5.4 ShRDLU的局限

威诺格拉德（Winograd，1973）以非常谨慎的语言结束了他的讨论。他从如下两点，认识到了ShRDLU不足以作为人类自然语言程序模型。第一，程序是直接的：句法由正确的词组构成，语义（或者说认知-推理系统）决定句子分析是否进行。但他认为这就使程序具有了过于严格的等级层次：“一种语言模型由某类在生物系统中发现的非严格的等级层次实现（如不同器官之间的协作一样），才能看起来像一种有效的心理理论”（1973：184）。第二，这个模型不能处理“在如两个智能人之间进行的交流过程中”（1973：184），他们共同默认的所有词语的含义。例如，对一些句子的理解之所以有效，是因为听者知道说话者与他分享了一些关于真实世界的常识知识。思考下面句子中的“它”所指的含义：

5.（a）我将一瓶可乐掉到桌上然后它碎了。（瓶子或者桌子）

（b）拖把在哪：我将一瓶可乐掉到了桌上然后它碎了。（更倾向指瓶子）

（c）胶水在哪：我将一瓶可乐掉到了桌上然后它碎了。（更倾向指桌子）

如果程序能够模仿人类的这种能力，那么同样需要在程序内部构建很多常识知识。

后来，威诺格拉德（Winograd，1980：215）提出，要使ShRDLU与自然的人类语言程序更加类似，还存在另一些“显而易见的难题”。例如，也就是第三，由程序定义一个词语的概念，即使它比先前用逻辑形式定义的包含更多可能性，但仍然是不充分的。思考在“积木世界”几何形式的限制——角锥或者球体是由它的形状定义，不是通过它能做什么定义。同样，一个单身汉的定义是未婚、成年人和男性等属性，而不是他能够做什么。面对这样的问题，威诺格拉德为设计一种更好的知识表征系统，开始转向更加普遍且基础的问题（参见Bobrow and Winograd，1979）。

人工智能领域和认知科学内也发现了ShRDLU在一些基础方面的不足。例如，第四，ShRDLU对“积木世界”并不真正了解（颜色，有（owing）等等）。第五，对于如何“成比例扩大”ShRDLU或者关于这个微型世界的或者关于世界的知识，也毫无进展。第六，更重要的是，ShRDLU没有学习能力，虽然后来STRIpS程序在此方面得到了某些改进（Fikes and Nilsson，1971）。第七，ShRDLU并不真正理解语言的意义，它的“世界”并不是真实的。如福多（Fodor，1980a）写道：“这种设计正是笛卡尔所担忧的那种情形：这仅仅是一台计算机，却偏要把自己想象成一个机器人”，回避处理和整合外部世界信息的难题。这个模型所具有的这些难题，我们后面还需要讨论。