4.2  用来确立指代关系的类型个例关系

为了匹配语言命题因子和语境命题因子，相关属性的值必须按照3.2.3（2）当中的值条件的要求互相兼容。为了更好地说明要满足这一条件所要付出的代价，我们来看一下计算机匹配操作过程中最有挑战性的是哪个特征。

4.1.2所描述的六种属性当中，属性“sur”以及簿记属性和语言层与语境层之间的匹配无关。接续属性是相关的，但是因为接续属性的值只是其他命题因子的名称（为了匹配成功，名称之间的顺序必须一致），所以使其兼容并不困难。只有以概念、指针和标记为值的核心属性才是具有挑战性的，其中又以概念最为突出。

很多关于概念的文献介绍了图式（“schema”,Piaget 1926;Stein and Trabasso 1982）、模板（“template”,Neisser 1964）、特征（“feature”,Hubel and Wiesel 1962;Gibson 1969）、原型（“prototype”,Bransford and Franks 1971;Rosch 1975）和几何图元（“geon”,Biederman 1987）等方法。简便起见，我们只在较高的抽象水平上进行讨论。上述方法都强调了概念类型和概念个例之间的区别，我们的讨论就从这里开始。

基于目前的需要，我们把概念定义为特征结构，也就是和命题因子一样，是定义为属性/值对的特征的集合。概念类型和概念个例的必要特性都用带常量值的属性来表示。但是，概念类型的偶然特性用带变量值的属性来表示，而表示概念个例的偶然特性的属性的值是常量。因此，对于一个给定的类型，可以有无限个个例与之相呼应。类型和个例之间的区别就在于类型中的变量被替换成了常量。

为了简化对最基本概念的解释，我们这里采用初级整体表现法（preliminary holistic representation），之后再讨论在特征的基础上识别几何图元，再在几何图元的基础上识别概念的渐进的时间线性推导过程的陈述性规范说明（见L&I’05）。注57下面看一个采用初级整体表现法的例子：

4.2.1  概念“方形（square）”的类型和个例

类型和个例都有的必要特性用四个边（edge）属性和四个角（angle）属性来表示。而且，所有角属性的值相同，即常量90度，类型和个例都一样。四个边属性的值也相同，但是，类型中的边属性的值和个例当中的不一样。

“Square”的偶然特性是边的长度，在类型里用变量α表示。在个例当中，这个变量被替换为一个常量2cm。因为变量的存在，概念“square”可以和边长不等的无数个个例兼容。

我们用这个简单的例子来说明（i）概念如何作为核心属性的值嵌入命题因子，以及（ii）概念如何在以类型-个例关系为基础的语言层和语境层内部匹配过程中发挥核心作用。

4.2.2  概念作为核心属性值

语言命题因子和语境命题因子匹配成功，因为（i）语言命题因子和语境命题因子有相同的属性，（ii）它们各自的核心属性“noun”的值兼容——事实是，它们恰巧是同一个概念的类型和个例（简便起见，其他属性从略）。

类型-个例关系在以概念为核心属性值的语言命题因子和语境命题因子有匹配过程中有着极其重要的作用，概述如下：

4.2.3  为什么类型个例关系那么重要

类型-个例关系建立在带变量和常量值的特征结构的基础之上，计算起来很方便。语言命题因子概念类型能够匹配语境命题因子概念个例，从而使得语言命题因子能够在不同言语环境中指代不同的语境命题因子，包括之前从未出现过的。

我们假设，机器人看到一些与之前规格不同的新的几何图形。如果我们说：拿起方形！那么至少机器人指代机制的中间部分，也就是语言层和语境层相匹配的部分，能够做到（如4.2.2所示）。我们在4.3和4.4部分介绍包含语言层、语境层的识别和行动的各个界面。