尽管该模型在促进我们目前对 NLP 和 NLU 的理解方面发挥了重要作用，但它在生产系统中不再有用，并且目前没有成功的商业产品遵循这种方法。

在 CDT 中，目标是设计一个可以从句子中得出逻辑推理的 AI 系统。在这个系统中，目标是使含义独立于输入中使用的单词。

CDT 通过使用诸如位置、时间、现实世界动作和现实世界对象等标记来建模句子。然而，随着计算能力变得越来越普遍且成本越来越低，人们开始关注统计模型，这些模型现在的表现优于以前的基于规则的系统。

诸如 CDT 之类的基于规则的方法的问题在于，它们需要手动开发语言规则，这可能是昂贵的，并且通常不能很好地推广到其他语言。

另一方面，统计方法更有效地使用人类语言资源（多语言文本语料库）。统计模型不是使用基于规则的方法，而是基于将真实权重附加到构成输入数据的特征来做出软概率决策。（维基百科自然语言处理）

这种对人类语言资源的有效使用导致模型更加准确和健壮，尤其是在给定不熟悉的输入或包含错误的输入时。统计模型也可以很好地推广到其他语言。

有人还在使用概念依赖理论吗？

是的。很多人。概念依赖是自然语言中思想传达的核心。

这里只是本世纪建立在 Schank 的工作基础上或与他在相关领域的方向平行的一些出版物。

• https://www.mitpressjournals.org/doi/pdf/10.1162/coli.2010.36.1.36105
• https://ubir.buffalo.edu/xmlui/bitstream/handle/10477/34469/2001-09.pdf
• http://leibnizcenter.org/~sileno/articles/ICAART2014.pdf
• http://publicservicesalliance.org/wp-content/uploads/2013/05/narrative-its-2008.pdf
• https://www.semanticscholar.org/paper/Modelling-the-way-mathematics-is-actually-done-Corneli-Martin/0787aa70bbfb3620e1a5ddf2a2f34df99dc1f6ac
• http://sentic.net/seticnet-5.pdf

1992 年，在联合技术研究中心的人工智能实验室和该地区其他几家财富 500 强公司赞助的系列讲座中，我在哈特福德遇到了 Roger Schank。他的整个演讲都是关于人工智能研究的一系列故事。我记得26年后的每一个故事。

与 Schank 博士提出的基于故事的推理和记忆系统相比，你今天在该领域看到的玩具 NLP 实现相形见绌，作为对人类声音交流观察的可能解释。

很容易猜到他进入教育领域的原因。他的自然语言和人工智能思想早在一个世纪之前就已经超越了与我一起参加讲座的大多数人的头脑。

如果你和我发现他基于故事的推理和记忆建议令人信服，那么我们可能还早了一个世纪，并且在当今 NLP 领域中的大多数人都有些过头了。1980 年代实验室中的大多数人都觉得 Schank 很烦人，而那些适应当今技术文化的人则认为他无关紧要。

我在密歇根大学安娜堡分校的一个项目中与之互动的一些人并没有发现他的工作无关紧要，他们的工作正朝着他指出的方向发展。不幸的是，客户 NDA 限制我进一步评论该项目。

我们不应该并且最终不会放弃我们在故事中交流的想法的原因是因为它是正确的。当一个人说“这让我想吐”或“我也爱你”时，使用“现代”技术直接解析这些句子与正确重建大脑中的想法并没有密切关系。扬声器。这两个句子都引用了我们称之为故事的相互依赖的概念堆。

如果两个“派对女郎”在 Borgore 音乐会的女士房间里，一个人说，“递给我一个卷”，“卷”这个词的解释在概念上是依赖的。如果扬声器在一个档位，这意味着一件事。如果在水槽，它意味着另一个。

研究界总会有一些人理解这一点。那些不这样做的人可能会构建省钱的自动机来接听您的业务电话，但它们不会让您提前了解指向政策问题的客户关系模式。

在开发出 Schank 博士提议的能力之前，这些玩具 NLP 代理不会从与客户的电话交谈中认识到产品或服务增强是一个等待被利用的机会，他们不会告诉你一个可以说服你的故事您将受益于成为第一个利用机会的人。