的启示》，《大连理工大学学报》（社会科学版）2018年第6期，第110-111页。
⑧朱舒然：《庄子语言哲学的翻译学意义》，《河南社会科学》2018年第5期，第95-96页。
奥氏体含量、Creq/Nieq值随N含量的变化如图3所示.可以看出,当N含量从0.700%增加至2.200%时,Creq/Nieq值从3.32减小至2.07.分析奥氏体含量在图3中点的分布规律发现,其与Creq/Nieq值的分布规律一致.这从另一个角度验证了本实验过程中除N元素外,其他元素的成分变化很小.奥氏体含量的变化主要是由于N含量的变化导致的,分析式(2)可知各元素在奥氏体稳定化中的效果,其中N元素的系数为30,即奥氏体化作用是Ni元素的30倍.利用最小二乘法对测量数据进行多项式拟合,回归曲线对测量值的拟合程度较高,奥氏体含量与N含量符合如下关系:
⑨艾弗拉姆·诺姆·乔姆斯基博士（1928年12月7日—）是麻省理工学院语言学的荣誉退休教授。乔姆斯基的《生成语法》被认为是20世纪理论语言学研究上最伟大的贡献。
⑩约翰·塞尔：《心、脑与科学》，上海译文出版社2006年版，第23页。
[11]王海若：《认知主义的预设》，《河南社会科学》2018年第9期，第94-95页。
Machine Translation:Semantics or Data?—Semantic Problems and Philosophical Reflections from the Perspective of Artificial Intelligence
Wu Ge
Abstract： Translation belongs to Wittgenstein's“language game”.The attempt at“world of building blocks”illustrates that machine translation is also a“language game”，involving philosophical and semantic disputes.With the emergence of artificial intelligence，through the development process from statistics to neural translation to question answering system，machine translation has enough data support to answer semantic questions.Data is so powerful that there is no meaningful debate in computer science about semantics，but not in philosophy.Different views on the semantic problem show that the answer to the semantic problem of machine translation from the perspective of artificial intelligence is still open.Empirical computer science shows various possibilities of artificial intelligence for human beings，but the facts provided by science cannot completely solve the problems of concepts and meanings exclusive to the field of philosophy.
Key words： Language Game;the World of Building Blocks;Machine Translation;Artificial Intelligence.
中图分类号： B0
文献标识码： A
文章编号： 1007-905X（2019）04-0075-06
收稿日期： 2019-02-03
作者简介： 吴戈，男，吉林大学哲学社会学院博士研究生，主要从事科学技术哲学研究。
编辑 真 明
标签：语言游戏论文; 积木世界论文; 机器翻译论文; 人工智能论文; 吉林大学哲学社会学院论文;