當代認知科學和人工智能研究的核心論題——人工智能表征和自然語言處理問題同樣經曆了語用化發展。作為人工智能的核心領域之一，表征理論的發展水平直接決定了計算機可以達到的智能水平，然而，人工智能表征的分解方法在自然語言語義理解方麵遇到各種瓶頸，該難題要想獲得突破，就必須以整體性語境描寫方法取代傳統的基於詞匯的語境描寫方法，從而在表征問題上突破句子層次結構的限製和句法、語義、語用三個平麵的劃分，實現整體性語境構建方法與分解方法的有機融合，自然語言處理是計算機智能的核心技術，但由於缺乏統一的理論基礎以及思維模式的限製，其發展速度相當緩慢，至今尚未取得重大突破，經曆了從整體到局部的思想轉變之後，下一階段自然語言處理的關鍵就在於，在動態語義分析中引入語用技術，從而在語形和語義階段的基礎上，朝向新的語用化階段發展。
(一)當代人工智能表征的分解方法及其問題
“認知科學必然以這樣一個信念為基礎：那就是劃分一個單獨的稱之為‘表征層’的分析層是合理的。”①在人工智能早期階段，表征(repre-sentation)融於計算之中，這對於編程人員和專家係統的領域專家來說都是一件煩瑣的工作。係統程序一旦編好，要想修改就非常困難。並且，不能重複利用已有係統，這在很大程度上浪費了人力和資源，不利於人工智能理論與工程的發展。到了專家係統階段，知識庫和推理機的分離機製，使人工智能表征和計算以相對獨立的姿態在各自領域展開研究。這是人工智能發展史上的一次巨大進步。然而，基於形式係統的人工智能在模擬人類智能過程中，在表征問題上發展非常緩慢，遇到了難以逾越的鴻溝，所有的瓶頸問題最後都落在了理解自然語言的語義問題上。我們認為，基於分解(analysis)的方法是造成人工智能表征瓶頸的關鍵所在。因此，有必要從處理人工智能表征的思想方法入手，探索解決這一難題的可能途徑。