4. 概念类型和概念个例

前面概述了机器人的外部界面、数据结构和算法，现在来讨论一个比较敏感的话题：意义（meaning）。我们从一个直接任务出发来切入这个概念，也就是如何让机器人能够识别一个已知类型的新物体，比如一双新鞋。识别系统允许有边缘个案存在，如木底鞋，但是对轮椅、铲子之类的会明确给予否定。这就要求机器人具备分辨必要命题因子和偶然命题因子的能力。

解决的方法是区分概念类型和概念个例注53：把概念定义为特征结构，概念类型的偶然特征用变量来表示，而概念个例则用常量来表示与某一概念类型之间的关系（见FoCL’99,3.3）。直观上看，常量和变量之间的区别能够充分表现类型-个例关系，而且，应用到计算机上，这种方法也很直接。

把概念作为特定命题因子的核心属性值融入数据库语义学框架，一些命题因子成为概念类型，另一些命题因子成为概念个例。在计算机上实现概念的类型-个例关系很重要，它可以用在以下几个方面（见2.4.1）：（i）指代的“中间部分”，也就是语言和语境之间的内部匹配；（ii）“低层指代”，也就是语境识别和行动；（iii）“高层界面”，也就是语言理解和生成。