語義學是對意義（meaning）的研究。本書（除了后一章）主要關(guān)注的是語言表達的意義，這里的語言表達指的是句子或者更長的文本，而不是計算機程序、數(shù)學公式或者更廣泛的符號學所關(guān)注的意義。一般來說，語義學更多指的是單詞的意義，但是Urban Dictionary將語義學定義為：
討論單詞或詞組在特定語境中的意義的研究，通常是為了贏得某種形式的爭論。注意，不要陷入語義學的泥潭中。
這一領(lǐng)域可以被歸類到語言學、計算機科學、哲學或認知科學中的任意一個學科內(nèi)。本書在頁邊將一些段落特別標記為Ling（語言學，linguistics）、Comp（計算機科學，computer）、Phil（哲學，philosophy）或者CogSci（認知科學，cognitive science）。本書的這種組織方式也反映了語義學這一學科的模糊性。因為沒有人能成為所有這些領(lǐng)域的專家，所以本書會分別討論每一個領(lǐng)域的基礎(chǔ)知識。
誰應(yīng)該閱讀本書？
我們的目的是提供概念化（conceptual）和形式化（formal）的工具，用于建立能夠理解文本的語義系統(tǒng)。該系統(tǒng)既面向信息提取、問答等特定任務(wù)，也面向語義網(wǎng)等更寬泛的任務(wù)。我們的目標是介紹工作系統(tǒng)（working system）所依賴的基本思想，這主要針對對開發(fā)語義系統(tǒng)感興趣的計算機科學或者工程專業(yè)的學生。本書理想的讀者是黑客，即喜歡深入了解系統(tǒng)內(nèi)部工作原理的人，他們不僅愿意嘗試和實驗不同的事物，而且樂于研究數(shù)學模型。從這個角度來說，本書是比較難理解的，因為書中所使用的句子很長，有很多很長的單詞，也沒有使用類似側(cè)邊欄材料的排版技巧，所以無法根據(jù)關(guān)鍵字快速粗略地閱讀。而且我們還假設(shè)讀者會花時間完成練習題，并在讀不懂時查閱相關(guān)的資料。
本書的重點在于思想，但是我們也在GitHub上準備了很多相關(guān)的代碼（大約2500行）。我們希望讀者的學習計劃以實踐為主，從代碼開始，只在需要時才參考書中的內(nèi)容。不過，我們也必須提醒這些以實踐為主的讀者，書中所討論的內(nèi)容中只有大約三分之一附有代碼，其余的部分需要自己解決。其他更傳統(tǒng)的閱讀建議可以參見1.5節(jié)。
如果你學習語義學是想通過代碼來執(zhí)行語義任務(wù)，那么可以從本書代碼的文檔參考中找到相關(guān)的網(wǎng)站文本和不斷增加的Python代碼之間有雙向超鏈接。本書是為有經(jīng)驗的軟件開發(fā)人員準備的，沒有介紹Python，也沒有為代碼提供詳細的文檔。強烈建議讀者參與到代碼更新中，見https://github.com/kornai/4lang（需要在比GPL更弱（更寬容）的CC Attribution或類似許可下，允許商業(yè)重用，并且不能對代碼的其余部分產(chǎn)生任何病毒式的影響（GNU LPGL、BSD和類似的許可證都可以））。
以計算為導向的讀者，比如計算機科學/工程專業(yè)的研究生或高年級本科生，會發(fā)現(xiàn)除了第2章總結(jié)的數(shù)學基礎(chǔ)知識以外，其他章節(jié)是相對獨立的。在本書的其余部分，我們會針對自然語言（而不是程序語言）進一步開發(fā)和探索這些數(shù)學基礎(chǔ)知識。由于我們選擇自然語言作為研究主題，這些內(nèi)容與現(xiàn)在在程序語言語義學中被視為理所當然的數(shù)理邏輯基礎(chǔ)知識幾乎沒有共同之處。程序語言語義學的核心是用程序證明（proof as program）。在程序語言語義學中，一個有趣的事實是，邏輯學家在對數(shù)學原理證明的分析過程中所使用的詞匯表（在2.6節(jié)中有簡要介紹）與計算機科學家為了研究計算理論所建立的詞匯表有很高的重疊度。對于熟練的程序員或者邏輯學家而言，這種奇妙的聯(lián)系是非常吸引人的。但是對自然語言的處理只需要更簡單的零階（zeroth order）理論，即帶有一些模態(tài)擴展的命題演算，而更復雜的問題是有關(guān)概念的可學習性。
為了建立一個能處理自然語言輸入的系統(tǒng)，需要大量的語言學知識，而在本書中，標記為Ling的段落是面向不熟悉語言學知識的讀者的。限于篇幅，我們不可能介紹全部常用的語言學技術(shù)機制，因此，這些段落實際上只是對語言學知識進行了簡單的介紹，更基礎(chǔ)和詳細的內(nèi)容需要讀者自己從這些段落的參考文獻中獲取。而且，由于本書所介紹的內(nèi)容都是為了解決實際的語義學問題，所以本書引用的語言學文獻并沒有涵蓋語言學的全部范圍，甚至并沒有包含當代語言語義學的全部范圍。Jacobson（2014）出版了一本詳細且系統(tǒng)地介紹成分語義學（compositional semantics）的優(yōu)秀書籍，因此本書將把更多的篇幅放在詞匯語義學（lexical semantics）上。
語言學專業(yè)的學生，尤其是具有計算思維的學生，可能更容易掌握這些需要學習的內(nèi)容，盡管本書所涉及的內(nèi)容與經(jīng)典的語義學課程有很大區(qū)別。那些缺乏計算機基礎(chǔ)的學生可以先閱讀Jurafsky和Martin（2009）或者Bird、Klein和Loper（2009）的書籍。本書涉及哲學或者認知科學的內(nèi)容比較少，但涵蓋一些重要的數(shù)學基礎(chǔ)，我們將在第2章中討論。
標注Phil的段落通常討論的是哲學相關(guān)的話題，比如語言哲學、科學哲學等。當我們需要從根本上討論一些問題的時候，需要大量地運用哲學思想，比如在第3章中。在本書中，我們會經(jīng)常將所講述的內(nèi)容與哲學觀點相聯(lián)系，但是本書所包含的哲學內(nèi)容并不是對哲學知識的系統(tǒng)性介紹，也不適合沒有哲學基礎(chǔ)的人自學使用。相反，本書是為那些已經(jīng)有一定哲學基礎(chǔ)的讀者準備的，目的是引導這些讀者了解本書所討論的內(nèi)容如何與相關(guān)的哲學觀點和討論聯(lián)系起來。
我們?yōu)橐恍┲�名的哲學難題提供了新的解決方案，特別是谷堆論證（又稱連鎖悖論）和分外功行（supererogation），但是我們的討論都是面向?qū)嶋H問題的（因為我們實際上是在系統(tǒng)設(shè)計的過程中涉及了相關(guān)的話題），而不會提供完整、詳盡的哲學論述。一般來說，哲學專業(yè)的學生會對一些宏觀的問題進行深入的學習，比如，什么是意義？什么是知識？什么是真理？但這里并沒有對這些問題進行系統(tǒng)的哲學論述。我們提供的是一種高技術(shù)含量的模型，能夠從計算機和數(shù)學（更多的是基于代數(shù)學而不是邏輯學）的角度，對意義（meaning）、知識（knowledge），以及真理（truth）進行建模。
我們沒有在（哲學）邏輯學相關(guān)的章節(jié)中引用計算機和數(shù)學相關(guān)的基礎(chǔ)知識。在1.5節(jié)中，我們提供了一個針對哲學的閱讀計劃。在閱讀本書的時候，哲學家需要明白，我們不會得到一門非常專業(yè)化的技術(shù)性語言。在分析權(quán)利（right）時，我們針對的是日常概念，而不是經(jīng)過簡化后的權(quán)利概念。當然，我們將區(qū)分right1 dextra與right2bonus和right3ius，但對后一項的定義只是法律，而法律又被定義為rule, system, society/2285 HAS, official, ACCEPT, ABOUT can/1246[person[=TO]]（這些定義的形式化理論見6.5節(jié)）。粗略地說，法律是社會的規(guī)則體系，被官方認定并且被人們所接受，定義了人們可以做的事情。但與此同時，我們也容易想到，不是也存在不為人們所接受的不公正的法律嗎？難道沒有超越社會的權(quán)利嗎？我們認為，這些問題雖然很有價值，但不能在研究日常語言的過程中得到很好的解決。引用Kornai（2008）的一段話：
由于幾乎所有的社會活動終都依賴于語言交流，因此很多人試圖將其他研究領(lǐng)域的問題簡化為純粹的語言學問題。與其理解精神分裂癥，也許不如首先思考多重人格（multiple personality）這個詞的含義。數(shù)學已經(jīng)提供了多重的概念，但什么是人格？一個人又怎么會有多個人格呢？對后綴-al和-ity的正確理解會是解決這個問題的關(guān)鍵嗎？
初，理解系統(tǒng)（understanding system）是由一些研究人工智能的學者比如Allen Newell和Herbert Simon建立的，他們試圖對人類的認知系統(tǒng)進行建模，或者借鑒對人類思維組織系統(tǒng)的已有研究來設(shè)計自己的系統(tǒng)。一些系統(tǒng)（如SOAR或ACT-R）仍在使用中，而另一些則被OpenCog等新的認知架構(gòu)取代。
隨著功能磁共振成像技術(shù)（functional MRI）的出現(xiàn)，這一領(lǐng)域得到了極大的發(fā)展，但本書很少涉及這一快速發(fā)展的領(lǐng)域。除了作者本身的局限性外，另外一個重要的原因是，試圖從自然中借鑒思想進行自然語言處理已經(jīng)被證明是一個死胡同。
主流的語義系統(tǒng)，比如IBM的Watson，并不是巨型的電子大腦，實際上，它們從生物系統(tǒng)中借鑒的內(nèi)容很少。一些組件可能使用的是神經(jīng)網(wǎng)絡(luò)，但更多的情況是一些統(tǒng)計模型，如支持向量機，這些統(tǒng)計模型并沒有從生物學借鑒任何內(nèi)容。在BICA Society的領(lǐng)導下，認知科學家正嘗試研究新的生物啟發(fā)模型，但到目前為止，他們在語義學的核心問題上還沒有獲得太大進展。
隨著算法的設(shè)計越來越仿照人類社會，面向自然語言理解設(shè)計的算法架構(gòu)可能也會引起哲學家和認知科學家的興趣，第3章和第9章將包含很多相關(guān)的材料。不過，這些學科所涵蓋的范圍很廣，超出了本書的范圍。強烈建議哲學專業(yè)的學生參考Boden（2006）的書的第16章，認知科學專業(yè)的學生應(yīng)該閱讀Boden（2006）的全部兩卷，以及Gordon和Hobbs（2017）的書。這些不是本書的基礎(chǔ)知識，而是為了幫助你獲得更深入的理解。本書在很大程度上是對Boden（2006）的補充，因為本書將非常詳細地介紹當代語義學的技術(shù)機制，并且因為在Boden（2006）之后出版，所以本書將涵蓋許多Boden沒有介紹的內(nèi)容。
本書高度贊同具身認知（embodied cognition）的主張和思想，但是會借助形式化的符號來處理問題，因為本書關(guān)注的是構(gòu)建能夠執(zhí)行語義任務(wù)的算法，如圖解推理（schematic inferencing）（見7.1節(jié)），即使這種形式化是以犧牲認知現(xiàn)實主義（cognitive realism）為代價的。本書是為那些對制造飛行器感興趣但不關(guān)注鳥是怎么飛的人準備的。對認知科學專業(yè)的學生來說，的安慰就是一些技術(shù)設(shè)備（technical apparatus）（不妨理解為空氣動力學原理）會與認知科學有一定的共通性。1.5節(jié)中為認知科學家提出的閱讀計劃將強調(diào)這一共通性。
排版說明
針對那些我們認為讀者已經(jīng)知道但可能需要深入了解的概念和觀點，書中用黑體表示并給出了其維基百科（Wikipedia，WP）、PlanetMath或斯坦福哲學百科全書（Stanford Encyclopedia of Philosophy，SEP）的鏈接。這些鏈接可以從http://hlt.bme.hu/semantics/external獲取。在給出一個術(shù)語的正式定義之前，我們可能會非正式地使用這個術(shù)語。本書中所使用的符號約定不一定與上述鏈接中的一致，例如，我們使用表示有序?qū)�，而維基百科中用（a，b）表示有序?qū)Α?br />雖然本書涉及的技術(shù)資料多種多樣，但是這種多樣性將包含在統(tǒng)一的方法論中。哲學和邏輯