本文的“语义化”，是指“帮助自然语言使用者将其言语的相关语义信息持久化到外部语义网络中”。 【为何需要语义化】 首先是因为许多人想要生产语义，人类的表达需求从来都很强烈，而且他们多半会希望自己所表达的内容至少有机会在某些情形下产生意义，而随着外部语义网的地位日益提高，此类机会将在越来越大的程度上等同于它们进入这个语义网的机会； 其次是为了自由。自然语言的分立和自发协调特性，让它的使用者在表达上享有充分的自由，即，其语法规范乃由个体间协调过程自发形成，而非由某个单一意志所设计，在多大程度上遵循或偏离规范的问题上，个体始终保有自主性和灵活性，而在此问题上的大量个体选择，始终在推动着语言规范的持续进化，正因此，除非受某种强力所压制，基于自然语言而产生的文化网络可以是非常自由而开放的。 相比之下，至少到目前为止，图灵世界的人工系统几无例外的具有强烈的语义专制倾向，这是因为，这些人工系统的设计者通常将语法上的严格性和一致性列为非常优先的考虑，对于建造特定功能特定用途的工具，这么做可能是必须或有益的，但假如这种专制性扩大到在系统级别上主导作为人类社会存在基础的整个文化系统，那是不可接受的。 诚然，图灵世界也存在大量分立的人工系统，因为有着大量分立的程序员个体，以及大量尝试建造人工系统的分立意志，因而图灵世界同样有着丰富的多样性；然而，这些人工系统迄今还缺乏自然语言所具有的那种自发协调能力，因而这些系统之间的关系是两极化的：要么处于单一规范的专制之下，要么相互孤立。 所以，至少在眼下，我们仍需要自然语言。 幸运的是，已经有了种种努力来帮助自然语言使用者实现语义持久化，下面我们来比较一下这些方案的特点。（这些努力的本意当然未必是帮助自然语言使用者，但只要实际上有着这样的效果，我就会将其列为语义化方案，所以这里的“方案”一词，是从用户角度出发说的。） 【言语持久化】 这个方案通俗地说就是让用户可以用自然语言在图灵世界说话，从而让言说内容得以持久化，但语义仍然挥发了。 从文字编辑器、电子邮件、BBS、IM，到blog、twitter，已经产生了大量以自然语言表达的电子文本。 由于电磁介质是远比传统介质优良的持久化介质，可访问性也好得多，所以尽管被持久化的仅仅是言语而非语义，但这至少为说话者创造了一种机会：当未来有了某种二次语义化的可行手段之后，从这些言语中多少有望再现出一些语义。 【贴标签】 blog和twitter都引入了标签机制，允许说话者为其言语附加标签；标签是一种语义信息，尽管只是一种非常弱的语义，它只能在若干言语之间建立非常松散的语义关系，而无法在一条言语内部各成分之间建立语义关系，而后者才是语义的主要来源，所以这只能算一种弱语义化方案。 不过它也有一些好处：1）简单易用；2）语义是用户按其意图主动表达的；3）较为自由，对何种符号组合可以用作标签基本上没有限制。 【用行动说话】 前面我已提到，图灵世界产生语义的第二种方式，是用户使用应用程序实施行动，此时应用程序可能就这些行动产生一些相关语义，不过，通常应用程序采集这些语义是用来服务于它自身的目的，而不是帮助用户表达，所以这些语义未必与用户的表达意图之间有什么确切关系（况且用户在这么做时也并非想表达什么）。 不过，有些类型的应用程序，比如社交类应用，会提供这样的功能：当用户作出某个动作时，便产生一个语义结构，同时生成一句言语，这样一来，用户实施行动的效果就和说话颇有些相似，行内还有个古怪的词汇称呼此类动作，叫“发状态”，比如当你在豆瓣某个电影页面点击“看过”时，就相当于你说了“我看过某某电影”这样一句话。 这种方式的好处是：用户在说话的时候，一句言语被传送出去的同时，语义也被持久化了，而且这些语义确切对应了说话者的言说意图。 问题是，这种模式在语义上是高度专制的，每个动词对应着应用程序的一项功能，每类宾语名词对应着它的一个语义框架（即一组元语义），每个宾语名词对应着该语义框架下的一个语义实例，所有这些，都是程序员在与图灵机对话时明确规定好的，程序员就像这个封闭语言世界里的上帝，规定了你可以用哪些动词和名词，而且数量通常极为有限，比如豆瓣的动词大概不超过十个，主语则只有一个：我。←难怪有人说社交应用迷都是自恋狂。 【语义化言说】 维基实际上是一种增强了的标签系统；标签是一种弱语义，它不表示言语内部各成分之间的关系，而只是在言语之间建立关系；不过维基从两方面强化了标签的语义功能：1）强制任何言语必须附属于某一标签之下（从而构成一个词条），因而词条名便成为该言语的主题标签，2）维基鼓励用户在言语中大量使用标签作为词汇。 于是，言语之间的语义连接至少在数量上大幅膨胀了，尽管这种语义化仍然是肤浅的。（晚近的维基百科已包含了更多不那么肤浅的语义化信息，但这些信息的表达方式已经远离了自然语言，而是由词条编写者按照某个为特定词条类别而设计的语义框架填充而成（通常以键－值对形式出现在词条页面的右侧）） 维基是开放的，意思是个体可以按自己的意图添加或编辑词条，从而表达语义（实际上这也是非常受限的，比如当你想添加一个人名词条时，维基会告诉你这个人物必须有一定重要性，比如是位大学教授），但就语义表达需要而言，最致命的是：维基是匿名化和语义中心化的。 匿名化是指：语义信息在被持久化时，丢失了它源自哪个说话者这一信息；语义中心化是指：语义网络在空间上是无歧义的，即，任一给定时刻，无论访问者从何种途径访问这个语义网络，他（它）读取到的语义拓扑是完全一样的，换句话说：与任一概念（或符号）相连接的语义拓扑，在任一时刻只有一个版本。（尽管每个维基词条可以保存多个版本，但这只是维基的一种编辑管理手段，任一时刻在语义网中生效的，即可能被行动者读取从而产生意义的，只有一个版本。） 正是这一点，和我的（也是哈耶克的）知识论哲学背道而驰，正如哈耶克在论文“The Use of Knowledge in Society”（1945）中指出，知识分散存在于个体头脑，因而任一个体在任一时刻仅能访问到世界全部知识的极小部分，而且其中任意两个个体访问到的信息，总是大不相同。（也正因此，任何复杂到值得被珍视的社会，必须容许个体拥有起码的自由——不过我不打算在此细述这一判断与前述哲学之间的逻辑关系。） 直到外部语义网出现之前，上述断言仍然成立，但外部语义网是个例外，它确实可以实现中心化，问题是，在该网络地位日益显要的前景下，作为个人主义者和自由主义者，我当然希望它向着去中心化的方向发展，但维基的方向与此相反。 中心化必然导致语义专制，维基的开放性仅仅由创始人的善意、以及他所建立的组织文化所保障，那是靠不住的，实际上，维基已经发展出了一个金字塔式的层级审查系统，大量编辑在紧盯着词条的修改动向，据说每个词条的生杀大权最终掌握在36位全球顶级编辑手中；非常讽刺的是，Jimmy Wales恰恰也是哈耶克信徒，并曾宣称维基的哲学基础正是哈耶克的上述论文。 匿名化的另一个问题是使得言语行为失去了社会性，而许多人正是将说话当作一种社交活动，而不仅仅是为了创造语义（但反过来，创造语义会促进社交，这一点从豆瓣可以看得很清楚，从强语义性令其发展出了和其他弱语义SNS十分不同的社交形态）。 所以很明显，维基不是个适合说话的地方，除非你准备采取一种说一不二的知识权威（或语义上帝）的姿态，不过，这种姿态，和编撰百科全书这样的目标，倒好像是挺搭的。 【词汇索引】 搜索引擎从言语文本中提取出词汇（也叫关键词），并加以索引，从而产生语义（当然言语文本不是它索引的唯一对象，它还索引很多原本就已语义化的东西）。 起初，这种方式所达到的语义化程度并不比维基强多少，只是语义关系的数量会更庞大，因为维基只是将文本中部分词汇标签化，而搜索引擎会把所有词汇（除了虚词）都当作关键词来对待（即将其作为语义网中的一个节点）。 不过，随着搜索引擎对文本的理解能力不断提高，它提取语义的深度也在加深，因而从同一个文本集中所能提取到的语义更多也更不肤浅了。 就我们的需要而言（帮助自然语言使用者在图灵世界创造语义），这一方案的问题是：它也是匿名化的；和维基不同的是，维基的匿名化服务于其语义中心主义，要实现语义中心化，就只能匿名，而搜索引擎只是不关心一段言语的说话者是谁，因为其业务逻辑不需要它关心，任何文本只是作为某个统计样本集中的一个样本而被处理。 搜索引擎倒不必是语义中心化的，它完全可以为处于不同情境下的访问者就同一个词汇给出不同的语义拓扑（这种情况可以出现在个性化搜索或情境化搜索中，这就好比，当我们在不同场合与不同的人交谈时，就同一个概念可以获得不同的语义信息），即便它没这么做，至少也不存在什么业务逻辑上的需要，迫使它追求语义中心化。 然而，尽管不必是中心化的，搜索引擎处理语义的方式仍妨碍了它服务于我们的需求：它不会为说话者保留对其所创造语义的自主权，这里的自主说的不是删除修改隐藏之类的控制（这些当然也可以有），而是指：说话者一旦创造了一项语义，这项语义就理应始终存在并始终与他这一个体联系在一起，直到曾经听到过这句话的人（包括他自己）都死光了或者他们全都把它给忘了，我说“理应”，是因为在传统的自然语言世界，情形确乎如此。 比如我对你说了句“丘吉尔是个美国人”，你从该言语中提取出若干条语义，至少在一段时间内，你会将这些语义和我联系在一起（这种联系本身也是一种语义，但那是我用行动表达的，你经由观察我的行动而获得），在将这些语义与你头脑里既有的语义网做运算之后，你可能产生了一条新语义，类似于“此人说了句蠢话”，在你记忆存续的限度内，这些语义会始终存在于你的语义网中。 可是搜索引擎却不会如此处理语义，它们只会被当作一个统计样本对待，淹没在无数同类样本的海洋里，失去了其原本具有的个人面目。 【机器理解】 在语义深度提取方面走得最远的，可能是IBM的Watson，在某些条件下，它从文本中提取语义的能力已与人类相当（和搜索引擎一样，它也从其他来源提取语义），不过，就我的需求（帮助自然语言使用者在图灵世界创造语义）而言，Watson至少在近期内仍难以指望。 首先是因为它还过于昂贵，所以还不会大量制造，暂时只会被用于能带来显著收益的用途；我们知道，自然语言的理解是高度历史依赖的，机器的主要弱点便在于它没有经历导致每个人类个体存在的那漫长历史（注意：导致每一个体存在的历史，都是整个宇宙历史进程中的一条独特轨迹，每条轨迹都不同），因而未能继承历史所赋予个体的信息（包括进化史所赋予的遗传信息和生活史所赋予的个体经验），所以，在机器能够开始从某类文本中深度提取语义之前，必须经历一个代价高昂的预学习过程。 假如我们希望机器能够像我们的社交伙伴一样顺畅的理解我们的言语，必须至少让他经历三个预学习阶段：首先，它要获得理解人类语言所需要的认知能力，其次，它要学会特定的语种，并习得以该语种为母语的那个文化，最后，它还要了解它将要倾听的那个特定人类个体的说话习惯（即便同母语的人类个体之间也并不总是能够顺畅对话的）。 实施这一过程本身代价高昂，而且这部机器在这段时间内将被该任务所独占，所以，除非Watson已便宜到能被用作个人信息设备，还难以指望它来满足我们的需求，它或许已能够从我们的言语中深度提取语义，但和搜索引擎一样，还不可能为我们保留语义自主性，而只能将我们的言语当作统计样本做匿名化处理。 【总结】

方案	言语持久化	贴标签	用行动说话	语义化言说	词汇索引	机器理解
实例	IM/BBS	blog/MB	豆瓣	维基	Google	IBM Watson
语义化	无	弱	强	中等	中等	强
语义表达	无	主动	主动	主动	被动	被动
开放性	开放	开放	封闭	半开放	开放	开放
匿名化	否	否	否	是	是	是
语义中心化	否	否	是	是	不必	不必
语义自主性	无	强	强	强	弱	弱
社会性	无	弱	强	无	无	无