20、自然语言推理：概念、挑战与第一代方法

自然语言推理：概念、挑战与第一代方法

在许多科学领域中，利用证据提出理论是常见现象。就像牛顿从苹果落地的证据，经过自身推理，最终提出了万有引力定律。同样，婴儿在学习第一语言时也会进行推理。在这个过程中，婴儿会推断发出某种声音的含义，例如，婴儿明白，要获得食物或成人的关注，哭一会儿可能是必要且有效的。学习语言本质上就是具备推理能力，并能创造出可能未曾完全听过的词汇模式。

推理与理解密切相关。婴儿理解发出特定声音与获得食物之间的关联，于是开始发出该声音以达到进食的预期效果。如果说理解是效果（婴儿所经历的）和声音（婴儿所发出的）的联合概率，那么推理就是在已知声音的情况下，效果发生的条件概率。

推理广泛存在于多个科学和工程领域。在人工智能中，推理学习是一种学习范式，它将学习建模为在搜索空间中进行遍历以实现特定目标。例如，机器人在房间中从起始状态开始，通过移动来扩展对所处空间的理解。在数学证明中，也能看到推理的运用，基于一组规则和公理推断假设的真实性。

自然语言推理（NLI）的定义

在自然语言处理（NLP）中，自然语言推理（NLI）是一个特殊的问题，它为理解语言提供了一种条件性的表述。NLI处理的是在已知前提（premise）的情况下，预测假设（hypothesis）的真实性。例如，如果已知“他在打鼾”，能否推断出“他在睡觉”，这就建立了两个句子之间的条件概率。

NLI也被称为文本蕴含（textual entailment）。已知为真的句子称为前提，其真值需要确定的句子称为假设。

NLI中的歧义问题

NLP系统能否正确进行文本蕴含判断，可以作为检验其是否理解文本含义的测试。语言具有“可变性”，即相同的含义可