A formális nyelvet (formal language) karakterfüzérek (strings) (lehetséges, hogy végtelen) halmazaként definiáljuk. Minden egyes füzér az úgynevezett záró (vagy terminális) szimbólumok (terminal symbols) – amelyeket néha szavaknak hívunk – öszszekapcsolt sorozata. Például az elsőrendű logikában a záró szimbólumok között van a ∧ és a P, és egy tipikus füzér a „P ∧ Q”. A „P Q ∧” füzér nem része a nyelvnek. A formális nyelvek, mint például az elsőrendű logika vagy a Java, szigorú matematikai definíciókkal rendelkeznek. Ezzel ellentétben a természetes nyelvek (natural languages), mint például a kínai, a dán és az angol, nem rendelkeznek szigorú definícióval, hanem beszélők egy közössége használja. Ebben a fejezetben a természetes nyelveket megpróbáljuk formális nyelveknek tekinteni, bár tisztában vagyunk azzal, hogy az illeszkedés nem lesz tökéletes.

A nyelvtan (grammar) a nyelvet meghatározó szabályok véges halmaza. A formális nyelveknek mindig van egy hivatalos nyelvtana, amelyet kezelési útmutatókban vagy könyvekben határoznak meg. A természetes nyelveknek nincs hivatalos nyelvtana; bár a nyelvészek törekszenek a nyelv tulajdonságainak felfedezésére tudományos vizsgálatokkal, majd ezen felfedezések rögzítésére egy nyelvtanban. Eddig egyetlen nyelvész sem járt teljes sikerrel. Figyeljük meg, hogy a nyelvészek tudósok, akik a nyelvet úgy próbálják definiálni, ahogy az létezik. Vannak olyan előíró nyelvészek is, akik megpróbálják diktálni, hogy a nyelvnek milyennek kellene lennie. Olyan szabályokat alkotnak, mint például a „használd az ikes ragozást”, amelyeket néha megjelentetnek stílusútmutatókban, de kevés valódi hatásuk van a beszélt nyelvre.

Mind a formális, mind a természetes nyelvek jelentést, avagy szemantikát (semantics) rendelnek minden egyes érvényes füzérhez. Például az aritmetika nyelvén lenne egy szabályunk, hogy ha „X” és „Y” kifejezések, akkor „X + Y” szintén kifejezés, amelynek a szemantikája X és Y összege. Természetes nyelvekben hasonlóan fontos a füzérek pragmatikáját (pragmatics) is megérteni: a füzér aktuális jelentését, ahogy az elhangzik egy adott szituációban. A jelentés nemcsak a szavakban rejlik, hanem a szavak in situ értelmezésében.

A legtöbb nyelvtani szabály formalizmus a kifejezésstruktúra (phrase structure) ötletére épül – azaz arra, hogy a füzérek kifejezéseknek (phrases) nevezett, különböző kategóriából származó részfüzérekből állnak össze. Például „a wumpus”, „a király” és „a sarokban levő ágens”^[220] kifejezések mind az úgynevezett főnévi kifejezés (noun phrase) (vagy röviden NP) kategória példái. Két ok létezik arra, hogy a kifejezéseket ilyen módon megkülönböztessük. Az egyik, hogy a kifejezések általában természetes szemantikus elemeknek felelnek meg, amelyekből a kijelentés jelentése megalkotható; például a főnévi kifejezések a világ objektumaira vonatkoznak. A másik, hogy a kifejezések kategorizálása segít a nyelv megengedett füzéreinek leírásában. Azt mondhatjuk, hogy a főnévi kifejezések bármelyike kombinálható egy igei kifejezéssel (verb phrase) (VP), mint például „is dead” (halott), hogy közösen egy olyan kifejezést fomáljanak, amelyik a mondat (sentence) (S) kategóriába tartozik. A főnévi és igei kifejezés közbülső fogalma nélkül sokkal bonyolultabb lenne elmagyarázni, hogy miért jó mondat a „the wumpus is dead” és miért nem a „wumpus the dead is”.

Az NP, a VP és az S kategóriák úgynevezett nem záró szimbólumok (nonterminal symbols). A nyelvtanok átíró szabályok (rewrite rules) segítségével definiálják a nem záró szimbólumokat. Az átíró szabályok leírására a Backus–Naur-formát (BNF) fogjuk átvenni, amelyet a B) függelékben írunk le az 1. szakasz - B1. Nyelvek definiálása Backus–Naur-Formában (BNF) részben. Ezen jelölés szerint egy

S → NP VP

szabály jelentése az, hogy egy S egy tetszőleges NP kategóriájú kifejezésből és az azt követő tetszőleges VP kategóriájú kifejezésből áll.

Egy tipikus kommunikációs epizód, amikor S beszélő P állítást szeretné átadni H hallgatónak W szavakkal, hét folyamatból áll:

Szándék (intention). S beszélő valahogy eldönti, hogy van egy P propozíció, amit érdemes elmondani H hallgatónak. A példánkban a beszélőnek az a szándéka, hogy a hallgató tudomására hozza, hogy a wumpus már nem él.

Létrehozás (generation). A beszélő megtervezi, hogy P propozíciót hogyan alakítsa át olyan kijelentéssé, amely valószínűvé teszi, hogy a hallgató, fogadva a kijelentést a jelenlegi szituációban, kikövetkeztetheti P jelentést (vagy egy hozzá közelit). Tételezzük fel, hogy a beszélő képes a következő szavakat létrehozni: „The wumpus is dead” (A wumpus halott), és jelöljük ezt W-vel.

Szintézis (synthesis). A beszélő létrehozza W szavak fizikai realizációját, W'-t. Ezt teheti tintával papíron, rezgésekkel levegőben vagy valamilyen más médiumon. A 22.1. ábrán egy olyan ágenst mutatunk, amely a 15.6. szakasz - Beszédfelismerés részben definiált fonetikus ábécével leírt W' hangfüzér szintézisét végzi: „[thaxwahmpaxsihzdehd]”. A szavak egybefolytak, ami tipikus a gyorsan beszélt nyelv esetében.

Észlelés (perception). H észleli a W' fizikai megvalósulást, mint W'₂-t, és W₂ szavakként dekódolja. Amikor a médium a beszéd, az észlelési lépést beszédfelismerésnek (speech recognition) nevezzük; amikor az írás, akkor optikai karakter felismerésének (optical character recognition). Mindkettő elmozdult az elvont léttől a mindennapi előfordulás irányába a kilencvenes években, főként az asztali számítógépek jelentős mértékben növekvő teljesítményének köszönhetően.

22.1. ábra - A kommunikációban részt vevő hét folyamat, a „The wumpus is dead” mondat felhasználásával

Analízis (analysis). H kikövetkezteti, hogy W₂-nek P₁, …, P_n lehetséges jelentése van. Az analízist három fő részre osztjuk: szintaktikai elemzésre (parsing), szemantikai értelmezésre és pragmatikus értelmezésre. Az elemzés (parsing) egy bemeneti füzérhez tartozó elemzési, más szóval levezetési fa (parse tree) építésének a folyamata, ahogy a 22.1. ábrán látható. Az elemzési fa belső csomópontjai kifejezéseket reprezentálnak, míg a levelek szavakat jelképeznek. A szemantikus értelmezés (semantic interpretation) az a folyamat, amelynek során kinyerjük egy kijelentés jelentéstartalmát valamilyen reprezentációs nyelven. A 22.1. ábrán két lehetséges szemantikai értelmezést mutatunk be: azt, hogy a wumpus nem él, és azt, hogy fáradt (a dead egy köznyelvi jelentése). A több lehetséges értelmezéssel rendelkező kijelentéseket többértelműnek (ambiguous) mondjuk. A pragmatikus értelmezés (pragmatic interpretation) figyelembe veszi azt a tényt, hogy ugyanazon szavaknak más jelentése lehet eltérő helyzetekben. Míg a szintaktikai értelmezés egy egy argumentummal, a füzérrel rendelkező függvény, addig a pragmatikus értelmezés a kijelentést és annak környezetét vagy szituációját figyelembe vevő függvény. A példában a pragmatikus elemzés két dolgot tesz: a Now konstans értéket kicseréli az S₃ konstanssal, ami a jelenlegi szituációt jelenti, illetve a Wumpus-t kicseréli Wumpus₁-re, ami arra az egyetlen Wumpusra utal, amelyről tudott, hogy a barlangban van. Általánosságban a pragmatikus elemzés a kijelentés végső értelmezéséhez sokkal többel járulhat hozzá; gondoljunk csak például arra, amikor a „A gyémántra nézek” elhangzik egy ékszerész, illetve egy baseballjátékos szájából.^[221] A 22.7. alfejezetben látni fogjuk, hogy a pragmatikus elemzés segít értelmezi az „It is dead” kijelentést úgy, hogy a wumpus halott, ha egy olyan szituációban vagyunk, amikor a wumpus áll a figyelem középpontjában.

A többértelműség feloldása (disambiguation). H kikövetkezteti, hogy S P_i-t szándékozott közölni (ahol ideális esetben P_i = P). A beszélők többsége nem szándékosan többértelmű, de a legtöbb kijelentésnek több megengedett értelmezése van. A kommunikáció azért működik, mivel a hallgató elvégzi azt a munkát, hogy rájöjjön, hogy melyik az az értelmezés, amit a beszélő valószínűleg közölni akart. Vegyük észre, hogy ez az első alkalom, amikor a valószínűleg szót használtuk, és a többértelműség feloldása az első eljárás, ami erőteljesen valószínűségi következtetésen alapul. Az analízis lehetséges értelmezéseket állít elő; ha egynél több értelmezést talál, akkor a többértelműség feloldása választja ki a legjobbat.

Beépítés (incorporation). H eldönti, hogy elhiszi P_i-t (vagy nem). Egy teljesen naiv ágens mindent elhihet, amit hall, de egy kifinomultabb ágens úgy kezeli a szólásaktust, mint egy P_i-t alátámasztó tényt, és nem mint annak a megerősítését.

Mindezeket összerakva a 22.2. ábrán látható ágensprogramot kapjuk. Itt az ágens robotszolgaként működik, amit egy gazda irányíthat. A szolga minden lépésben megválaszolja a gazda kérdését, illetve végrehajtja a parancsát, és a szolga minden, a gazda által kijelentett állítást elhisz. Ezenkívül megállapítást tesz az aktuális szituációra (csak egyszer), ha nincs más tennivalója, és megtervezi saját akcióját, ha magára hagyják. Íme, egy tipikus párbeszéd:

22.2. ábra - Egy kommunikáló ágens, amely elfogad parancsokat, kérdéseket és állításokat. Az ágens leírhatja az aktuális állapotot, valamint végrehajthat „hagyományos”, nem szólásaktus cselekvést is, ha nincs mit mondania.