Что такое грайсовый анализ или как робота заставить купить кофе?

Например, было бы бессмысленно со стороны Девушки говорить роботу с ИИ: «Подай мне чашку кофе!» — если бы она знала, что поблизости невозможно раздобыть кофе или оно стоит непомерно дорого. Следовательно, когда Девушка говорит: «Подай мне чашку кофе!» — Робот делает вывод не только о том, что Девушка хочет кофе, но и что она считает, что кофе можно купить рядом по цене, которую она готова за него заплатить. Таким образом, если Робот находит кофе по цене, которая кажется нормальной (то есть было бы разумно ожидать, что Девушка рассчитывает именно на такую цену), то может продолжить действие и купить его. Напротив, если Робот выясняет, что ближайший кофе находится в 300 км или стоит $22, с его стороны будет разумно сообщить этот факт, а не слепо кидаться исполнять свою миссию.

Этот общий подход к анализу часто называют Грайсовым в честь Г. Пола Грайса, философа из Беркли, который предложил набор максим для оценки расширенного смысла высказываний вроде того, что сделала Девушка. В случае предпочтений анализ может стать весьма сложным. Например, вполне вероятно, что Девушка не хочет именно кофе; ей просто надо взбодриться, но она исходит из ложного убеждения, что на автозаправочной станции продается кофе, следовательно, его она и просит. Она бы ничуть не меньше обрадовалась чаю, коле или даже энергетическому напитку в упаковке кислотного цвета.