Submit Search
Upload
人工言語ロジバン超入門編
•
Download as ODP, PDF
•
0 likes
•
3,584 views
baban ba-n
Follow
これまでの言語学の成果を結集して、人間が発話したものをプログラミングとして実行可能な事が保証されている人工言語ロジバンの簡単な解説です
Read less
Read more
Software
Report
Share
Report
Share
1 of 17
Download now
Recommended
統計的学習手法よる人検出
統計的学習手法よる人検出
Hironobu Fujiyoshi
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
NumPy闇入門
NumPy闇入門
Ryosuke Okuta
Sift特徴量について
Sift特徴量について
la_flance
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
nishio
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
Recommended
統計的学習手法よる人検出
統計的学習手法よる人検出
Hironobu Fujiyoshi
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
NumPy闇入門
NumPy闇入門
Ryosuke Okuta
Sift特徴量について
Sift特徴量について
la_flance
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
nishio
密度比推定による時系列データの異常検知
密度比推定による時系列データの異常検知
- Core Concept Technologies
つくばチャレンジ2019技術調査報告
つくばチャレンジ2019技術調査報告
Yoshitaka HARA
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット
Ken'ichi Matsui
負の二項分布について
負の二項分布について
Hiroshi Shimizu
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
クラシックな機械学習の入門 8. クラスタリング
クラシックな機械学習の入門 8. クラスタリング
Hiroshi Nakagawa
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
機械学習と主成分分析
機械学習と主成分分析
Katsuhiro Morishita
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎
Deep Learning JP
初めてのグラフカット
初めてのグラフカット
Tsubasa Hirakawa
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
Kenyu Uehara
論文の図表レイアウト例
論文の図表レイアウト例
Sunao Hara
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
画像認識のための深層学習
画像認識のための深層学習
Saya Katafuchi
DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214
Kosuke Nakago
モデル高速化百選
モデル高速化百選
Yusuke Uchida
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
Typusとadministrateを比較してみよう
Typusとadministrateを比較してみよう
baban ba-n
Typusと付き合ってきた話
Typusと付き合ってきた話
baban ba-n
More Related Content
What's hot
つくばチャレンジ2019技術調査報告
つくばチャレンジ2019技術調査報告
Yoshitaka HARA
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット
Ken'ichi Matsui
負の二項分布について
負の二項分布について
Hiroshi Shimizu
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
AGIRobots
クラシックな機械学習の入門 8. クラスタリング
クラシックな機械学習の入門 8. クラスタリング
Hiroshi Nakagawa
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
sleepy_yoshi
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
yohei okawa
機械学習と主成分分析
機械学習と主成分分析
Katsuhiro Morishita
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎
Deep Learning JP
初めてのグラフカット
初めてのグラフカット
Tsubasa Hirakawa
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
Kenyu Uehara
論文の図表レイアウト例
論文の図表レイアウト例
Sunao Hara
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
画像認識のための深層学習
画像認識のための深層学習
Saya Katafuchi
DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214
Kosuke Nakago
モデル高速化百選
モデル高速化百選
Yusuke Uchida
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
What's hot
(20)
つくばチャレンジ2019技術調査報告
つくばチャレンジ2019技術調査報告
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット
負の二項分布について
負の二項分布について
Attentionの基礎からTransformerの入門まで
Attentionの基礎からTransformerの入門まで
クラシックな機械学習の入門 8. クラスタリング
クラシックな機械学習の入門 8. クラスタリング
SMO徹底入門 - SVMをちゃんと実装する
SMO徹底入門 - SVMをちゃんと実装する
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
SLAM入門 第2章 SLAMの基礎
SLAM入門 第2章 SLAMの基礎
機械学習と主成分分析
機械学習と主成分分析
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎
初めてのグラフカット
初めてのグラフカット
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
論文の図表レイアウト例
論文の図表レイアウト例
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
画像認識のための深層学習
画像認識のための深層学習
DLLab 異常検知ナイト 資料 20180214
DLLab 異常検知ナイト 資料 20180214
モデル高速化百選
モデル高速化百選
ゼロから学ぶAI
ゼロから学ぶAI
More from baban ba-n
Typusとadministrateを比較してみよう
Typusとadministrateを比較してみよう
baban ba-n
Typusと付き合ってきた話
Typusと付き合ってきた話
baban ba-n
ハッカソン。来た、見た、負けた! Spajam2016仙台予選
ハッカソン。来た、見た、負けた! Spajam2016仙台予選
baban ba-n
ガラホ、なるものに対応してきた
ガラホ、なるものに対応してきた
baban ba-n
Minitest調べてみた
Minitest調べてみた
baban ba-n
普通のエンジニアが【ロジバン】やってみた
普通のエンジニアが【ロジバン】やってみた
baban ba-n
プログラミング言語Cyanの紹介
プログラミング言語Cyanの紹介
baban ba-n
Rubyのコードを読んでみよう(オブジェクト編)
Rubyのコードを読んでみよう(オブジェクト編)
baban ba-n
Rubyのソースコードを読んでみよう(入門編)
Rubyのソースコードを読んでみよう(入門編)
baban ba-n
rails 管理画面作成gem Typus解説
rails 管理画面作成gem Typus解説
baban ba-n
名前重要 超重要
名前重要 超重要
baban ba-n
Rails-Plugin Flexturesの紹介
Rails-Plugin Flexturesの紹介
baban ba-n
More from baban ba-n
(12)
Typusとadministrateを比較してみよう
Typusとadministrateを比較してみよう
Typusと付き合ってきた話
Typusと付き合ってきた話
ハッカソン。来た、見た、負けた! Spajam2016仙台予選
ハッカソン。来た、見た、負けた! Spajam2016仙台予選
ガラホ、なるものに対応してきた
ガラホ、なるものに対応してきた
Minitest調べてみた
Minitest調べてみた
普通のエンジニアが【ロジバン】やってみた
普通のエンジニアが【ロジバン】やってみた
プログラミング言語Cyanの紹介
プログラミング言語Cyanの紹介
Rubyのコードを読んでみよう(オブジェクト編)
Rubyのコードを読んでみよう(オブジェクト編)
Rubyのソースコードを読んでみよう(入門編)
Rubyのソースコードを読んでみよう(入門編)
rails 管理画面作成gem Typus解説
rails 管理画面作成gem Typus解説
名前重要 超重要
名前重要 超重要
Rails-Plugin Flexturesの紹介
Rails-Plugin Flexturesの紹介
人工言語ロジバン超入門編
1.
人工言語ロジバンの紹介 baban
2.
ロジバンは人工言語です ● 指輪物語のエルフ語
● 星海シリーズのアーヴ語 ● エスペラント こういうのと同じ
3.
ロジバンのポイント ロジバンという人工言語の特徴 ●
表記と発音が一致している ● 覚える単語数が1300語程度しかない ● BNFで文法が定義されていて曖昧さがない ● 出来た文は、一階述語論理の式になる
4.
つまりどういう事かというと…
5.
人間が話すために使えて しかも"そのままプログラムとして解釈可能" という事が保証されている
※ただし保証されているのは構文解析まで、意味解析以降は例外
6.
ロジバン基礎 ここからはロジバンの簡単な解説 まず、ロジバンの単語はすべて動詞です
”lo"を冠詞として付けると名詞(または形容 詞)になります
7.
なので基本的に「リンゴ(plise)」だと lo plise
リンゴ
8.
ロジバン基礎2 語が2つあると前から順番に後ろの語を修飾 します
lo kukte 美味しい plise リンゴ 美味しい リンゴ
9.
ロジバン基礎3 文法は(普通は)SVOの並びです 例:
lo nanmu 男 cu citka 食べる lo plise リンゴ 男はリンゴを食べる ※ cuは動詞と名詞の区切りを表す単語
10.
構文の曖昧性の排除 ● 自然言語では解釈に曖昧さが出る文でもロジ
バンでは構文で回避される 例: 大きな机と椅子 "大きい"は机'だけ'にかかっているのか? 机と椅子両方にかかっているのか不明
11.
ロジバンだと2つは、構文が違うので曖昧さが 発生しない lo
barda 大きい lo barda 大きい jubme 机 ke jubme 机 joi stizu 椅子 ke'e 大きい 机と椅子 ※ ke 〜 ke'e が括弧 joi lo stizu 椅子 大きい 机と椅子
12.
ロジバンは習得しやすい? ● YesですしNoです
● ルールは統一されているし、記憶すべきもの は"かなり"減っている ● でも、今まで習ってきた外国語とは違う概念 多い ● 単語は"ほぼ"すべて覚え直し
13.
本当にプログラミングできるの? ● 出来ます!(まだ誰も作っていませんが!!)
● ただ、最初に想像した夢物語とは流石になら ないでしょう(意味論の壁)
14.
ロジバンがどこまで有用なのかは 実際に作成され、使われ、知見が溜まらないと まだ分かりません
15.
おすすめリンク 興味がありましたら幾つか情報源を ●
Wikibooks – ロジバン http://ja.wikibooks.org/wiki/ロジバン ● はじめてのロジバン http://seesaawiki.jp/hajiloji/ ● The Complete Lojban Language 日本語抄訳 http://ponjbogri.github.io/cll-ja/
16.
追記ですが
17.
ロジバンガチ勢の方が補足書いて下さいました 有り難う御座います 「人工言語ロジバン概論」への返事を「はじめ
てのロジバン」作者が書いてみた http://misonikomilojban.blogspot.jp/2014/09/blog-post.html
Download now