Без заголовка

Я ведь абсолютно признаю часть ваших тезисов. Действительно, если что-то не так с grounding, то исправить это будет дальше трудно -- тем не менее, именно эрудиция+логика (всякие FreeBase, тут нужно думать про тесты Винограда) и синтаксис могут помочь, равно как перенос акцента не на словосочетания, а наоборот -- внутрь редких слов (работа с корнями обычно много чего добавляет). В принципе, все эти ваши тезисы не к этому конкретному тексту про работу с теорией категорий, а к предыдущему -- где я обсуждал больше мейнстрим типа http://wwwusers.di.uniroma1.it/~collados/Slides_ACL16Tutorial_SemanticRepresentation.pdf и только чуть-чуть все эти изыски с symbolic variable binding и categorical compositional disctributional semantics: http://ailev.livejournal.com/1283541.html Но есть и различия в ожиданиях. Так, лучший в мире парсер сделан был как раз с использованием машинного обучения (классические парсеры там были использованы для создания достаточно обширной учебной выборки, этот приём мне очень понравился). Grammar as a Foreign Language, http://arxiv.org/abs/1412.7449 -- и вряд ли на этом остановились (просто не следил за парсерами с тех пор). А ещё интересно, что распределённые представления работают с языком, аудио, видео -- а не только текстами. Так что достижения классики не во всех задачах применимы, даже если они есть. Конечно, сегодня всё плохо, серебряной пули не найдено. Вон, те же тесты Винограда пройдены на 60%, а у людей это 90%. Работа с вниманием и памятью плюс выход на иерархические сетки только-только начались по сути, эрудицию раньше некуда было подключать. Сейчас есть, так что с интересом следим за развитием событий. В принципе, самое время делать какие-нибудь пари: когда все эти новомодные методы обойдут классический state-of-the-art в собственно работе с текстами. Потому как там, где хотя бы чуть-чуть затрагивается аудио или видео, уже всё ясно. А с чистым текстом есть ещё некоторые проблемки, это да.