“智能”问题是当代计算机和认知科学普遍关注的焦点之一。但当前对人类认知与智能机制方面的认识障碍，使得现阶段的研究出现某种程度的停滞，难以实现理论上的突破。由此，作为实现人与计算机之间用自然语言进行有效通信的核心技术之一，自然语言处理成为研究开发新一代智能计算机的前提和先决条件，主要解决如何在语义层面上对输入的内容进行匹配，并同时具备一定的常识知识和推理能力。这一技术同时涉及计算机科学、语言学、心理学、哲学等多门学科，只有在多学科交叉的领域范围内才有可能获得理论上的突破。尤其是在核心的语义分析及智能推理方面，自然语言处理一直深受相关哲学理论和语言学理论的影响，因此，有必要厘清其发展的关键所在，分析其发展趋势及可能带来的变革。
1.自然语言处理的发展瓶颈
自然语言处理中，传统的知识库只提供单个词语的概念意义或基于真值的形式逻辑来描写语义，这对于实现自然语言处理的智能化远远不够。在经历了语形处理阶段之后，自然语言处理迈向了语义分析阶段。从语形到语义的发展，是语形处理无法满足精确性要求的结果。在语形处理阶段，程序根据用户输入的自然语言进行关键词比对（keywordmatch），这是一种局限于字词变化以及句法结构的语形匹配技术。它对于被输入的自然语言的概念语义并无确切掌握，处理结果往往精确度不够，常常会出现大量语义不符的垃圾结果或遗漏很多语义相同而语形不同的有用结果。
有鉴于此，人们希望计算机能够通过语义分析来处理信息，从而提供更加精确、更能接近人类语义处理模式的服务。为此，必须探索人脑理解语言的机制，从认知的角度描写语言知识，重视对语言理解的认知加工过程及形式化问题。但是，因为词汇句法方面的问题长期没有得到有效解决，要实现提供人工智能推理所需的知识库并不现实。由此，自然语言处理领域中，开始倾向于面向真实语料的大规模语义知识库的构建工程，这是在经验主义基础上汲取了理性主义优点后，所形成的一种基于功能主义的方法。它为自然语言处理提供了一条现实可行的探索道路，是解决智能问题的必然选择。
但自然语言处理领域一直缺乏统一的理论基础。思维语言（LanguageofThought，LOT）框架与认知科学框架（即概念的联结论构造）作为两种对立的指导方法，长期影响着自然语言处理的发展路径。[83]对于认知科学和人工智能来说，无论哪一种指导理论，都建立在计算种类、表述载体种类、表述内容种类以及心理学解释种类这四个分析层次之上。并且，这些层次之间并不相互独立，“每一层次的分析都制约着相邻层次的分析”[84]。建立在联结主义计算基础之上的认知科学框架，以整体论的神经科学为指导，把计算机看作建立大脑模型的手段，试图用计算机模拟神经元的相互作用，建构非概念的表述载体与内容。但由于神经科学尚处于初级阶段且应用范围相对狭窄，使其发展受到了很大制约，至今尚未形成一个有影响力的处理自然语言的模式。
