پخشِ فعال‌سازی، آماده‌سازیِ واژگانی و وب معنایی ۲۰۱۸
Spreading Activation, Lexical Priming and the Semantic Web 2018

این کتاب به بررسی ارتباطات بین زبان‌شناسی و تحقیقات هوش مصنوعی (AI)، نظریه‌ها و پیشرفت‌های متقابلاً تأثیرگذار آن‌ها، و زمینه‌هایی که این دو گروه هنوز می‌توانند از یکدیگر بیاموزند، می‌پردازد. با تاریخچه‌ای مختصر از نظریه‌های هوش مصنوعی، با تمرکز بر چهره‌هایی چون آلن تورینگ و ام. راس کوئیلیان و مفاهیم کلیدی پرایمینگ، گسترش فعال‌سازی (spread-activation) و وب معنایی آغاز می‌شود. نویسنده به تشریح ریشه‌های نظریه پرایمینگ واژگانی در تحقیقات اولیه هوش مصنوعی و چگونگی استفاده از آن برای توضیح ساختارهای زبانی که زبان‌شناسان پیکره‌ای کشف کرده‌اند، می‌پردازد. او بررسی می‌کند که چگونه ایده تقلید از پردازش زبان ذهن برای ایجاد ماشین‌هایی به کار گرفته شده است که می‌توانند طوری آموزش داده شوند که به گفتار انسان گوش دهند و آن را درک کنند، به گونه‌ای که فراتر از مجموعه‌ای ثابت از دستورات باشد. با انجام این کار، او نشان می‌دهد که چگونه آخرین تحقیقات در مورد وب معنایی و پردازش زبان طبیعی از ریشه‌های اولیه خود توسعه یافته است. کتاب در ادامه به شرح چگونگی تکامل فناوری با پذیرش مفاهیم استنتاج، مدل‌های گرامری احتمالی و شبکه‌های عصبی عمیق به منظور تنظیم دقیق آخرین ابزارهای پردازش زبان و ترجمه می‌پردازد. این کتاب جذاب، بینش‌های تفکربرانگیزی را به زبان‌شناسان پیکره‌ای، زبان‌شناسان محاسباتی و کسانی که در زمینه‌های هوش مصنوعی و پردازش زبان طبیعی (NLP) فعالیت می‌کنند، ارائه می‌دهد.

This book explores the interconnections between linguistics and Artificial Intelligence (AI) research, their mutually influential theories and developments, and the areas where these two groups can still learn from each other. It begins with a brief history of artificial intelligence theories focusing on figures including Alan Turing and M. Ross Quillian and the key concepts of priming, spread-activation and the semantic web. The author details the origins of the theory of lexical priming in early AI research and how it can be used to explain structures of language that corpus linguists have uncovered. He explores how the idea of mirroring the mind’s language processing has been adopted to create machines that can be taught to listen and understand human speech in a way that goes beyond a fixed set of commands. In doing so, he reveals how the latest research into the semantic web and Natural Language Processing has developed from its early roots. The book moves on to describe how the technology has evolved with the adoption of inference concepts, probabilistic grammar models, and deep neural networks in order to fine-tune the latest language-processing and translation tools. This engaging book offers thought-provoking insights to corpus linguists, computational linguists and those working in AI and NLP.