La metafora nellIntelligenza Artificiale

Elisabetta Gola
Dipartimento di Scienze Pedagogiche e Filosofiche
Universit di Cagliari
1 Due prospettive sulla metafora
NellIntelligenza Artificiale IA! la metafora ha sempre costit"ito "n ostacolo #da
tollerare nel migliore dei casi e da ignorare nel peggiore$% per "sare le parole di &aime
Car'onell ()*+% ,(-!% per chi si prefigge di progettare calcolatori in grado di ela'orare%
ossia comprendere .a "n /"alche livello. testi in ling"aggio nat"rale0
Il pro'lema sorge dal contrasto tra lesigenza di sta'ilire regole di '"ona formazione
semantica lindivid"azione di tali regole consentire''e a "n calcolatore di differenziare
a"tomaticamente le frasi che possono essere interpretate e le frasi prive di "n significato!
da "n lato% e il fatto che le metafore sf"ggano a "na tale 1regolamentazione dallaltro0 2a
le metafore si 'asano proprio s" tale contrasto0 3"esto pro'lema nei sistemi che "sano
regole sorge /"al"n/"e definizione di metafora si adotti0
Le definizioni di metafora che sono state date d"rante la storia del pensiero filosofico e
ling"istico sono inn"merevoli0 Noi ci limiteremo /"i a individ"are d"e prospettive
principali% entram'e considerano la metafora "n fenomeno cognitivo e sono t"ttoggi
presenti nello scenario dellIntelligenza Artificiale0
In "na prima prospettiva le regole di ela'orazione semantiche sono di nat"ra
composizionale in senso stretto e pertanto avere a che fare con la metafora significa
ela'orare regole altrettanto composizionali che si applichino per4 solo in presenza di "na
metafora da interpretare 2oravcsi5% +66(!0
Nella prospettiva alternativa le regole di ela'orazione semantica non sono composizionali
in senso stretto e la metafora non 7 "n fenomeno che sopravviene e viola ipotetiche
regole composizionali per linterpretazione letterale 2artin% ())68 9ola% in
preparazione!0 3"esto approccio risolve% almeno nelle intenzioni% il pro'lema di
individ"azione delle 1regole per le metafore% in /"anto non ne fa "so0
Chiameremo i primi approcci composizionali alla comprensione delle metafore e i
secondi approcci concettuali alla comprensione delle metafore0
2 Approcci composizionali alla comprensione delle metafore
Le teorie che si rifanno a /"estapproccio teorico Fodor e :atz% ()-,!% spiegano il
f"nzionamento del ling"aggio attraverso meccanismi di formazione delle frasi che
escl"dono o considerano marginali! la prod"zione e la comprensione delle espressioni
non letterali0 I diversi esiti della semantica composizionale nelle teorie cognitive% anche
/"elli pi; sensi'ili ai pro'lemi legati alla polisemia e alla metafora% sono "n esempio
contemporaneo di /"esta prima prospettiva Fass% ()*)% ())(8 &ac5endoff% ()*-8 van
9ena'ith% ()))8 2oravcsi5% +66(8 Asher e Lascarides% +66(8 <o''s% +66(!0 ="tte le
prospettive appartenenti a /"esta corrente mirano a prod"rre teorie formali e
comp"tazionali della metafore% anche /"ando il modello non sfocia in "na
implementazione concreta0
2.1 Lessico Generativo
La teoria dei tipi semantici e la pers"asione che "n calcolo di coerenza s"i tipi e
"ninterpretazione estensionale della loro com'ina'ilit siano il cardine della semantica
lessicale fa parte dei fondamenti della teoria del Lessico 9enerativo P"ste>ovs5?% ())@!0
Il pro'lema teorico che le metafore pongono a tale approccio al significato e agli approcci
composizionali in genere 7 stato 'en ill"strato da &"li"s 2oravcsi5 +66(!A
<oB can Bords in certain config"rations mean something different from Bhat the? mean in their literal "se%
prescri'ed '? the r"les of the lang"age% and at the same time conve? significant insights into Bhat Be% in a
given conteCt% ta5e as part of realit?D E! 2etaphors rest on r"les of lang"age% '"t also the? violate them0
=he? do not descri'e the realit? directl? 0 =h"s% the tr"eFfalse dichotom? does not appl? to them Bitho"t
/"alification 2oravcsi5% +66(% +,G!0
Una teoria composizionale della metafora che spieghi /"este caratteristiche della
metafora deve necessariamente allontanarsi dalle teorie composizionali classiche% precisa
2oravcsi5% come /"ella di :atz e Fodor ()-,!% o /"elle della logica standard Carnap%
()-@!0 9li operatori "tilizzati da /"este logiche% come per esempio lidentit del
significato% lam'ig"it% lomonimia% il rapporto genere.specie appartenenza! non sono
adatte alla descrizione dei fenomeni metaforici0 Il significato delle parole va decomposto
secondo altri parametri% che rendano la str"tt"ra interna delle parole pi" ricca e
prod"ttiva0
2.1.1 Descrizione del sistema
Nella proposta di 2oravcsi5% interna alla teoria del lessico generativo 2oravcsi5% ())68
P"ste>ovs5?% ())@!% i fattori secondo c"i decomporre le parole sono ,A
(0 /"elli che specificano di cosa 7 fatta "nentit o come 7 costit"ito "n evento m-
factor!
+0 /"elli che specificano i principi di individ"azione e persistenza di "n oggetto o di
"n evento s-factor!
H0 i fattori relativi allorigine ca"sale e al potere di oggetti ed eventi a-factor!
,0 laspetto che definisce la f"nzione% lo scopo intrinseco% di oggetti ed eventi f-
factor!
3"esta str"tt"ra nel s"o complesso 7 chiamata str"tt"ra qualia e ha la caratteristica che i
fattori descritti in ciasc"n aspetto della str"tt"ra condizionano le possi'ilit degli altri0 In
/"esto senso la str"tt"ra /"alia 7 olistica0
For eCample% the m.factor restricts the t?pes of str"ct"res that the s.factors can contain0 If the m.factor is
the propert? of 'eing a'stract% then in the s.factor ph?sical individ"ation or persistence principles cannot 'e
contained0 F"rthermore% onl? the m. and s.factors are o'ligator? elements in ever? leCical meaning0 Iords
standing for a'stract entities li5e n"m'ers do not have an a.factor 2oravcsi5% +66(% +,G!0
J cosK via0 Nel lessico i fattori m.% s.% a. ed f. descrivono perci4 i significati letterali in
tale modo al contempo decomposizionale e olistico0 Cosa s"ccede nel caso di significati
non letteraliD Jssi si servono delle informazioni lessicali e nel contempo le violano% ma
solo parzialmente% "tilizzando parametri allentati e d"n/"e facendo "n "so
sottospecificato del significato originario dei concetti0 Le regole di sottospecificazione di
solito rendono pi" astratta e generica la lett"ra del significato letterale oltrepassando le
distinzioni categoriali /"ali concretoFastratto% o animatoFinanimato0
Per esempio nellespressione idiomatica inglese 1spill the 'eans spifferare t"tto! la
parola 1'eans non seleziona il significato letterale in t"tti i s"oi fattori% ma solo nel
generico aspetto di insieme di oggetti piccoli0 Il caso di 1spill 7 "n '"on esempio di cosa
s"ccede pi" precisamente rispetto alla str"tt"ra /"alia0 1Spill in senso letterale in "n
lessico generativo verre''e definito nel seg"ente modoA
(0 m-factorA processo fisico loggetto del processo ha "n peso! temporale essendo
"nattivit!
+0 s-factorA caratteristiche che disting"ono da altri tipi di processi fisici /"ello del
rilascio inacc"rato di materiale appropriato da "n contenitore appropriato0
H0 a-factorA agente ca"saleA deve essere animato8 conseg"enzaA ris"ltato del
trasferimento involontario di "na /"alche sostanza in "n l"ogo0
,0 f-factorA n"lla
Per derivare il significato metaforico vanno rimossi alc"ni vincoliA intanto il parametro
della fisicit sia del fattore s che del fattore m0 3"esto modifica anche lintepretazione di
1'eans che non deve necessariamente essere n"lla di fisico0 Il cam'iamento di significato
di "na parte della frase condiziona il significato del t"tto% aprendo "no spazio di
indeterminatezza semantica che 7 lasciato allimmaginazione% non alle regole
dellinglese% riempire0
3"esto stesso meccanismo si applica anche a metafore n"ove come% per riprendere "n
altro esempio di 2oravcsi5% #9i"lietta 7 il soleF&"liet is the s"n$0 Il significato letterale di
1sole 7 rappresentato nella seg"ente str"tt"ra /"aliaA
@0 m-factorA concreto% fisico
-0 s-factorA ampio% caldo% in grado di mantenere invita altri corpi
G0 -factorA oggetto nat"rale% che entra in interazione ca"sale con altri oggetti
*0 f-factorA emana /"alcosa che 7 riten"to "n componente chiave della vita
Il processo di interpretazione della frase% perci4% come primo passo% riconosce la falsit
dellattri'"zione del predicato al soggetto nel caso dellinterpretazione letterale di 1sole0
PerchL alla frase sia possi'ile attri'"ire "n senso occorre astrarre la caratterizzazione
mantenendo il concetto di sole sottospecificato% cioe solo come la sorgente di /"alcosa
che 7 riten"ta essenziale per la vita e la persistenza di determinate entit0
2.1.2 Conclusioni
In sostanza la proposta di 2oravcsi5 ricalca le teorie classiche s"lla composizionalit e
s"lla metafora come violazione% ma fa "so di "n ling"aggio di rappresentazione lessicale
pi" articolato e str"tt"rato rispetto alla lista di features delle teorie composizionali
classiche0 Una differenza importante con tali teorie 7 il r"olo attri'"ito alle metafore nel
ling"aggio0 2oravcsi5 infatti nonostante adotti di fatto "na versione avanzata di teoria
della violazione non ritiene che le metafore siano delle imp"rit rispetto a "na pres"nta
ling"a perfetta% p"ra come "n calcolo logico o matematico% ma come lesito nat"rale e
creativo dell"so che limmaginazione p"o fare delle regole lessicali0
=he theor? presents an acco"nt of hoB concept"alization% master? of the r"les of nat"ral lang"ages% and
creative imaginative moves com'ine in metaphor constr"cting or interpretation0 E! a complete paraphrase
of metaphor is impossi'ile% 'eca"se the final specification of the "nderl?ing "nderspecified concept is not
governed '? the semantic r"les of literar? "se 2oravcsi5% +66(% +-6!0
2oravcsi5 ha analizzato e definito il comportamento di alc"ni aspetti del lessico
relativamente alla metafora% lasciando indefiniti i processi Mimmaginativi. che cond"cono
alla scelta di "na data interpretazione della metafora stessa0 Nicholas Asher e AleC
Lascarides fanno "n passo avanti nella formalizzazione di /"esta parte del processo%
attaccando le posizioni come /"ella di Davidson ()*,! secondo il /"ale le metafore non
possono essere formalmente specificate% per sostenere invece che analizzare la metafora
nel contesto del discorso consente di catt"rare i vincoli che portano alla form"lazione
dellinterpretazione attesa di "na metafora0 Asher e Lascarides sostengono che /"esto 7
possi'ile senza far riferimento al piano psicologico come fanno invece La5off e
&ohnson!A
Bhereas the? La5off and &ohnson% ()*6! vieB the prod"ctivit? as 'ased in ps?chological concepts% Be
demonstrate that the prod"ctivit? is essentiall? ling"istic in nat"re Asher e Lascarides% +66(% +-+!0
Ne il modello di 2oravcsi5 ne /"ello di Asher e Lascarides com"n/"e sono stati
tradotti in "n programma e /"indi non si possono considerare completamente lavori
interni allIntelligenza Artificiale0
2.2 Meta5 (Dan Fass)
Il sistema comp"tazionale ideato da Dan Fass pi" precisamente i programmi da l"i
implementatiA 2etaN e meta@! p"o essere considerato "n esempio rappresentativo degli
approcci composizionali al significato% 'enchL non sia stato prodotto allinterno
dellapproccio del Lessico 9enerativo0 Anche perchL /"est"ltimo solo molto
recentemente% come a''iamo visto% ha cominciato a interessarsi di significato non
letterale in modo diverso dal considerarlo "na mera imp"rit del ling"aggio0 Il /"adro di
riferimento in c"i si inserisce il lavoro di Fass si fonda com"n/"e s"gli approcci logico.
composizionali% ed 7 il paradigma teorico della semantica delle restrizioni semantiche%
che in ling"istica comp"tazionale rimane t"ttoggi lapproccio pi" forte e seg"ito0 Le
restrizioni semantiche sono costit"ite da proprieta "s"almente proprio tipi! che
caratterizzano gli argomenti possi'ili delle parole0 Per fare "n esempio la restrizione
semantica del soggetto del vero mangiare sar /"alcosa tipo 1Jssere animato e loggetto
/"alcosa di tipo 1Ci'o0 La versione della teoria delle restrizioni semantiche adottata da
Fass 7 /"ella di Oorich Iil5s ()G*8 Fass e Iil5s% ()*H!% il /"ale sostiene che le
selezioni di restrizione non de''ano essere considerate come dei vincoli da rispettare o
ann"llare% ma de''ano essere invece viste come delle preferenze che possono essere pi; o
meno vincolanti0 In particolare le restrizioni di selezione% secondo Iil5s e Fass% devono
poter essere rilassate in maniera #corretta$0
Infatti 2eta@% il programma scritto da Dan Fass% applica ed estende alle metafore le idee
nate allPinterno della teoria delle preferenze semantiche con lo'iettivo di poter allentare i
vincoli imposti dalle restrizioni di selezione d"rante il processo di composizione
semantica0
2.2.1 Descrizione del sistema
2eta@ riconosce% discrimina e analizza metafore e metonimie Fass% ())(!0 Il metodo di
c"i si serve 7 stato 'attezzato per /"esto motivo met*0 Si tratta di "n processo integrato
nella cosiddetta Collative Semantics CS! Fass% ()*)!0
Il lavoro di Fass si inserisce inoltre in /"el filone di st"di che g"ardano alla metafora
come a "n fenomeno innanzit"tto ling"istico e lessicale% ma ritengono anche che tra il
livello ling"istico e /"ello di rappresentazione della conoscenza siano presenti profonde
similarit ad entram'i i livelli infatti di solito viene data "na classificazione gerarchica
per generi e differenze! grazie alle /"ali i d"e piani convergono al livello dei sensi delle
parole word-senses!0 I word-senses sono le "nit ling"istico.cognitive . di nat"ra
lessicale . che sono alla 'ase della modalit di rappresentazione della conoscenza adottata
da Fass0 Pi; in generale sono gli oggetti formali che appartengono al lessico e attraverso
c"i vengono di solito rappresentati i diversi significati delle parole0
Nel processo di interpretazione Fass "tilizza "n algoritmo di composizione che proietta i
vincoli lessicali delle preferenze semantiche del senso sorgente source! s" "n senso
taret0
Per esempio nella coppia avver'io.ver'o% lPavver'io rappresenta il termine source% /"indi
domina il ver'o8 mentre 7 il ver'o a dominare source! nella relazione predicativa s"lle
altre parti del discorso siano esse costit"ite da "n nome o da "n aggettivo!0
Le relazioni semantiche sono /"indi relazioni tra significati di parole cio7 word-senses!
s" c"i si 'asano i fenomeni di letteralit% metonimia% metaforicit% anomalia% ridondanza%
contradditoriet% novit e apprendimento0 I confini tra /"esti fenomeni non sono
nettamente definiti0 ="ttavia% s"lla 'ase di "nPanalisi empirica di corpora di testi% Fass ha
isolato sette relazioni semantiche attraverso c"i descrivere t"tte le altre0 3"este relazioni
sonoA letteralit% metonimia% metaforicit% anomalia% ridondanza% inconsistenza% relazione
n"ova0
Una metafora scat"risce da "na o pi; relazioni metaforicheA
Il sintagma Qthe ship plo"ghed la nave solca!Q in +! #la nave solca le ondeQ 7 essa stessa "na
metafora0 Io a''raccio la teoria secondo la /"ale la metafora 7 il ris"ltato della relazione
metaforica tra #ship nave!$ e #plo"gh solca!$ 000!0 Io sostengo che la metafora +! nella s"a
interezza 7 ris"ltato della relazione tra #ship$ nave! e #plo"gh$ solca! e tra #plo"gh$ solca!
e #Baves$ onde! 000!0 Una metafora 7 la propriet! di "nentit test"ale che sia "n sintagma o
"na frase ed 7 costr"ita a partire da "na o pi; relazioni metaforiche Fass% ()*)% )!0
3"esta prospettiva cond"ce Fass a disting"ere in maniera a''astanza netta tra metaforico
e letterale% ma anche tra metafora e metonimia0 3"este alternative rappresentano le
diverse interpretazioni che 7 possi'ile dare alle violazioni delle preferenze semantiche0
3"i esamineremo solo "n esempio di metafora scelto fra /"elli dati dallo stesso Fass
(
e
cio7
LPa"to 'eve 'enzina
+
0
La frase viene interpretata d"rante "n processo di composizione collation! che cerca di
com'inare coppie di word-senses che contengono sia informazioni s"l enus che s"lle
specificit di "n senso rispetto ad altri appartenenti allo stesso enus differentiae! e s"lle
preferenze semantiche0 Uno dei sense-frame di #'ere$ 7 esemplificato in fig0 (0
Fig0 (0 Uno dei sensi codificati per il ver'o Q'ereQ
Il processo di collation confronta i sense-frames delle d"e parole #'ere$ e #'enzina$ ed
eseg"e "n test s" cin/"e tipi di relazioneA controlla (! se "n termine 7 antenato
ancestor! dellaltro8 +! se 7 "g"ale same!8 H! se il primo incl"de il secondo8 ,! opp"re
se i d"e termini sono fratelli "sisters!8 @! se sono escl"sivi e fanno riferimento a "na
relazione pi; generale com"ne0 Inoltre vi 7 la relazione di discendente "descendent! che 7
correlativa a /"ella di antenato e /"ella di estraneit "estraned! che escl"de /"al"n/"e
rapporto diretto tra i termini0
1
Le altre metafore che Fass ())(! "tilizza come esempi e che il sistema da l"i costr"ito 7 in grado di
QcomprendereQ sono #$e s$ip plou$ed t$e waves% #ime flies% #$e $orse flew0
2
Lesempio originale in inglese 7 #$e car drin%s asoline0
R d"rante /"esto processo che si decide se d"e sensi sono collegati tra loro in modo
letterale o metaforico0 La relazione metaforica consiste in "n match di tipo sister tra parti
dei sensi% che Fass chiama analoia rilevante0 Per trovare "nanalogia rilevante il
programma individ"a "n termine primitivo source! e "no secondario taret! nella frase0
Nel caso della frase
LPa"to 'eve 'enzina
il source vale a dire animale$! 7 ricavato dallPaspettativa disattesa del soggetto
richiesto% in /"anto preferi'ile% da #'ere$0 2entre il taret 7 l#a"to$% soggetto che viene
app"nto descritto attraverso il #'ere$0 Il primo pro'lema del programma 7 /"indi /"ello
di ricavare e classificare i termini coinvolti e sta'ilirne le relazioniA cercher /"indi di
scoprire /"ali relazioni ci sono tra #animale$ source! e #a"to$ taret!% per cercare di
capire in virt; di /"ale s"pposta analogia 7 stato "sato il termine #a"to$ al posto del
termine #animale$0 Per fare ci4 legge le informazioni legate ad entram'i i termini0 =ra le
informazioni del termine source estrae /"ella rilevante a seconda del contesto0 Sisto che
nella frase cP7 il ver'o #'ere$% linformazione rilevante di PanimaleP sar /"ella che
concerne il #'ere$A animale( 'eve( li/"idoTpota'ile(!0 3"esta informazione viene
confrontata con t"tte /"elle del ve$icle% comprese /"elle ereditate e viene sta'ilito "n
doppio accoppiamento% ill"strato nella fig"ra (-% secondo il /"ale il #'ere$ e l #"sare$
sono sottotipi del #cons"mare$ e i #li/"idi pota'ili$ e la #'enzina$ sono sottotipi dei
#li/"idi$0 3"esto consente di mettere in relazione analogica la frase #la"to cons"ma
'enzina$ con #gli animali 'evono li/"idi pota'ili$% in /"anto entram'e sono "na forma di
cons"mo di li/"idi0
Fig0 +0 Un esempio di analogia rilevante0
Il programma dare''e invece "na risposta letterale nel caso in c"i venisse rilevata "na
relazione di ancestor o di same tra i termini source e taret0 Per dare "nidea della
val"tazione che 2J=A@ d dei diversi tipi di frase diamo in fig0 H alc"ni esempi e le
relative classificazioni0
Esempi #ipi di enunciato
=he man dran5 'eer0
&'uomo beve della birra!
letterale!
&ohn 2cJnroe is tall0
(o$n )cEnroe * alto!
letterale% novit!
&ohn 2cJnroe is male0
(o$n )cEnroe * masc$io!
letterale% ridondanza!
&ohn 2cJnroe is female0
(o$n )cEnroe * femmina!
letterale% inconsistenza!
=he car dran5 gasoline0
&'auto beve benzina!
metafora!
=he ship plo"ghed the Baves0
&a nave solca le onde!
metafora!
Denise dran5 the 'ottle0
Denise beve una bottilia!
metonimia% letterale!
&ohn 2cJnroe is ?elloB0
(o$n )cEnroe * iallo!
metonimia% letterale% novit!
=he idea dran5 the heart0
&'idea beve la terra!
anomalia!
=he green idea is 'l"e0
&'idea verde * blu!
anomalia% novit% inconsistenza!
=he ?elloB croo5 pla?ed 'ridge0
il tr"ffatore giallo gioc4 a 'ridge!
(,, possi'ili sensi!
Fig0 H0 Sal"tazione di alc"ne frasi data dal programma 2J=A@0
2.2.2 Conclusioni
La teoria e il programma di Dan Fass fanno parte dei tentativi di trattamento della
metafora orientati al ling"aggio e lalgoritmo 7 indipendente dal conten"to della
conoscenza +nowlede-Deficient ,pproac$!A "nPanalogia p"4 essere trovata solo se cP7
"n concetto padre c"i d"e sensi coinvolti nella metafora si riferiscono e non si 'asa in
alc"n modo s" conoscenze rig"ardanti /"ali domini sono tipicamente source e /"ali
taret0
LPapproccio seg"ito incorre nei pro'lemi . ma gode anche dei vantaggi . delle teorie che
considerano il ling"aggio letterale completamente separato da /"ello metaforico0 In teoria
Fass non sostiene% nL il programma in via di principio lo implica% che lPanalisi letterale
preceda /"ella metaforica% ma la rete di word senses 7 letterale% /"indi di fatto la
proced"ra met* come altri approcci del NLP! ass"me che la lett"ra letterale sia
prioritaria e che lPinterpretazione metaforica scatti in presenza di "na violazione
semantica dei vincoli posti nelle preferenze semantiche dei word senses d"rante il
processo di composizione0
Nonostante non sia legato alla conoscenza enciclopedica di domini specifici il
programma 7 com"n/"e dipendente da come 7 stata str"tt"rata la gerarchia di enus e
pertanto 7 affida'ile solo nei casi in c"i in tale gerarchia sono state pi; o meno
implicitamente previste le possi'ili estensioni non letterali0
2.3 Fondamenti logici delle metafore
3
="tti gli approcci composizionali sono in fondo 'asati s" "na prospettiva logica del
ling"aggio e della semantica0 Cosa che ha costit"ito la ragione per c"i lanalisi della
metafora sia stata escl"sa dalle riflessioni della filsofia del ling"aggio di stampo analitico%
da "n lato% il perchL le metafore siano state sempre pensate come "na spina nel fianco
della semantica formale dallaltro% centrata s"lla nozione di verit come condizione di
significazione% dallaltro0 3"estidea 7 viene contestata da &osef van 9ena'ith ()))! che
tenta per t"tta risposta di form"lare "n approccio alle metafore semplici 'asato s"lla
teoria dei tipi standard che p"o essere considerato come il fondamento logico degli
approcci composizionali alla metaforaA
=he approach is classicalA Be do not invent a neB logic0 =he approach models sense eCtension in that a
s"pert?pe eCtends the predicate given in a partic"lar sentence Bhile avoiding eCtending the original
predicate0 2etaphors are interpreted as red"ced similes van 9ena'ith% ()))%(!0
2.-.1 Descrizione del sistema
San 9ena'ith propone di applicare la logica dei predicati del primo ordine per
interpretare le metafore% dopo averle trasformate in similit"dini0 Non entreremo /"i nei
dettagli tecnici per i /"ali rimandiamo allarticolo originale van 9ena'ith% ()))!0 3"i
indicheremo le idee sottostanti alla teoria logica% che in "n certo senso potre''ero essere
considerate il fondamento teorico di t"tti i modelli e sistemi comp"tazionali di marca
composizionalista0
Secondo van 9ena'ith infatti "na metafora convenzionalizzata come
(o$n * una volpe
ris"lta logicamente falsa% ma le corrispondenti similit"dini noA
(o$n * come una volpe
(o$n $a alcune proprieta' delle volpi
(o$n $a alcune proprieta' tipic$e delle volpi
3"este frasi sono perci4 interpreta'ili allinterno di "na semantica composizionale
standard0 ComeD Attraverso "na interpretazione estensionale che in sostanza da
"ninterpretazione estensionale alla similit"dine% affermando che esiste "na proprieta P
che 7 vera di &ohn indicato con >! e dellinsieme delle volpi0 Formalmente% dal fatto che
PP>C C volpe PC!
si deriva linterpretazionale estensionaleA
foC!! U>!!V P!!
La proprieta P deve essere non.'anale% per evitare che si applichi a t"tti gli oggetti del
mondo% e van 9ena'ith introd"ce la interpretazione che la proprieta sia tendenzialmente
"na proprieta tipica0
3
Questo sottocapitolo puo essere saltato senza che si perda la continuit dellesposizione.
2.-.2 Conclusioni
2a come derivare la proprieta gi"staD Facendo "n ragionamento a rovescioA a partire da
ci4 che conosciamo del 1target cioe di &ohn nellesempio semplice presentato sopra! si
p"o risalire a /"ali proprieta sono pertinenti per linterpretazione della metafora0 2a /"i
t"tto il valore della metafora come str"mento che ai"ta a incrementare la conoscenza%
catt"rando ci4 che non si conosce o si conosce meno attraverso ci4 che ci 7 pi"
familiare% sparire''e a t"tto favore di "na visione della metafora come p"ra forma
espressiva0 A parte /"esta considerazione% che peraltro vale anche per alc"ni altri sistemi
presentati sotto% /"esta formalizzazione logica si p"o considerare il fondamento dei
programmi che cercano di trovare "na analogia% ossia in /"esto caso "na similit"dine% tra
d"e entit come possi'ile interpretazione alternativa alla semplice concl"sione che "na
frase sia falsa /"ando in realta 7 "na metafora0
3 Approcci concettuali alla comprensione delle metafore
La prospettiva contraria a /"ella composizionale considera invece le metafore come la
fondazione della semantica delle ling"e nat"rali La5off e &ohnson% ()*68 La5off% ())H8
9i''s% ()*68 9i''s e WXrian% ())6!0 Le metafore divengono in /"esto caso il mezzo
stesso grazie a c"i il processo di significazione e di comprensione del mondo diventa
possi'ile attraverso "na ling"a0
La metafora diventa "n fenomeno concett"ale% costit"ito dal mappin da "n dominio di
conoscenza legato allesperienza sensoriale e percettiva o com"n/"e meglio conosci"to
per ragioni legate allinterazione degli esseri "mani con lam'iente dominio sorente! a
"n altro dominio di conoscenza "s"almente pi; astratto dominio taret!0 Attraverso le
metafore concett"ali gli esseri "mani organizzano il loro mondo concett"ale /"otidiano0
Jsempi di concetti che emergono direttamente dallPesperienza senso.motoria e che
f"ngono da domini sorgente nelle metafore concett"ali sono /"elli di W99J==W%
SWS=ANYA e CWN=JNI=WZJ% che infatti derivano dallPesperienza di noi stessi come entit
separate dal resto del mondo0 Alc"ni esempi di frasi metaforiche legate alla metafora del
contenitore #I CA2PI SISISI SWNW CWN=JNI=WZI$ sonoA #La nave sta entrando nel mio
campo visivo$% #JP al centro del mio campo visivo$ La5off e &ohnson% ()*6% H6!0 =ra gli
schemi spaziali che vengono mappati s" domini astratti vi sono proprio le relazioni
altoF'asso fig"ra ,! che gi"stificano perchL% per esempio% la frase 19ianni 7 arrivato
molto in alto viene compresa in modo metaforico e non letteralmente0
Fig0 ,0 Una schematizzazione della metafora legata alla spazializzazione altoF'asso e
alc"ni esempi di metafore concett"ali ad esso legate0
Infatti nel nostro sistema concett"ale lalto e il 'asso sono proiettati metaforicamente s"
altri domini organizzati polarmente ma conosci'ili meno chiaramente e facilmente% in
/"anto non percepi'ili o pi; complessi% /"ali lo stato di felicitFinfelicit% di
sal"teFmalattia% consapevolezzaFinconsapevolezza% i concetti di 'eneFmale% virt;F
depravazione% razionalitFirrazionalit% stat"s sociale 'assoFelevato0 XenchL dal p"nto di
vista della ling"istica comp"tazionale "n tale approccio% al momento% si trad"rre''e
com"n/"e in "n mappin tra rappresentazioni sim'oliche% da "n p"nto di vista
meramente teorico.filosofico /"este metafore sono gi"stificate da "n approccio pi;
#ecologico$A le metafore sono infatti 'asate s" degli schemi che precedono sia
filogeneticamente che ontogeneticamente il ling"aggio0 =ali schemi sono di nat"ra
percettiva imae-sc$ema! e si formano in seg"ito allinterazione tra corpo e am'iente
&ohnson% ()*G8 9ola% ())@!0
Considerate da /"esta prospettiva% come si p"4 int"ire dalla diff"sione nel ling"aggio
com"ne di espressioni simili a /"elle degli esempi dati in fig"ra [% le frasi metaforiche
non definiscono "n fenomeno irregolare e infre/"ente
,
% pertanto esse non possono essere
relegate nella sfera delle eccezioni imprevedi'ili dalle teorie del ling"aggio e della mente0
4
Un interessante lavoro che ha dimostrato la regolare sistematicit delle metafore per l'italiano l'analisi
che Federica Casadei (1996) ha condotto su circa 3000 casi di espressioni idiomatiche.
3.1 Sistemi artificiali di elaborazione di metafore basati slle metafore concettali!
M"D#S ($ames Martin)
Affidandosi alla teoria cognitiva della metafora di La5off e &ohnson% diversamente dai
sistemi che% come il sistema di Fass% aggi"ngono ai meccanismi classici di comp"tazione
com'inatoria del significato alc"ne regole per poter allargare tale calcolo anche ai casi di
"si non letterali% il sistema progettato da &ames 2artin str"tt"ra la 'ase di conoscenza di
c"i fa "so seg"endo lidea che la metafora sia "na parte convenzionalizzata e ordinaria
del ling"aggio0 &ames 2artin% a"tore del sistema 2IDAS )etap$or .nterpretation/
Denotation/ and ,cquisition S0stem!% cerca infatti di identificare risorse e svil"ppare
metodologie che permettano di costr"ire "na ro'"sta %nowlede-base di metafore e
metonimie convenzionali dellInglese cfr0 2artin% ())6!0 Laspettativa 7 che% "na volta
ac/"isita la conoscenza necessaria% il processo di comprensione di testi che contengono
metafore divenga non pro'lematico% in /"anto non si verifichere''e pi; ness"na
violazione0
-.1.1 Descrizione del sistema
Il formalismo "sato per la rappresentazione della conoscenza nel sistema 2IDAS 7
'asato s"lle reti semantiche0 Lintrod"zione delle metafore concett"ali nella conoscenza
lessicale tecnicamente viene realizzata incl"dendo% tra le possi'ili relazioni tra concetti% il
legame 1iew il c"i significato 7 Pvedere "n concetto come "nPaltroP0 3"esta relazione
consente di dare ai concetti il significato di essere visti come altri concetti0 Nella 'ase di
conoscenza "tilizzata da 2IDAS che 7 "n sistema di comprensione di metafore integrato
in "n programma di cons"ltazione e ai"to per "tenti inesperti del sistema operativo UniC!%
vi 7 "n n"cleo di tali Pconcetti.comeP 1iew concept! che rappresentano le metafore di
'ase da c"i si parte per comprendere n"ove metafore0 In virt; dellintrod"zione di /"este
informazioni aggi"ntive nel lessico e delle relative proced"re che ne fanno "so% 2IDAS 7
in grado di rispondere alle richieste degli "tenti UniC anche nel caso che /"esti "tilizzino
espressioni metaforiche comeA
2ow can . et into &isp3 Come posso #entrare$ in LispD!
opp"re
2ow can . %ill a process3 Come posso #"ccidere$ "na proced"raD!
LPela'orazione di frasi metaforiche in 2idas avviene grazie a tre propriet generali del
sistemaA
1. 4appresentazione esplicita delle metafore convenzionali% in virt; delle /"ali
vengono comprese le altre metafore% attraverso "n ponte costit"ito da insiemi di
associazioni% o relazioni% tra d"e domini concett"ali0
2. Capacit! di interpretare ad "n primo stadio la frase prod"cendo "na
rappresentazione semantica preliminare e in "na seconda fase specificarla in modo
da ottenere "no spaccato di conoscenza coerente0
-. Capacit! di apprendere metafore n"ove attraverso proced"re che estendano
semanticamente le metafore gi conosci"te0
La tesi principale che s"ffraga /"esta applicazione sostiene che la conoscenza s"lle
metafore convenzionali p"4 essere rappresentata esplicitamente e in modo dichiarativo0 J
che /"indi attraverso /"esta conoscenza possano essere interpretate metafore vecchie e
n"ove0 LPapproccio 7 'asato s"lla rappresentazione della conoscenza% in contrasto con i
sistemi che fanno a meno della conoscenza esplicita s"lle metafore convenzionali
+nowlede-Deficient ,pproac$es! come /"ello di Fass esaminato nel paragrafo
precedente0 Infatti la gerarchia delle conoscenze del sistema non 7 costit"ita% come
normalmente in t"tti i sistemi di NLP% da "nontologia che a partire da "no o pi; nodi al
top della gerarchia si dipana verso il 'asso specificando gerarchie di sottoconcetti fig0 @!%
ma 7 costit"ita da "na gerarchia di metafore% ossia "na sorta di sovrapposizione di
concetti metaforicamente collegati% e /"indi ha "na valenza cognitiva pi; che ontologica
fig0 -!0
oggetto
oggetto fisico
entit separa'ile
entit animate entit inanimate
piante animali parti degli animati
verte'rati
mammiferi primati
"mani
oggetti sociali
r"oli
sociali
organizzazioni
enti
geopolitici
professioni
Fig0 @0 Porzione di ontologia tratta dallontologia )icrocosmos0
Wgni metafora convenzionale mette esplicitamente in corrispondenza d"e pezzi di rete0
Lo scopo di esplicitare tali corrispondenze 7 fare in modo che tra i domini collegati
intercorrano relazioni che consentano sostit"zioni nel dominio di conoscenza che si sta
analizzando taret! in 'ase al dominio di conoscenza sorgente source!% nel rispetto dei
vincoli che mantengono la correttezza della frase0 La metafora convenzionale generale 7
chiamata nel sistema 2IDAS metap$or sense% mentre le parti che possono essere messe
in corrispondenza e d"n/"e possono essere oggetto di "na sostit"zione costit"iscono
ciasc"no "na metap$or map% rappresentata come "n tipo di relazione 1iew0 Una
metap$or sense deve contenere t"tte le relazioni fondamentali che gi"stificano la
presenza di "na metafora convenzionale% ossia% in ogni associazione tra d"e domini% i
concetti fondamentali core! del campo source devono necessariamente essere t"tti
mappati nel taret0 Per fare "n esempio la metap$or sense che sta dietro la frase
dellesempio 1<oB can I 5ill a process 7 +ill-#erminate% che raggr"ppa la metafora
convenzionale secondo la /"ale vi sono r"oli e aspetti del dominio dellP"ccidere che
possono essere proiettati s"l dominio dei processi ela'orati dai comp"ters0 La metap$or
sense mette in corrispondenza l"ccidere con il processo di finire0 Le metap$or maps
rig"ardano invece i vari aspetti specifici della metafora principale e cio7A +ill-
#erminate54esult% che associa l"ccisione con il finire in /"anto 7 "n processo finalizzato
ad ottenere "n ris"ltato8 il +illed-6rocess% che mette in relazione la vittima dell"ccisione
con il processo concl"so8 il +iller-of-6rocess% che mette in relazione lassassino con
lagente del processo del finire0
Fig0 -0 Una possi'ile gerarchia di metafore convenzionali da 2artin% ())6% *(!!0
Se per4 t"tto si risolvesse nello sta'ilire aprioristicamente /"ali pezzi di conoscenza
possono essere proiettati s" altri% il ris"ltato sare''e "n sistema ancora pi"ttosto rigido0
Inoltre non si sare''e catt"rato molto del processo di trasposizione% ma sare''e stato solo
rappresentato "n insieme di trasposizioni gi pronte e accettate0 XenchL il modello di
2artin non sem'ri del t"tto esente da /"esto rischio% vi 7 com"n/"e in esso il tentativo di
dare regole o condizioni s"lla 'ase delle /"ali sia possi'ile decidere in modo non
prederminato /"ali metap$or senses sono possi'ili e sia anche possi'ile estendere le
metafore conosci"te per interpretare frasi metaforiche n"ove per il sistema0 =ali
condizioni sono di tipo str"tt"rale e rig"ardano il modo in c"i la rete semantica 7
organizzata0 In particolare 2artin si sofferma s"lla correlazione esistente tra i concetti% i
rimandi sta'iliti tra /"esti e in che modo ci4 contri'"isca allPinterpretazione0 I concetti
coinvolti in "na metafora convenzionale% sostiene infatti &ames 2artin% non possono
essere associati singolarmente% ma vanno associati per gr"ppi0 CosK le espressioni PgiveP e
Pget a coldP non sono estranee lP"na allPaltra0 Nascono s"lla 'ase di "na stessa metafora e
della stessa Core Structure% cio7 le relazioni intratten"te dalle parole nel dominio source0
Non 7 del t"tto chiaro /"ali vincoli vadano rispettati nella formazione e comprensione di
"na metafora% t"ttavia alc"ni sono individ"ati da 2artin e precisati sotto forma di
condizioni% principi e re/"isiti0
Un principio generale che domina la trasposizione metaforica 7 che le relazioni centrali
core-relations$ips! che le parole intrattengono nel dominio source devono essere
proietta'ili nel taret0 3"esto principio serve a riconoscere la metafora convenzionale a
partire da espressioni metaforiche che appaiono app"nto correlate e perci4 gi"stificate
dalla stessa metafora convenzionale0 CosK 7 possi'ile estendere lP"so metaforico a partire
da "nPespressione metaforica% passando per /"ella convenzionale sottostante% attraverso
lP"tilizzo delle altre relazioni del dominio source che sono proietta'ili s"l taret0 Per fare
"n esempio% se si p"4 dire metaforicamente% secondo la teoria adottata da 2artin!
(o$n ave )ar0 a cold &ohn attacc4 il raffreddore a 2ar?!
allora si p"4 dire anche
)ar0 et a cold b0 (o$n 2ar? si prese il raffreddore da &ohn!0
LPestensione soddisfa infatti le condizioni che la rendono legittimaA
(0 Condizione di Correlazione "4elation Condition7A la definizione di "na delle parole
fa riferimento diretto alla definizione di "n altra parola0 NellPesempio PgetP si
riferisce ad PhaveP% perchL il ris"ltato dellPazione di avere 7 "n prendere0
+0 Condizione di .nclusione "Containin Condition7A t"tte le sottoparti della
definizione c"i si rinvia sono conten"te come sottoparti della definizione che opera
il rimando0 Sale a dire che i r"oli di PhaveP che 7 il concetto c"i si fa indiretto
riferimento per spiegarsi il prendere! sono conten"ti come sottoparti nel concetto di
PgetP0 Nello specifico% ci4 che si prende 7 "na cosa av"ta% il ricevente 7 "n avente
ecc0
H0 Condizione di Condivisione delle Correlazioni "S$ared .ntermediate Condition7A
d"e parole sono correlate fra loro se entram'e soddisfano le d"e condizioni date
sopra con "n terzo concetto0 Il PgiveP e il PgetP sono correlate perchL entram'e
soddisfano la 4elation e la Containin Conditions con PhaveP0
3"este condizioni% "na volta com'inate con il principio della preservazione della
metafora% rappresentano le condizioni di '"ona formazione di metafore estese% soddisfano
cio7 i tre re/"isiti seg"enti% che en"nciamo informalmenteA i! il senso esteso deve
contenere le associazioni fondamentali "core! come sottoinsieme delle s"e associazioni
@
8
ii! i concetti source e taret delle associazioni aggi"nte devono essere strettamente
5
Sono interi gr"ppi di associazioni che danno alla metafora il s"o significatoA in
$ave a cold avere il raffreddore!
la metafora centrale contiene lPinformazione che lPinfezione 7 "n oggetto il c"i possesso 7 lo stato
di essere infetti8 /"este relazioni sono conten"te anche nelle estensioni metaforiche che consentono di dire
Pprendere il raffreddoreP ecc0
correlati a /"elli delle associazioni core
-
8 iii! i n"ovi domini source e taret devono
essere connessi a /"elli core in modo coerente% cio7 ad "n certo livello di astrazione
devono essere lo stesso concetto
G
0
Decidere se "na metafora centrale p"4 essere estesa in /"alche direzione richiede /"indi
poter gi"dicare in maniera dettagliata s"lla str"tt"ra di relazioni e concetti% che d"n/"e
devono essere rappresentati in modo s"fficientemente fine0 Per esempio lPespressione
Phave a coldP si trover tra il concetto PhaveP 7 il concetto Pinfection.stateP0 Il concetto PhaveP
rimander agli aspett"ali PhaverP% PhadP% c"i corrispondono PBho has a coldP% Pa coldP0 I
singoli aspett"ali sono legati da singole metap$or maps che in /"esto caso saranno
2aver-2aver5a5cold% 2ad-Cold0 Con /"esto tipo di rappresentazione si p"4 controllare
se le relazioni sono conten"te in altre relazioni% se sono vicine ecc0 Wgni metafora 7
"nistanza di "na str"tt"ra in c"i vi sono relazioni metap$or maps! i c"i aspett"ali sono
source e taret% le c"i istanze sono a loro volta app"nto i concetti del dominio source e i
concetti del dominio taret0
Le metafore le metap$or-maps e le metap$or-senses! non sono isolate% ma integrate
lP"na con lPaltra in modo che vengano rispecchiate le similarit e le differenze tra esse0
Deve essere possi'ile per esempio riconoscere che
)ar0 et a cold b0 (o$n 2ar? si prese il raffreddore da &ohn!0
e
)ar0 et a flu b0 (o$n 2ar? si prese linfl"enza da &ohn!0
condividono lo stesso concetto source e che i concetti taret sono diversi solo in
s"perficie% data la stretta similarit di PcoldP e Pfl"P0 Si sono anche altri casi di similarit tra
metafore che occorre rispecchiare nella 'ase di conoscenza o nelle proced"re0 =alvolta
per esempio la metafora crea similarit tra i concetti focalizzandone aspetti com"ni
generaliA 7 /"anto accade nelle d"e frasiA
2ow can . %ill a process3 Come posso #"ccidere$ "na proced"raD!
(o$n %illed t$e conversation b0 wal%in in t$e room &ohn ha spento la conversazione
camminando per la stanza!0
XenchL conversazioni e processi di per sL non siano legati da esplicita similarit% lP"so
della stessa metafora evidenzia che essi costit"iscono eventi che si svolgono in "n certo
tempo% e che /"indi 7 possi'ile interrompere0
Un similarit ancora pi; distante 7 /"ella rileva'ile traA
6
Si tratta del vincolo per c"i le relazioni aggi"nte /"elle presenti nei source e taret estesi! devono essere
strettamente correlate a /"elle originarie0 Nel dominio source il concetto metaforico aggi"nto a /"ello
centrale il possesso! 7 il trasferimento di "n possesso% /"indi i d"e sono legati da "na sola relazione0 Anche
nel taret "na sola relazione lega i concetti corrispondenti del PtrasferireP e Pavere "nPinfezioneP% perci4 il
re/"isito di vicinanza 7 soddisfatto0
7
La relazione che lega la relazione centrale e la s"a estensione nel dominio source 7 che il possesso 7 il
ris"ltato del trasferimento di possesso0 Analogamente accade nel taret% dove il trasferimento dellPinfezione
ha come ris"ltato lPavere lPinfezione0 3"indi in /"esto caso il re/"isito della coerenza 7 soddisfatto0
)ar0 gave (o$n an idea 2ar? diede "nidea a &ohn!
e
)ar0 gave (o$n a cold 2ar? attacc4 il raffreddore a &ohn!0
A differenza dei primi d"e esempi% /"i i concetti taret sono completamente diversi0
LP"nica similarit 7 rintraccia'ile a livelli di generalit molto elevatiA sia PideaP che PcoldP
sono concetti astratti che vengono considerati come oggetti che possono essere trasferiti e
possed"ti0 Per c"i ad entram'i 7 applica'ile la metafora altrettanto generale #ransfer-
,ct58pon0
-.1.2 Conclusioni
LPidea chiave che rende il lavoro di &ames 2artin originale rispetto ad altri approcci% 7
evidenziata dallo stesso a"toreA si tratta dellP"so che 2IDAS fa della conoscenza esplicita
delle metafore convenzionali% conoscenza codificata direttamente nella 'ase di
conoscenza del sistema0 Le metafore fanno parte dellam'ito concett"ale e il sistema 7 in
grado di generalizzare gli "si metaforici0 Spesso per4 /"esto non 7 s"fficiente% nel senso
che alc"ne metafore molto generali sem'rano "niversalmente condivise da molte ling"e
diverse e sem'rano perci4 degli universali conitivi% e daltra parte "si metaforici pi;
specifici di ogni singola ling"a richiedere''ero di str"tt"rare la 'ase di conoscenza%
esattamente come nel modello di Dan Fass% ad $oc perdendo /"ella generalit che la
teoria delle metafore concett"ali mira a raggi"ngere0
Un esempio di difficolt che potre''e derivare dallo str"tt"rare la 'ase di conoscenza
metaforica s" mis"ra di "na ling"a specifica in /"esto caso linglese! possiamo trovarlo
proprio tra gli esempi di 2artin0 Lesempio
@(! (o$n ave )ar0 a cold
7 stato da noi tradottoA #&ohn attacc4 il raffreddore a 2ar?$ perchL sare''e 'izzarro% pi;
che metaforico% dire
@G! 9iovanni ha dato il raffreddore a 2aria0
Jpp"re anche in italiano i ver'i PavereP% PdareP% PprendereP intrattengono le relazioni dei
ver'i inglesi Pto haveP% Pto getP% Pto giveP0 2a in italiano si dice PattaccareP
*
e non PdareP il
raffreddore
)
0
8
CosK trad"ce il dizionario Italiano.Inglese <azon 9arzanti0
9
3"esti pro'lemi sono stati evidenziati anche nellPam'ito della trad"zione a"tomatica dove si pone "n
pro'lema analogo a /"ello dellPinterpretazione delle metafore e cio7 il pro'lema di sta'ilire /"ale sia la
conoscenza condivisa che consente la trad"zione tra d"e ling"e diverse "na source e "na taret!0 &ohn
Xateman ())+! ha evidenziato che tale n"cleo condiviso non p"4 essere legato ai significati appartenenti a
domini specifici% ma semmai si tratta di concetti molto generali% derivati dallPesperienza sensoriale e
sit"azioni tipiche di c"i la societ incoraggia il mantenimento0 Nel s"o sistema di trad"zione Xateman
identifica /"esto livello di astrazione con il cosiddetto 8pper )odel% sostanzialmente "nPinterling"a vista
Capire perchL siano lecite alc"ne estensioni e non altre delle core metap$ors% perchL sia
possi'ile chiedere #<oB can I 5ill a processD Come posso #"ccidere$ "na proced"ra!$%
ma non #<oB can I give 'irth to a processD Come potrei far nascere "na proced"raD!$%
rimane "no dei pro'lemi aperti dellapproccio comp"tazionale di 2artin e della teoria
delle metafore concett"ali sottostante0
3.2 Moving %ig&t #long! # 'om(tational Model of Meta(&oric %easoning abot
)vents (Srini *ara+anan )
2artin si 7 ispirato alla teoria della metafora cognitiva promossa da La5off e dai s"oi
colla'oratori dellUniversit di Xer5ele?% ma ha progettato il s"o sistema da solo0 Di
recente sono stati invece avviati progetti comp"tazionali s"lle metafore allinterno dello
stesso gr"ppo di Xer5ele?0 Lo st"dioso che si occ"pa di /"estarea 7 Shrini Nara?anan0 Il
sistema messo in piedi da Nara?anan in colla'orazione con La5off condivide alc"ne
scelte generali implementative di 2idas% ma cerca di trad"rre in modello per calcolatore
lipotesi di La5off in maniera pi" fedele% cioe insistendo s"lle ragioni psicologiche del
perchL certi domini sono non ar'itrariamente selezionati come domini sorgente% s"l
legame tra ling"aggio e esperienza sensoriale e corporea che condiziona la forma in c"i
ling"aggio e pensiero si prensentano negli esseri "mani% e s"l r"olo che le metafore
giocano in t"tto ci40 J cercando di sim"lare t"tto /"esto0
-.2.1 Descrizione del sistema
Il sistema di Nara?anan 7 infatti limplementazione di "n sistema comp"tazionale che
'enchL interpreti 'revi frasi di carattere politico.economico% traendo inferenze non
esplicitate nel testo% si serve per compiere tale processo inferenziale di conoscenze
relative a domini molto pi" concreti ed esperienziali% che vengono proiettati
metaforicamente s"l dominio taret della politica economica0
\=]he meaning of motion and manip"lation terms is gro"nded in patterns generated '? o"r sensor? and
motor s?stems as Be interact in the Borld0 S?stematic metaphors pro>ect these feat"res onto a'stract
domains s"ch as Jconomics ena'ling ling"istic devices to "se motion terms to descri'e a'stract actions and
processes0 E! the s?stem has three main components% namel? the source domain% the target domain and
the metaphor maps0
Il componente del dominio sorgente 7 "na rete dinamica in c"i sono stati implementati
degli schemi C.schema! che rappresentano la conoscenza senso motoria e che possono
essere attivati sia da inp"t sensoriali che da inp"t ling"istici0 =ali schemi infatti non
servono solo per g"idare "n processo di reale movimento ma anche per attivare
sim"lazioni metaforiche di tali movimenti0
Il dominio target 7 /"ello della politica economica e in esso deve essere rappresentata "na
conoscenza di 'ac5gro"nd per esempio landamento economico degli USA!% "n modello
str"tt"rato e coerente di fatti relativi al dominio come per esempio il fatto che "na rapida
crescita p"o sfociare in "na altrettanto rapida inflazione!0 Inoltre tale rete di credenze
devessere attiva% deve cioe essere s"scetti'ile di essere modificata e arricchita sia in
presenza di fatti n"ovi sia da inferenze derivate metaforicamente0
per4% pi; che in termini psicologico.cognitivi alla Fodor% in senso socio.c"lt"rale0
Le mappe metaforiche proiettano gli schemi del dominio sorgente s"l dominio target%
ossia se si "sa "n termine che richiama "n C.schema e a"torizza "n certo ragionamento%
/"esto stesso ragionamento verra applicato nel dominio target dove verra estesa la rete
di credenze0 Si sono diversi tipi di mappe metaforicheA le mappe ontologiche legano
domini relativi ad esperienze concrete a domini astratti0 Le mappe str"tt"rali che legano
la str"tt"ra generale del dominio sorgente% in termini di agenti% oggetti ed eventi% nella
str"tt"ra generale del dominio target% applicando cosK il principio di invarianza0 Un terzo
tipo di mappat"ra si occ"pa di trasferire i parametri del dominio sorgente nel dominio
target mantenendone i valori0 Per esempio se nel dominio sorgente 7 rappresentata "na
distanza da coprire% nel dominio target tale viaggio viene intepretato come progresso
nello svil"ppo di "n piano0
Sediamo come attraverso l"so di /"esti componenti il sistema si comportere''e di
fronte allinp"t costit"ito da "n titolo comparso s"l NeB Oor5 =imes% ma che 7
rappresentativo di frasi molto com"ni in /"al"n/"e /"otidiano alle pagine della politica
economicaA
&iberalization plan stumblin
Che riadattato pi" che tradotto! in Italiano potre''e s"onareA
.l piano di liberalizzazione incespica9vacilla9arranca.
Linp"t del sistema sar"na rappresentazione formale della fraseA
Feature Value
Jvent st"m'le
Domain Jc0 Polic?
Jc0 Polic? Li'eralization
Aspect PresentProg
Fig0 G0 Lista di str"tt"re coppie attri'"to.valore! che costit"iscono linp"t del sistema
Per interpretare il legame metaforico tra il processo politico.economico della
li'eralizzazione e il movimento dellincespicare% "n tipo molto specifico di camminare
vengono applicate alc"ne mappe metaforiche sia str"tt"rali che ontologiche!A le mappe
str"tt"rali implicate asseriscono che il m"oversi 7 "n agire 2ove .^ Act! e che il cadere
7 fallire Fall .^ Fail!8 le mappe ontologiche invece pi" asseriscono che gli attori sono
coloro che si m"ovono 2overs .^ Actors! e che gli ostacoli sono difficolta W'stacle .^
diffic"lt?!0 Il mapping 7 anche in grado di cogliere alc"ni importanti elementi temporali
implicati nel significato del ver'o 1incespicareA lo schema del camminare prevede infatti
la rappresentazione dellazione in progresso on oin!0 2a "n ostacolo come "n bump!
p"o far si che tra listante di tempo t.( e il s"ccessivo il camminare venga interrotto al
tempo t0 3"esto si proietta app"nto metaforicamente in "ninterr"zione in "n processo
come la li'eralizzazione! a ca"sa di "na difficoltaA
Ie 5noB of no other implemented model of metaphor that is capa'le of s ma5ing these temporal
inferences0 It also points o"t the need for a d?namic semantics in f modeling even simple descriptions of
events0 Fig"re *0+ also shoBs the metaphors W'stacle .^ diffic"lt? and F all .^ Fail0 For eCample% the to5en
at the '"mp node activates the P2AP W'stacle .^ Diffic"lt?0
Ie also note that the "tterance t?pe is instantiated to the val"e description % Bhich propagates 'ac5 to the
spea5er eval"ation node to set the val"e to ne"tral % eCcept the presence of a to5en at the f.str"ct asserting
insta'ilit? of the Indian 9overnmentPs efforts changes the val"e to 'e neg negative! Bith a reasona'l? high
pro'a'ilit? Nara?anan% ())G% ()(!0
Lo"tp"t 7 "n n"ovo insieme di coppie attri'"to valore% otten"te applicando le
conoscenze s"lle conseg"enze del vacillareA
Feature Value
Jvent st"m'le
Domain Jc0 Polic?
Jc0 Polic? Li'eralization
Aspect PresentProg
ConteCt ongoingplan & difficulty
Stat"s Suspended !"#
W"tcome Fail !$#
9oal freetrade _ dereg"lation
Fig0 *0 Lista di str"tt"re coppie attri'"to.valore! che costit"iscono lo"tp"t del sistema
I casi in neretto nella ta'ella sono /"elli che sono stati sta'iliti grazie a "ninferenza
metaforica0 7 particolarmente interessante linformazione relativa al contesto in c"i 7 stata
proiettata la conoscenza esperienziale del fatto che si arrancaFvacillaFincespica /"ando si
frappongono degli ostacoli tra "n passo e laltro che ca"sa "ninterrr"zione nellandare
avanti!0 Applicato al dominio target /"esto viene interpretato come "na difficolta
nellesec"zione di "n piano a ca"sa di "na temporanea sospensione0 Siene inoltre inferito
nel dominio target a partire dall conoscenza del fatto che arrancare spesso porta a cadere%
"n incremento della pro'a'ilit che il piano fallisca 0*!0 XenchL non ci sia "n mapping
diretto e presta'ilito tra larrancare e il dominio deleconomia% il sistema 7 capace di
"tilizzare conoscenze relative allarrancare per fare asserzioni s" possi'ili eventi nel
dominio target0
-.2.2 Conclusioni
Come 2IDAS il sistema di Nara?anan 7 dotato di "na 'ase di conoscenza
preconfezionataA
C"rrentl? o"r em'odied domain theor? has a'o"t (66 lin5ed Cschemas% Bhile the a'stract domain theor? is
relativel? sparse Bith a 'elief net of a'o"t +6 m"ltival"ed varia'les Bith at most , temporal stages0 Ie
have also encoded a'o"t @6 metaphor maps from the domains of $ealt$ and spatial motion0 =hese Bere
developed "sing a data'ase of H6 +.H phrase fragments from neBspaper stories all of Bhich have 'een
s"ccessf"ll? interpreted '? the program0
="ttavia /"esto sistema sem'ra pi" flessi'ile del sistema di 2artin in /"anto non
richiede "nontologia di mapping cosK specifica come /"ella richiesta da 2idas% 'enchL
le inferenze siano di "na gran"larit pro'a'ilmente maggiore0 Uno dei pro'lemi presenti
in 2idas% rilevato dallo stesso 2artin% rig"arda il fatto che esso 7 'asato s" "na 'ase di
conoscenza che non ha ness"na copert"ra reale coverae!% nL "n fondamento empirico
2artin% ()),% (H@! e pertanto non 7 agganciata di fatto alla realt cognitiva nL ling"istica
degli esseri "mani0
J s"fficiente invece nel sistema di Nara?anan conoscere il dominio sorgente e i mapping
ontologici0 Il mapping al dominio target verra costr"ito s" /"esta 'ase0 Attraverso tale
meccanismo il sistema 7 cosK in grado di capire espressioni che fanno "so di metafore che
non sono mai state conosci"te prima dal sistema0 3"esto 7 "n p"nto cr"ciale del
meccanismo metaforico in /"anto meccanismo cognitivoA le metafore sono
cognitivamente indispensa'ili perchL ci consentono di accrescere la nostra conoscenza
facendo "so di esperienze che sono in "ltima analisi radicate in esperienze e conoscenze
non ling"istiche0 Ness"n sistema che richieda di conoscere tali mapping a priori 7
credi'ile o pla"si'ile rispetto al tentativo di sim"lare ci4 che psicologicamente accade
nella mente dei parlanti /"ando fanno "so di termini in senso non letterale0 =ale
flessi'ilit e la capacit d"n/"e di apprendere n"ove conoscenze ed estendere cosK la rete
di credenze del sistema 7 "n elemento indispensa'ile per avere "n programma che
davvero sia in grado di gestire metafore0
% &a terza via' machine learning e metafore
,.1 Sistemi artificiali di elaborazione di metafore basati sll-a((rendimento
analogico
I sistemi di NLP esaminati sinora non sono 'asati s" analisi ling"istiche s" larga scala0 Le
conoscenze di partenza% infatti% di solito non sono testi veri e propri% e pertanto non sono
rappresentative di testi in ling"aggio nat"rale% sono solo testi-iocattolo costr"iti ad hoc
per gli esperimenti opp"re testi isolati e 'revi0 Da essi 7 difficile trarre informazione "tile0
Nel caso peggiore linformazione legata alla parola 7 /"ella che deriva dalla definizioni
del lessico% definizione spesso costr"ita artificiosamente da chi compila il dizionario0
Pertanto tali conoscenze mostrano spesso "na connessione pi"ttosto de'ole con il
ling"aggio nat"rale #nel s"o "so$ che invece d importanti s"ggerimenti relativamente
alle #regole$% #principi$ e #vincoli$ che "na teoria dovre''e esplicitare0 In /"esto senso%
secondo &ohn Sinclair ())(!% la sit"azione della ling"istica tradizionale 7 paragona'ile a
/"ella della fisica di +@6 anni faA i dati sono limitati a ci4 che "n singolo individ"o p"4
esperire e ricordare% non vi 7 osservazione indiretta% nL vi sono strategie di mis"razione0
Att"almente diversi st"di cercano di raggi"ngere /"esto o'iettivo attraverso la
costr"zione di elenchi di metafore concett"ali :er%ele0 )etap$or &ist
1;
! o ontologie
'asate s"lle metafore concett"ali Xarnden% ())G!0 ="ttavia i sistemi 'asati s"lla
conoscenza di domini specifici descritti a priori mal si adattano alla flessi'ilit con c"i le
metafore concett"ali vengono "tilizzate nelle ling"e0 Wccorrere''e "n sistema ancor pi;
#generale$ che str"tt"rasse la conoscenza in "n modo s"fficientemente flessi'le da
incl"dere implicitamente le metafore concett"ali% ma fosse in grado di ac/"isirne la
controparte ling"istica nel modo pi; generale possi'ile e di poterla "tilizzare ed estendere
10
Cons"lta'ile nel sito internet `$ttp<99cosci.ber%el0.edu^0
in modo affida'ile per far fronte a espressioni n"ove non conosci"te al sistema analoghe
alle frasi che i parlanti sono in grado di comprendere e form"lare p"r non avendole mai
sentite prima% come avevano messo in evidenza Fodor e :atz!0
Il sistema che presenteremo in /"esto capitolo 7 stato ideato proprio con /"esti o'iettivi0
Cio7 con lidea di sim"lare in "n calcolatore la capacit degli esseri "mani di imparare
direttamente dallesperienza% adattarsi alle sit"azioni n"ove% estendere lesperienza
ac/"isita per dare risposte adattattive di fronte a esperienze non previste e n"ove0 XenchL
il sistema sia "na semplificazione di /"anto "n essere "mano% con il s"o corpo% i s"oi
apparati sensoriali% il s"o sistema ne"ronale% la s"a #mente$% p"4 fare% lass"nzione di
fondo resta che i semplici meccanismi di c"i il sistema viene dotato non de''ano essere
sconfessati ma costit"iscano la 'ase s"lla /"ale ampliare il sistema anche verso tipi di
pensiero non ling"istico 9ola e Federici% ())G!0
Att"almente% t"ttavia% il sistema 7 stato applicato a compiti strettamente ling"isticiA
trascrizione ortofonetica Federici% Pirrelli e Ovon( ())-! lemmatizzazione morfologica
Federici e Pirrelli% ()),a! disam'ig"azione sintattica Federici% 2ontemagni e Pirrelli%
())-!% la disam'ig"azione di sensi metaforici 9ola e Federici% ())G8 9ola% ())*!
=.1.1 ,pprendere dai testi
Cosa significa% per il sistema che stiamo proponendo% imparare direttamente
dallesperienzaD =rattandosi di "nesperienza limitata a testi stringhe di sim'oli! "tile a
"n compito circoscritto 'enchL complesso disam'ig"azione di sensi letterali e non! ci4
che il sistema apprende 7 "n insieme di testi organizzati secondo alc"ne tecniche e
metodologie svil"ppate a partire dagli anni 1)60 Si tratta di tecniche per lanalisi test"ale
che consentono di ac/"isire dati reperi'ili in ampie collezioni di testi corpora!%
attraverso losservazione e lo st"dio di porzioni di testo chiamate contesti% composte a
loro volte da concordanze t"tti i contesti che co.occorrono con "na certa parola! e
collocations le parole pi; prossime alla parola di c"i si v"ole st"diare il comportamento!0
Lo st"dio del significato delle parole attraverso /"esti str"menti v"ol dire perci4
effett"are "nanalisi del contesto e delle str"tt"re in c"i le parole occorrono0 Per esempio
in fig0 ) sono riportate alc"ne concordanze del ver'o #vedere$0
contesto sinistro forma9parola contesto destro
La immagini "na vita senza
di meD Non
NvedermiN pi; per esempio% mai pi;000
Non v"ole pi; NvedermiN
Con lei ho contin"ato a NvedermiN per diversi mesi0
Ci NvedemmoN in gran segreto0
gli dice infatti il personaggio
di Xanfi
NvedendoN per la prima volta il s"o
compagno di avvent"re0
Fig0 )0 Concordanze di #vedere$ tratte dal Corp"s di Ziferimento dellItaliano CZI!
((
0
Zispetto a /"este concordanze le collocations relative al contesto destro di 1vedere sonoA
11
Il corpus "tilizzato 7 stato messo a disposizione dallIstit"to di Ling"istica Comp"tazionale del Cnr di
Pisa0
vedere-pi>
vedere-in sereto
vedere-per mesi
vedere-per la prima volta0
Le informazioni collocazionali s"ggeriscono% nel caso del ver'o #vedere$% ma
losservazione p"4 avere "n valore pi; generale% che i diversi sensi del ver'o vengono
"tilizzati in str"tt"re sintattiche specifiche0 Un esempio int"itivo rig"arda l"so di
#vedere$ nel senso di #incontrarsi$0 La maggior parte delle volte esso 7 inserito in
str"tt"re che contengono clitici come #mi$ o #ci$!% 7 accompagnato da /"alche
determinazione temporale% ed 7 "sato per lo pi; al presente0 3"esta descrizione
ovviamente non costit"isce "na regola% epp"re nella str"tt"ra #Ci vediamo domani$ solo
"n contesto immaginario e impro'a'ile potre''e portare ad interpretare #vedere
attraverso gli occhi$ o #conoscere$0 Zispetto a /"estesempio% "n contesto come
#Sedremo domani$% che ha sK la determinazione temporale% ma che 7 espresso al tempo
f"t"ro e non contiene la particella pronominale #ci$% spinge a "na interpretazione diversa
cio7% pro'a'ilmente% #conoscere$% #esaminare$ e simili!0 3"ando invece #vedere$
significa #intendere$ 7 spesso seg"ito da #come$ e da "n complemento o da "na
s"'ordinata8 /"ando significa #capireFval"tare$ 7 seg"ito spesso da #se$ e da "na
s"'ordinata0
In che modo /"esto genere di informazioni s"lla str"tt"ra s"perficiale dei testi e s"lle co.
occorrenze delle parole possono ai"tare ad affrontare il pro'lema del significatoD J come
evitare contemporaneamente i pro'lemi posti dagli "si metaforiciD
Se nei testi in sL e per sL% per come sono rappresentati e str"tt"rati% 7 conten"ta cosK tanta
informazione disponi'ile% pro'a'ilmente si p"4 cercare da "n lato di ac/"isire da tale
informazione dei tipi di #leggi$% #principi$ e #regolarit$ che siano conformi ai dati reali%
ma sopratt"tto 7 possi'ile ideare sistemi che anzichL essere meccanismi generativi di
regole form"late dai ling"isti siano sistemi dotati della capacit di apprendere
dinamicamente le conoscenze necessarie dai testi stessi0 Le #regole$ in "n tale approccio
non sare''ero imposte dallesterno% in n"mero chi"so% e sta'ilite a priori ma sare''ero
ricavate dai dati a disposizione% sare''ero estendi'ili in modo non.monotono in
dipendenza della crescita o cam'iamento della conoscenza e sare''ero ela'orate dal
sistema a posteriori rispetto ai dati a disposizioni e ai compiti richiesti0
Pertanto% diversamente dai sistemi artificiali classici che non dispongono di meccanismi
di apprendimento% il sistema di ela'orazione del ling"aggio che riteniamo pi; corretto e
pla"si'ile e che vogliamo prospettare devessere non solo dinamico% ossia in grado di
modificare la s"a conoscenza in dipendenza dellinp"t e del conteso% ma anche capace di
a"to.apprendimento 9ola e Federici% ())-'!% cio7 in grado di trarre dai dati che gli
vengono forniti conoscenze "tili ad affrontare sit"azioni n"ove0 A tale scopo occorre
modificare radicalmente "na serie di idee accreditate s"lla semantica e implicite nei
modelli descritti sinoraA prima di t"tto la fid"cia nella possi'ilit di dare delle regole a
priori a prescindere dai dati esperienziali cioe nel caso particolare dai testi!8 /"esto
principio 7 proprio il responsa'ile della convinzione generale che% come a''iamo visto% si
7 rivelata fonte dei maggiori pro'lemi% cio7 che tali regole a''iano come finalit la
descrizione di t"tti e soli i sensi letterali di "na parola0 Siceversa la realizzazione di
sistemi di ela'orazione a"tomatica in grado di apprendere dagli #stimoli$% costit"iti dai
testi% avre''e come conseg"enza far sK che tali sistemi trovino da sL stessi regole che
consentano di ottenere '"one risposte nelle pi; diverse sit"azioni ling"istiche% in
particolare in t"tti /"ei casi normalmente considerati eccezioni% cio7 i casi di "si non
letterali0 Dato che nei dati si trovano a s"fficienza esempi di "si non letterali% il sistema
non dovre''e avere difficolt ad apprenderli prima e riapplicarli poi
(+
0 2a non 7 t"tto0
CosK come gli organismi applicano ci4 che apprendono dallesperienza per far fronte a
sit"azioni n"ove% il sistema ipotizzato devessere messo in grado di poter "tilizzare in
modo creativo e controllato i significati ac/"isiti% attraverso la proiezione per esempio
per via analogica
(H
! di /"esti "ltimi nelle sit"azioni non note0
Un caso che si p"4 considerare tipico di /"esto tipo di compito 7 proprio la comprensione
di metafore% in c"i il sistema ipotizzato devessere capace di gestire per esempio
disam'ig"are! "si delle parole non conosci"ti a priori% senza escl"dere per principio
/"elli non letterali0 Il sistema dovra essere in grado di fare ci4 senza 'isogno di fornirgli
'asi di conoscenza sintattica e semantica organizzate preliminarmente% dato che gli esseri
"mani hanno creato il ling"aggio e i 'am'ini ripercorrono /"esto iter filogenetico nella
loro evol"zione ontogenetica0
La str"tt"razione di ci4 che viene appreso 7 fatta in termini di similarit% cio7 il sistema
raggr"ppa i vari esempi a seconda della loro somiglianza e di fronte a "n n"ovo esempio
non conosci"to cerca di trovare i patterns pi; simili o analoghi0
Il sistema non fa "so e non ha 'isogno% teoricamente% di informazioni aggi"ntive oltre le
porzioni di testo apprese% cio7 non fa "so di rappresentazione profonda come ad esempio
/"ella conten"ta nei sistemi di features% anche se per ottenere migliori ris"ltati p"4 essere
ai"tato da alc"ne informazioni aggi"ntive
(,
che sopperiscono alla mancanza delle
informazioni legate ai contesti percettivi ed esperienziali pi; glo'ali0
Il sistema apprende insieme ai dati anche il compito relativo che poi dovr svolgere0 Cio7
il sistema non impara insiemi di features e definizioni% ma impara "nassociazione
contesto9compito di comprensione% per esempio concordanza9senso della parola0
Consideriamo% per ill"strare il f"nzionamento del sistema% il ver'o #vedere$ i c"i "si
estesi% come a''iamo gi accennato precedentemente% sono legati alla metafora per la
/"ale #vedere 7 conoscere$ e alla metonimia cio7 "na fig"ra retorica in c"i /"alche
aspetto di "n evento significa levento nella s"a interezza! in c"i il vedere sta per
lincontrarsi% "n caso di sostit"zione della parte con il t"tto0
La sim"lazione del compito di comprensione.disam'ig"azione 7 s"ddivisa in d"e fasi pi;
"na fase preliminare preparatoria0
=.1.2 Descrizione del sistema
,0(0+0( Fase preliminare
La fase preliminare 7 legata al compito che vogliamo far eseg"ire al sistema nel nostro
caso si tratta di "n compito di disam'ig"azione% perci4 di comprensione! e consiste nel
preparare i testi esempi! che si vogliono far apprendere al calcolatore0 9li esempi che
12
Una descrizione pi; dettagliata del sistema a c"i ci riferiamo% e che /"i considereremo solo in riferimento
ad alc"ni aspetti semantici% si trova in 9ola e Federici% ())-a!0
13
Per "na definizione e descrizione di "n sistema comp"tazionale che "tilizza lanalogia per proiettare
patterns conosci"ti s" casi non noti si veda Federici . Pirrelli .Ovon% ())-!0
14
Nellesempio le f"nzioni grammaticali associate alle parole0
sono stati considerati contengono cooccorrenze di soggetti e oggetti "tilizzati insieme al
ver'o #vedere$0 Per il particolare compito di comprensione scelto% ai testi "tilizzati per
lesperimento viene associato il senso corretto del medesimo ver'o nel particolare
contesto costit"ito da "n certo soggetto o "n certo oggetto
(@
0 In fig0 (6 diamo alc"ni
esempi di come viene attri'"ito il senso0 Nella parte alta di ciasc"n ri/"adro la
concordanza 7 s"ddivisa in contesto destro% forma e contesto sinistro0 La concordanza
costit"isce linp"t che il sistema apprende in associazione con "na risposta% che 7 il senso
del ver'o disam'ig"ato% segnato nella parte 'assa e centrale dei ri/"adri0
contesto sinistro forma9parola contesto destro
La immagini "na vita
senza di meD Non
NvedermiN pi; per esempio% mai
pi;000
incontrare meFoetto% pi;Fcue
contesto sinistro forma9parola contesto destro
Non v"ole pi; NvedermiN 0
pi;Fc"e incontrare meFoggetto
contesto sinistro forma9parola contesto destro
Non 7 tanto che non NvedanoN o non amino le nostre
/"alit0
conoscere /"alitFoetto
Fig0 +(0 Attri'"zioni del senso ad alc"ne occorrenze di #vedere$ tratte dal CZI0
A partire dalle associazioni contesto9verbo disambiuato il sistema riesce a indicare la
corretta disam'ig"azione in presenza di contesti diversi ma simili a /"elli appresi0
,0(0+0+ Fase di apprendimento
Una volta preparato il testo con laggi"nta del significato disam'ig"ato che% ovviamente%
in sit"azioni nat"rali viene appreso contest"almente alla frase!% viene attivata la fase di
apprendimento% d"rante la /"ale il sistema ac/"isisce t"tte le associazioni tra i contesti e
la relativa disam'ig"azione della formaFparola s"lla /"ale si v"ole istr"ire il sistema0
3"esta fase non 7 "na mera registrazione di dati% in /"anto il sistema organizza i contesti
in modo da poterli "tilizzare al meglio /"ando avr a che fare con contesti che non
conosce0 Confrontando in seg"ito contesti sconosci"ti con /"elli appresi% il sistema
15
Nel sistema che 7 stato realizzato non viene preso per4 in considerazione t"tto il contesto% ma solo "na
s"a semplificazione% cio7 alc"ni elementi particolarmente significativi della frase% come il soggetto%
loggetto% le preposizioni% e alc"ne particelle cue! che sono spesso indicative del significato del ver'o
correttamente disam'ig"ato0 3"esta semplificazione% cio7 la limitazione del contesto ai soli oggetti e
soggetti% 7 dov"ta alla disponi'ilit dei dati in tale formato% ma in linea di principio si p"4 considerare il
contesto nella s"a interezza0 I dati relativi alle coppie soggettoFver'o e oggettoFver'o sono stati resi
disponi'ili in seg"ito al lavoro di Simonetta 2ontemagni s"lla disam'ig"azione delle relazioni dei r"oli di
soggetto.oggetto in dipendenza del ver'o cooccorrente 2ontemagni ())@!0
risponder indicando il significato pi; pla"si'ile della parola0 I dati vengono organizzati a
/"esto scopo in patterns costit"iti dalla costellazione paradimatica degli oggetti che
cooccorrono con il ver'o nelle concordanze0 Per esempio "no dei significati del ver'o
#vedere$ 7 #esaminare$% per lo pi; attraverso la lett"ra fig0 ++!0 Il sistema% cons"ltando la
'ase di conoscenza ac/"isita% ha appreso che gli oggetti pi; tecnicamente collocations in
f"nzione di oggetto! che possono essere #visti$ in /"esto senso sono #li'ri$% #prodotti$%
#conti$% #pagine$% #dizionari$0
Senso disambiuato
SJDJZJJSA2INAZJ
collocations con oetti
LIXZWFoetto
PZWDW==WFoetto
CWN=WF oetto
PA9INAF oetto
DIYIWNAZIWF oetto
Fig0 ((0 Pattern del ver'o #vedere$ nel senso di #esaminare$0
,0(0+0H Fase di val"tazione
Una volta ac/"isite /"este informazioni% il sistema nat"ralmente non ha difficolt a
rispondere dando il senso disam'ig"ato per esempio #SJDJZJJSA2INAZJ$! se
viene proposto "n contesto a l"i gi noto per esempio #SJDJZJ . PA9INAFoggetto$!0
2a cosa accade se si chiede al sistema di disam'ig"are il significato di #vedere$ in "n
contesto n"ovo come #vedere "nFil! articolo$% da c"i si ricava la collocation #SJDJZJ .
AZ=ICWLWFoggetto$D Nella fase di val"tazione% il sistema per dare "na risposta
controlla se conosce la parola #articolo$ e con /"ali ver'i viene "sata0 Per esempio tra ci4
che il sistema ha ac/"isito 7 conten"ta la conoscenza che gli articoli si redigono% cio7
nella s"a 'ase di conoscenza il sistema trova "na collocation in c"i il nome #articolo$
cooccorre con il ver'o #redigere$ fig0 (+!0 Inoltre il sistema trova nella s"a 'ase di
conoscenza che% oltre agli articoli% si possono #redigere$ anche i #dizionari$0 La presenza
di /"esta intersezione tra gli oggetti di 1vedere e di 1redigere 7 la 'ase del ragionamento
di nat"ra analogica che porta il sistema a ipotizzare la risposta raffig"rata in fig0 (H% ossia
che il senso del ver'o #vedere$ in riferimento alloggetto #articolo$ sia lo stesso senso di
/"ando #vedere$ si riferisce a #dizionario$ e cio7 #esaminare attraverso la lett"ra$ figg0
(+ e (H!0 La 'ase di /"esto ragionamento% la s"a iustificazione% 7 costit"ita dalla
collocation #ZJDI9JZJ.DIYIWNAZIWFoggetto$ conten"ta nella 'ase di conoscenza0
Senso disambiuato
ZJDI9JZJ SCZISJZJ
collocations con oetti
AZ=ICWLWFoetto
DIYIWNAZIWFoetto
Fig0(+0 Parte del pattern di collocations del ver'o #redigere$0
.)D)%) &.:4?9oetto
)S#M"*#%) 64?D?##?9
oetto
...9 ?GGE##?
4ED.GE4E
SC4.1E4E
D"/"0*#%"01
?etto
,4#.C?&?9oetto
...1 oetto
Fig0 (H0 Jstensione del significato del ver'o #SJDJZJJSA2INAZJ$ al n"ovo
contesto #SJDJZJ.AZ=ICWLWFoggetto$ attraverso la conoscenza del pattern di
#redigere$ legato ad #articolo$0
Le generalizzazioni e i ragionamenti che il sistema 7 in grado di portare a termine non
derivano da astrazioni a priori determinate dal lavoro di "n lessicografo o di "n ingegnere
della conoscenza% ma dipendono in mis"ra preponderante dai dati0 Ness"na
generalizzazione viene fatta se non 7 gi"stificata dalla presenza di conoscenza
effettivamente presente nel corp"s s" c"i viene condotto lapprendimento0 =ale corp"s
deve essere considerato come lam'iente con il /"ale il sistema di NLP interagisce% e con
il /"ale si sta'ilisce la relazione di referenzialit semantica0 Se la 'ase di conoscenza
cam'ia% cam'iano anche le possi'ilit che il sistema ha di comprendere0 Com7 stato
mostrato da Federici ())G! il sistema% a seconda degli inp"t ai /"ali 7 stato esposto
d"rante lapprendimento% 7 in grado o meno di trovare iustificazioni motivazioni! per
certi en"nciati che gli vengono presentati d"rante la fase di val"tazione0 Se d"n/"e
nellesempio precedente il sistema non avesse conosci"to il pattern di collocation per
#redigere$% la collocation #vedere.articolo$ non sare''e stata falsa ma semplicemente
non gi"stificata alla l"ce di /"anto conosci"to dal sistema0 Pertanto /"esto tipo di sistema
comp"tazionale 7 sensi'ile alla crescita e al cam'iamento delle s"e conoscenze0
=.1.- Conclusioni
Il sistema che a''iamo ill"strato nonostante la s"a semplicit e nonostante non faccia "so
ne di gerarchie ontologiche ne di /"al"n/"e mappa di metafore concett"ali
esplicitamente rappresentate% ottiene '"oni ris"ltati nel compito di
comprendereFdisam'ig"are sensi fig"rati e letterali0 Seg"ire /"esto approccio implica
pertanto "n cam'iamento di prospettiva rig"ardo agli ass"nti di 'ase che g"idano la
costr"zione delle teorie comp"tazionali della ling"a0 Jsso si propone innazit"tto (! di
essere pi; aderente alla realt ling"istica dei testi anzichL essere "na potente astrazione s"
regole0 Per ottenere ci4 +! il sistema ipotizzato si 'asa s"lla possi'ilit di apprendimento
e di estensione delle conoscenze apprese a sit"azioni n"ove tramite il riconoscimento di
similarit0 Pertanto H! la relazione tra sistema e testi 7 dinamica e paragona'ile alla
relazione tra gli organismi viventi e il loro am'iente0 3"estidea m"t"a alc"ni principi da
"na n"ova 'ranca di ricerca dellintelligenza artificiale chiamata ,rtificial &ife AL o
Alife!0 3"esta disciplina 7 apparentemente distante dai pro'lemi della semantica e dei
ling"aggi disc"ssi in /"esto capitolo% ma% a nostro avviso% condivide con essi
"nimportante analogia0 Lo st"dio tradizionale degli organismi 'iologici% infatti% 7 di
nat"ra analiticaA si deve sta'ilire /"ali caratteristiche rappresentano le propriet essenziali
della vita% esattamente come i metodi semantici tradizionali cercano le propriet che
definiscono i significati delle parole e la '"ona formazione delle frasi0 La prospettiva di
Alife% in opposizione a tale visione% adotta invece "n approccio sintetico in c"i si cerca di
mettere a contatto organismi che si comportano come esseri viventi0 Per fare "n esempio%
gli esseri viventi apprendono /"ali sono le sit"azioni di pericolo% non hanno "na idea
innata di cosa sia il pericolo specificata da "na lista di propriet pericolose% e diverse
c"lt"re hanno diversi insiemi di cose che vengono considerati pericolosi La5off% ()*G!0
Nellapproccio della Alife gli organismi artificiali scoprono lam'iente e imparano ad
interagire con esso e con gli altri organismi adattandosi alle possi'ilit della vita% e non
rispondendo in modo deterministico a come la vita 7 o 7 stata descritta0
Nel caso degli str"menti di NLP% lidea che vorremmo delineare vede la possi'ilit di
considerare gli str"menti di comprensione% e pi; in generale di ela'orazione delle ling"e%
come sistemi dinamici Jlman% ())@! ossia "n e/"ivalente di organismi viventi! e i testi
come gli am'ienti in c"i essi devono apprendere e fare esperienze0 CosK come gli
organismi applicano ci4 che apprendono dallesperienza per far fronte a sit"azioni n"ove%
il sistema ipotizzato devessere messo in grado di poter "tilizzare in modo
contemporaneamente creativo e controllato i significati ac/"isiti% attraverso la proiezione
di /"esti "ltimi s"lle sit"azioni non note% ma omogenee rispetto a /"elle conosci"te0
XenchL comp"tazionale e sim'olico% /"esto approccio in linea di principio rientra tra le
prospettive embodiment $0pot$esis in /"anto pres"ppone la capacit di sta'ilire
connessioni tra fenomeni fortemente correlati% che 7 tipica dei sistemi ne"ronali0 Il
prossimo pro'lema che dovr essere esaminato 7 se le connessioni richieste dalle
metafore hanno "na loro effettiva controparte ne"ronale0 3"esto aspetto 7 t"ttavia lontano
dallessere affrontato e tanto meno si hanno att"almente delle risposte
(-
0 Perfino i sistemi
connessionisti non se ne occ"pano
(G
0
I sistemi analogici hanno anche molti limiti essendo "n modello che sinora 7 stato
applicato a compiti a''astanza specifici0 Inoltre% 'enchL sia stato pensato com"n/"e
allinterno del paradigma teorico la5offiano% cioe nella convinzione che le metafore
siano "n fenomeno cognitivo% fre/"ente e primario rispetto alla evol"zione del ling"aggio
dallesperienza sensoriale e dalla pec"liare interazione tra esseri "mani e am'iente% non 7
ancora in grado di mostrare in /"alche modo /"anto il ling"aggio sia 1incorporato0
16
Una discussione si trova in Gola (1998).
17
I sistemi conessionisti non sono stati trattati qui perch sistemi di un certo interesse sono stati sviluppati
solo molto di recente e rappresentano tuttora piu un tentativo di conciliare sistemi a regole e sistemi di
apprendimento non introducendo novit di rilievo. Ci si aspetterebbe invece da questapproccio una
giustificazione neurale di una teoria della metafora, che aiuti a discriminare quale prospettiva sia piu
plausibile rispetto alle caratteristiche di una mente-cervello umani . Il lettore interessato puo comunque
consultare i lavori di Seale ())*!% in c"i il programma Sapper fa "so di tecniche connessioniste e
analogiche0 Nella sostanza /"esto sistema non differisce molto da "n sistema di apprendimento sim'olico%
perchL i nodi delle connessioni rappresentano concetti sim'olici per es0 1sureon! e le metafore sono
rappresentate come relazioni str"tt"rate tra concetti0 La proprieta delle reti ne"rali che rende il sistema
diverso da /"ello di 2artin 7 la possi'ilit di modificare dinamicamente i ponti tra i concetti cosa che
peraltro 7 possi'ile nel sistema di Nara?anan! e da /"ello analogico perchL le relazioni analogiche sono tra
concetti e non sono costr"ite dinamicamente a partire da testi0 Anche il metodo degli degli algoritmi
genetici 7 stato applicato alle metafore :"n5en% +66(!0
Sorremmo perci4 che esso fosse dotato% per esempio% di capacit sensoriali e percettive
da c"i far emergere gli imae-sc$emata che stanno dietro molte metafore corporee e che
potre''ero aggi"ngere senso alle conoscenze che sinora sono limitate ad associazioni tra
porzioni di testo0 Nonostante /"esto% ed essendo in via di principio applica'ile a insiemi
di dati anche non omogenei fra loro immagini% s"oni% sim'oli!% lapproccio seg"ito nella
progettazione dei sistemi analogici 7 motivato da "n p"nto di vista psicoling"istico oltre
ad avere alc"ni vantaggi dal p"nto di vista comp"tazionale0 J /"esto per ora ci sem'ra "n
'"on p"nto di partenza0 Da "n lato esso rispecchia infatti lidea che sia il contin"o
confronto tra le diverse conoscenze che di volta in volta% in maniera dinamica% consente
di far emergere in primo piano certi tratti caratteristici e di mandare nello sfondo t"tti gli
altri% permettendo latt"arsi delle proced"re di decisione0 La com'inazione di valori
derivati dagli esempi conten"ti nella 'ase di conoscenza rende inoltre i ris"ltati molto
sensi'ili al modo in c"i esperienza% c"lt"ra e "na maggiore o minore conoscenza del
dominio sorgente infl"enzano i processi di concett"alizzazione e li modificanoA per
/"anto rig"arda lapplicazione comp"tazionale ci4 significa che lalgoritmo presenta
limportante vantaggio di poter far fronte ai cam'iamenti dei dati ac/"isiti . cam'iamenti
che rappresentano "na crescita e correzione della conoscenza . e di poter tollerare il
r"more o le inesattezze% dal momento che il significato% per cosK dire% 7 distri'"ito nei
rapporti relazionali delle "nit concett"ali e non localizzato rigidamente in ciasc"na di
esse0 Il fatto che la scelta non sia determinata da "n "nico fattore e da valori presi in
assol"to e validi oggettivamente e di per sL% porta ad atten"are leffetto di errori e r"mori0
Perci4 i fattori di soggettivit% che rappresentere''ero "n elemento di dist"r'o nei sistemi
artificiali pi; classici% non lo sono in /"esto tipo di sim"lazione% che li considera
fenomeni nat"ralmente presenti nei processi cognitivi e com"nicativi degli esseri "mani0
La proced"ra ill"strata% rin"nciando a perseg"ire gli scopi classici dellintelligenza
artificiale% come la costr"zione di ontologie e rappresentazioni della conoscenza
consistenti% organizzate con gerarchie e pensate per ottenere risposte sempre vere s"
concetti considerati in isolamento e "na volta per t"tte% ottiene "n ris"ltato semantico
generale interessante% in /"anto approssima il procedimento che porta alla costr"zione di
/"elle che L"dBig Iittgenstein ha chiamato #somiglianze di famiglia$ e che 9erald
Jdelman ha cosK reinterpretatoA
r!iflettendo s"lla somiglianza di famiglia% egli Iittgenstein% n0d0r0! not4 che gli elementi di
"na categoria possono essere posti in relazione tra loro anche se alc"ni non presentano
ness"na delle propriet che% nel modo classico% definiscono la categoria com"ne a t"tti
Jdelman% ())+% H-H!0
Ci4 significa considerare le categorie non come coincidenti con insiemi definiti da "n set
di propriet necessarie e s"fficienti e validi in /"al"n/"e mondo possi'ile%
indipendentemente dal contesto0 J significa perci4 ammettere classi dinamiche% per le
/"ali non 7 possi'ile dare in anticipo e in modo "niversalmente valido lelenco delle
propriet che le definiscono e che infatti cam'iano dinamicamente a seconda del
contesto0
Un esempio 7 dato dalla parola #sc"ola$ nel contesto
seg"o "na sc"ola di c"cito
che potre''e richiedere come propriet definitorie FastrattoF% FeventoF% Fis.aA corso di
st"diF0 2entre nella frase
dei teppisti hanno 'r"ciato la sc"ola
la sc"ola dovre''e essere descritta da features completamente diverseA FconcretoF%
Foggetto fisicoF% FedificioF0 Si noti che non si tratta di d"e significati separati0 Una prova di
ci4 7 data dallesistenza di contesti come
Sono andata a sc"ola
in c"i i d"e sensi convivono senza poter essere scissi0 Siceversa "na parola come #porto$
ha diversi significati% comevino% 1lattracco delle navi o al limite la prima persona del
ver'o portare% ma /"esti significati non si trovano mai com'inati contemporaneamente in
"n "na stessa frase0
Zispetto alla ricchezza semantica dei testi% i fenomeni sim"lati dallalgoritmo analogico
sono ancora "na semplificazione eccessiva0 Sic"ramente "n passo avanti nellideazione di
"n sistema in grado di gestire metafore p"4 essere compi"to mettendo il sistema a
contatto pi; diretto con dati reali% siano essi esperienziali o% pi; semplicemente% testi in
ling"a nat"rale0
Il fatto di poter "tilizzare insiemi di classi raggr"ppate per analogia in somiglianze di
famiglia e non attraverso "n set di propriet necessarie e s"fficienti% non 7 che "n aspetto
del processo di significazione legato agli "si fig"rati0 Per /"anto rig"arda pi;
specificamente il pro'lema delle metafore% "n aspetto rilevante 7 che non viene fatta "na
distinzione esplicita tra letterale e metaforico0 La proced"ra analogica 7 in grado di
interpretare significati metaforici sia a partire da frasi letterali che da frasi metaforiche0
3"esto rende la'ile anche la distinzione tra metafore n"ove e metafore cosiddette
#congelate$A le metafore istit"zionalizzate vanno solo considerate come metafore che si
ha pi; pro'a'ilit di apprendere per prime0 Uno degli aspetti del s"o carattere #creativo$
risiede anzi nellPapert"ra semantica che si manifesta nella possi'ilit che la risposta data
non sia conforme ad "n "so metaforico gi sta'ilizzato% ma com"n/"e sia possi'ile e
sensata% e nel s"ggerimento di interpretazioni non standard% ma sensate% anche in caso di
metafore istit"zionalizzate0 3"esto consente di far fronte sia a metafore pi; regolari%
fondate s"lle metafore concett"ali% sia a metafore derivanti da aneddoti% fatti storici%
conoscenze non legate allaspetto pi; corporeo e nat"rale del ling"aggio% ma ad eventi
storico.c"lt"rali in esso registrati0
) *pilogo
Se negli anni *6 e ancora negli anni )6 nellIntelligenza Artificiale le ricerche dedicate
alla metafora% ai tentativi di catt"rarne i principi di f"nzionamento attraverso
lapplicazione di meccanismi logici% regole e proced"re% si possono considerare "na
corrente minoritaria% oggi costr"ire "n sistema di ela'orazione del ling"aggio nat"rale
significa implicitamente essere pronti ad affrontare il pro'lema dei significati non
letterali0
Specialmente ora che "no dei domini applicativi principe per i sistemi di NLP sono i
motori di ricerca% che spesso restit"iscono infatti risposte inappropriate perchL
interpretano letteralmente le richieste dell"tente% /"al"n/"e approccio si adotti richiede
"na sol"zione Manche parziale. al pro'lema della comprensione di metafore 1/"otidiane0
Se per esempio si fa "na ricerca s"l 1coltivare interessi m"sicali si troveranno siti
pertinenti perchL com"n/"e la frase 7 s"fficientemente idiomatizzata e la distanza tra le
parole forma "na collocation anche discontin"a come in 1coltivare interessi e st"di
m"sicali!0 2a 7 pi" impro'a'ile trovare siti s"llo stesso argomento se non contengono
la espressione precisa ma /"alcosa come 1avere "na passione per la m"sica% in /"anto
manca "na comprensione della frase0 Nei sistemi presentati in /"esta rassegna tale
comprensione sare''e raggi"nta nei sistemi a regole attraverso il riferimento a "na
gerarchia ontologica che metta in connessione il significato metaforico di 1coltivare con
/"ello dellavere "n forte interesse per esempio codificando sotto "na stesso nodo.tipo le
loc"zioni ver'ali 1coltivare% 1avere la passione per% 1interessarsi a% 1occ"parsi di%
1amare etc0 Nei sistemi analogici applicando "n estensioneA se% per esempio% il sistema ha
incontrato nei testi ac/"isiti le frasi 1coltivare la m"sica% 1avere la passione per la danza%
1coltivare la danza sar in grado di cercare non solo 1coltivare la m"sica% ma anche
1avere la passione per la m"sica0
Nonstante ci4 il pro'lema della metafora% ossia se sia possi'ile a"tomatizzarne la
comprensione opp"re se rimanga al di l della complessit raggi"ngi'ile da "n sistema
comp"tazionale% non si p"4 considerare risolto0 C7 ancora molto lavoro teorico e
applicativo da svolgere% ma% speriamo e riteniamo% non "n catalogo di mappings
metaforicia
+ ,iferimenti -i.liografici
Asher% N0 and Lascarides% A0 +66(! in Xo"illon P0 e X"sa F0 eds0! #$e &anuae of
@ord )eanin% Cam'ridge Universit? Press% pp0 +-+.+*)0
Xarnden% &ohn ())G!% , Computational )odel of )etap$oric 4easonin about Events%
reperi'ile nel sito `httpAFFBBB0icsi0 'er5ele?0ed"Fbsnara?aF metaphor0html^0
Xateman% &0 A0 ())+! % =he theoretical stat"s of ontologies in nat"ral lang"age
processing% in S0 Pre"c and X0 Schmitz% eds% d=eCt Zepresentation and Domain 2odelling
.. ideas from ling"istics and AIP% :I=.Zeport )G% =echnische Universitet Xerlin% pp0 @6 ..
))0 Papers from :I=.FAS= Ior5shop% =echnical Universit? Xerlin% Wcto'er )th . ((th
())(!0
Car'onell% &0 90 ()*+!% Q2etaphor% An Inescapa'le Phenomenon in Nat"ral Lang"age
ComprehensionQ% in Strateies for Aatural &anuae 6rocessin% Lehnert I090 . Zingle
20<0 Jds0!% pp0 ,(@.,H,% LaBrence Jrl'a"m Associate% <illsdale% N&0
Carnap% Z0 ()-@!% )eanin and Aecessit0% Universit? of Chicago Press% Chicago0
Casadei% F0 ())-! )etafore ed espressioni idiomatic$e. 8no studio semantico
sull'italiano% X"lzoni% Zoma0
Davidson% D0 ()*,!% #Ihat 2etaphors 2ean0 In D0 Davidson% .nquiries into #rut$ and
.nterpretation% Clarendon Press% WCford% U:% pp0 +,@.+-,!0
Jlman% &0 L0 ())@!0 Lang"age as a d?namical s?stem0 In Z0 F0 Port and =0 San 9elder
Jds0!% 2ind as 2otion% pp0 ()@.++@0 Cam'ridge% 2assach"settsA 2I= Press0
Fass% D0 . Iil5s% O0 ()*H!% #Preference Semantics% Ill.Formedness% and 2etaphor$%
Computational linuistics/ )% N0 H.,% &"l?.Decem'er% pp0 (G*.(*G0
Fass% D0 ()*)!% Collative semantics< , Stud0 in t$e Discrimination of )eanin% Centre
for S?stems Science% Simon Fraser Universit?% X"rna'?0
Fass% D0 ()*)!% Collative semantics< , Stud0 in t$e Discrimination of )eanin% Centre
for S?stems Science% Simon Fraser Universit?% X"rna'?0
Fass% D0 ())(!% Q2etNA a 2ethod for Discriminating 2eton?m? and 2etaphor '?
Comp"terQ% Computational &inuistics% (G% N0 (% 2arch% pp0 ,).)60
Fass% D0 ())(!% Q2etNA a 2ethod for Discriminating 2eton?m? and 2etaphor '?
Comp"terQ% Computational &inuistics% (G% N0 (% 2arch% pp0 ,).)60
Fass% D0 and Iil5s% O0 ()*H!% QPreference Semantics% Ill.Formedness% and 2etaphorQ%
Computational linuistics/ )% N0 H.,% &"l?.Decem'er% pp0 (G*.(*G% =he 2I= Press for
Association for Comp"tational Ling"istics% Cam'ridge 2A _ London U:0
Federici% S0 . 2ontemagni% S0 . Pirrelli% S0 ())-!% #Analog? and ZelevanceA
Paradigmatic NetBor5 as filtering devices$% in Proceedings of Ne2Lap.+% An5ara% pp0
(H.+,0
Federici% S0 . Pirrelli% S0 . Ovon% F0 ())-!% #A d?namic approach to paradigm driven
analog?$ in S0 Iermter. J0 Ziloff. 90 Scheler eds! Connectionist/ Statistical and
S0mbolic ,pproac$es to &earnin for Aatural &anuae 6rocessin% Springer Serlag%
Xerlin <eidel'erg NeB Oor5% pp0 H*@.H)*0
Federici% S0 . Pirrelli% S0 ()),a!% #morphe"sA An Analogical Ia? to Lang"age
2odelling$% ,cta &inuistica 2unarica% ,(% pp0 +H@.+-,0
Federici% S0 . Pirrelli% S0 ()),'!% #ConteCt sensitivit? and ling"istic str"ct"re in analog?.
'ased netBor5s$% in C0 2artfn.Side ed0!% Current .ssues in )at$ematical &inuistics%
north.<olland% Amsterdam0
Federici% S0 ())G!% #=he evol"tive mindA learning the Borld and hoB to thin5 of it
thro"gh nat"ral lang"age$% .l Cannocc$iale% n"mero speciale s" Bilosofia della mente e
scienze conitive% Jdizioni Scientifiche Italiane% Zoma% pp0 -@.*60
Federici% S0 ())G!% #=he evol"tive mindA learning the Borld and hoB to thin5 of it
thro"gh nat"ral lang"age$% .l Cannocc$iale% n"mero speciale s" Bilosofia della mente e
scienze conitive% Jdizioni Scientifiche Italiane% Zoma% pp0 -@.*60
Fodor% &0 A0% :atz% &0 &0 ()-,!% #$e structure of a semantic t$eor0% in &0A0 Fodor% &0&0
:atz eds0! #$e structure of lanuae% Prentice <all% JngleBood Cliffs% N&0
9i''s% Z0 e WXrien% &0 J0 ())6!% #Idioms and mental imager?A =he metaphorical
motivation for idiomatic meaning$% Conition% H-% H@.-*0
9i''s% Z0 I0 ()*6!% #Spilling the 'eans on "nderstanding and memor? for idioms in
conversation$% )emor0 and Conition% *% ,,).,@-0
9ola% J0 . Federici% S0 ())-a!% &earnin linuistic percepts and reasonin b0 means of
t$em% Atti del @g convegno di AINIA Cibernetica e )ac$ine &earnin% Napoli0
9ola% J0 . Federici% S0 ())-'!% .l linuaio senza pensiero. .ntellienza linuistica e
sistemi artificiali% in D0 9am'arara a c"ra di!% 6ensiero e &inuaio. .ntroduzione alle
teorie contemporanee% N"ova Italia Scientifica% Zoma0
9ola% J0 . Federici% S0 ())G!% A Simple 2odel of Lang"age and cognition% Conference
Proceedings of JCCS )G J"ropean Conference on Cognitive Science!% April ).((%
2anchester% U:0
9ola% J0 ())@!% #Le metafore e il pro'lema mente.corpoA cartesianesimo e
anticartesianesimo nelle scienze cognitive contemporanee$% in A0 Cadedd"% 90 Nonnoi a
c"ra di!% Studi in onore di ,lberto 6ala% 2ilano% Franco Angeli0
9ola% J0 in preparazione!% )etafora e mente meccanica< il pensiero linuistico nelle
scienze conitive/ C"ec% Cagliari0
9ola% Jlisa'etta ())*!% .l lato destro del linuaio. )odelli computazionali e risultati
neurofisioloici% C"ec% Cagliari.
<o''s% &0 +66(!% S0ntaC and )eton0m0% in Xo"illon P0 e X"sa F0 eds0! #$e &anuae of
@ord )eanin% Cam'ridge Universit? Press% pp0 H6+.H-(0
&ac5endoff% Z0 ()*-!% Semantics and Conition% =he 2I= Press% Cam'ridge 2A _
London U:0 =rad0 it0 Semantica e cognizione% Il 2"lino% Xologna% ()*)!0
&ohnson% 20 ()*G!% #$e :od0 in t$e )ind. #$e :odil0 :asis of )eanin/ .maination
and 4eason% =he Universit? Chicago Press% Chicaco and London0
:atz% &0 And Fodor% &0% ()-H! #=he Str"ct"re of a Semantic =heor?$% &anuae H)% (G6.
+(60
La5off% 90 . &ohnson% 20 ()*6!% )etap$ors @e &ive b0% Universit? of Chicago Press%
Chicago Illinois! and London U:! trad0 it0% )etafora e vita quotidiana/ Jspresso
Str"menti% 2ilano% ()*+!0
La5off% 90 . ="rner% 20 ()*)!/ )ore t$an Cool 4eason. , Bield Guide to 6oetic
)etap$or. Universit? of Chicago Press% Chicago Illinois! and London U:!0
La5off% 90 ()*G!/ @omen/ Bire/ and Danerous #$ins% Universit? of Chicago Press%
Chicago Illinois! and London U:!0
La5off% 90 ())H!% #$e contemporar0 t$eor0 of metap$or% in Wrton?% ())H% +6+.+@(!0
2artin% &0 <0 ())6!% , Computational )odel of )etap$or .nterpretation% Academic
Press% NeB Oor50
2artin% &0 <0 ()),!% #2eta'an5A A :noBledge.Xase of 2etaphoric Lang"age
Conventions$% Computational .ntellience% (6% +% Cam'ridge% 2A0
2oravcsi5% &0 ())6!% #$ou$t and &anuae% Zo"tledge% London0
2oravcsi5% &0 +66(!% #2etaphor% Creative Understanding% and the 9enerative LeCicon$%
in Xo"illon P0 and X"sa F0 #$e &anuae of @ord )eanin% Cam'ridge Universit? Press%
Cam'ridge% 2A% pp0+,G.+-60
2oravcsi5% &0 +66(!% #2etaphor% Creative Understanding% and the 9enerative LeCicon$%
in Xo"illon P0 and X"sa F0 #$e &anuae of @ord )eanin% Cam'ridge Universit? Press%
Cam'ridge% 2A% pp0+-+.+*)0
Nara?anan% S0 S0 ())G!% +nowledebased ,ction 4epresentations for )etap$or A.AG
and ,spect "+,4),7% PhD thesis% Comp"ter Science Division% JJCS Department%
Universtit? of Xer5ele? at California0
Nara?anan% S0 S0 ()))!% #2oving Zight AlongA A Comp"tational 2odel of 2etaphoric
Zeasoning a'o"t Jvents$% Proceedings of the Aational Conference on ,rtificial
.ntellience ",,,. DEE7% Wrlando% Florida% &"l? (*.++% ()))% pp (+(.(+*% AAAI Press%
()))0
P"ste>ovs5?% &0 ())@!% #$e Generative &eCicon% =he 2it Press% Cam'ridge% 2A0
Sinclair% &0 ())(!% Corpus Concordance Collocation% WCford Universit? Press% WCford0
San 9ena'ith% &0 ()))!% #2etaphor and t?pe theor?$0 S0mposium on )etap$or/
,rtificial .ntellience and Conition% Societ? for Artificial Intelligence and Sim"lation of
Xehavior% April -)0
Iil5s% O0 ()G*!% Q2a5ing Preferences 2ore ActiveQ% ,rtificial .ntellience/ ((% pp0 ()G.
++H% North.<olland% Amsterdam0
2ontemagni% S0 ())@!% SubFect and ?bFect in .talian Sentence 6arsin% PhD
Dissertation% Umist% 2anchester0
Seale% =0 ())*!0 P&"st in =imeP Analogical 2apping% An Iterative.Deepening Approach
to Str"ct"re.2apping% 6roceedins of EC,.DEG/ t$e #$irteent$ European Conference on
,rtificial .ntellience/ Xrighton% U:% A"g"st ())* proceedings to 'e p"'lished '? &ohn
Iile?!0
:"n5en% &0 20 +66(!% #=he Application of 9enetic Algorithms in Jnglish Soca'"lar?
9eneration$% 6roceedins of t$e #welft$ )idwest ,rtificial .ntellience and Conitive
Science Conference 2;;1% 2iami Universit? Press +66(0
9ola% J0 ())*!% #Il lato destro del ling"aggio$ in Chiric4% D0 . Stancati% C0 M Lamedica%
N0 a c"ra di! 6arole come radici. &inuaio e filosofia tra storia e teoria% =iconzero%
Cosenza% ())*0