根据现代符号学和语言学理论的观点，一般认为，语言可以分为句法、语义和语用三个平面。莫里斯指出，“句法学是对符号间的形式关系的研究”，“语义学是对符号和它所标示的对象间关系的研究”，而“语用学是对符号和解释者间关系的研究”[74]。后来，他依照行为理论进一步扩张了语用学的研究范围，认为“语用学研究符号之来源、使用和效果”，“语义学研究符号在全部表述方式中的意义”[75]。莫里斯给出的这种纲领式划界观，对后来的语言学、语言哲学等领域产生了深刻影响。
对基于形式系统的自然语言处理来说，句法、语义、语用平面之间的划界问题并不像语言学或哲学中那么容易。虽然在某种程度上我们可以分别从句法、语义和语用的平面来对自然语言进行语义分析，然而，语义理解在本质上是三个平面共同作用的结果。可以说，三个平面理论本身就是用一种分解的思想来审视自然语言。在以形式系统为基础的自然语言处理中，分解方法无法突破三个平面之间的划界问题，实现对语言意义的整体性理解。
无论是层次性的处理方法，还是三个平面的划界问题，都以基于分解的思想方法为指导。这成为自然语言处理在语义问题上难以逾越的方法性障碍。只有厘清造成分解方法瓶颈的原因所在，才有可能找到解决瓶颈问题的新方法。
2.造成分解方法瓶颈的原因
客观地说，在自然语言处理的各个层次中，每个层次语义的确定无不由语境所决定。然而，在整体性语义理解问题上，“语境”可以起到什么样的作用以及如何起作用，是一个尚待解决的问题。我们认为，在探索分解方法的过程中，最关键的是要厘清：在自然语言处理进入语义阶段之后，当代人工智能表征的分解方法是否依然合理有效。只有将这个问题搞清楚了，才能进一步对各个层次的语境问题进行深入分析，找到分解方法的瓶颈所在，进而探讨如何构建一个更为合理的解决模式。
其一，计算机的形式化体系决定了人工智能表征必然要以分解方法为基础
人工智能所依托的计算机是一个纯粹的形式系统，建立在这一形式系统之上的计算机语言，从早期第一代机器语言到第二代汇编语言、第三代高级语言，直至目前的面向对象的语言，都必然以系统的形式化表征为主要特征。人工智能要想模拟人类智能，也必然以形式化的描述方式来处理语言、声音、图像等各种信息。在人工智能中，“形式化”意味着机器可读。各种信息必须首先以形式化的方式表征出来，才能被机器读取从而实现进一步的智能化处理。这就出现了一个非常关键的问题：以什么样的形式化方法来表征信息？
在这一问题上，乔姆斯基的三个语法模式理论，为自然语言处理的产生与发展做出了巨大贡献。一开始，乔姆斯基在图灵机基础上提出了“有限状态语法”，认为“有限状态语法是一种最简单的语法，它用一些有限的装置就可以产生无限多的句子”[76]。这是一种不受语境影响的语法规则。但由于这种语法模式只能处理特定类型且长度有限的句子，很快就不能适应自然语言处理的需要。接下来提出的“短语结构语法”基于对句子进行直接的结构分解，这成为自然语言处理中句子层次结构划分的重要理论基础。而后来的“转换生成语法”作为短语结构语法的替代物，“提供了一套进一步的转换规则，用于表明一切复杂的句子都是由简单的成分构成的。……转换规则表明，任何不同的语法形式都可以转换为某种给定的语法形式”[77]。形式计算系统的本质特征以及乔姆斯基三个语法模式理论的奠基性工作，直接确立了分解思想在人工智能表征方法中的指导地位。
其二，句子层次结构是分解方法在人工智能表征中的一个主要特征，也是造成分解方法瓶颈的重要原因
