Понимание - естественный язык
Cтраница 1
Понимание естественного языка является обязательной чертой всякой ЭС. При этом текст в компьютер может вводиться по-разному: с пульта дисплея или голосом через микрофон. Сам компьютер также может общаться с пользователем, выводя текст на экран дисплея или через синтезатор речи, который будет аккуратно произносить текст, синтезированный соответствующей программой. Например, в известной фразе Я встретил ее на поле с цветами совершенно непонятно, где цветы - на поле, у нее или у меня. Для выяснения такого рода недоразумений, чтобы правильно понимать пользователя, собеседник ( в данном случае компьютер), должен уметь задавать вопросы. Таким образом, в процессе формулирования задачи между пользователем и ЭС должен происходить оживленный диалог, во время которого содержание задачи пользователя сообщается компьютеру. Программу, осуществляющую эту сложную операцию, называют лингвистическим процессором или ( чаще) диалоговым процессором, подчеркивая важность диалогового характера процесса взаимодействия с пользователем. [1]
Рассмотрим трудности понимания естественного языка, именно они препятствуют ЭВМ быть очень понятливым собеседником в диалоге с человеком. [2]
В силу указанных трудностей хороших программ понимания естественного языка очень мало. Все они ориентированы на узкую предметную область. [3]
Так как цели автоматизации накопления знаний и понимания естественного языка весьма неоднозначны, дать точное определение тому, что лежит в основе семантической сетевой модели данных, весьма трудно. Попытки создать модель, которая превосходила бы все другие в плане возможностей представления знаний, привели к появлению целого ряда таких моделей. [4]
Следующим очевидным недостатком техники, используемой для понимания естественного языка, является пословный анализ значения фразы. По мере роста базы знаний увеличивается количество атрибутов, обозначаемых с помощью одинаковых терминов, что в свою очередь увеличивает количество неправильных вариантов разбора. Кроме того, целесообразно генерировать до конца не все возможные варианты разбора, а только те, которые подтверждаются существующими моделями. [5]
Поскольку на тот момент не было создано достаточно полной модели всей системы понимания естественного языка, то и ответа на этот каверзный вопрос не могло быть, если только не делать полного перебора всех возможных корректных американских фраз, что, очевидно, невозможно. Виноград сказал мне в частном разговоре, что такие неудобные фразы действительно существуют, но как-то охарактеризовать их он пока не в состоянии. На наш взгляд, именно это обстоятельство объясняет то, что бесчисленные последующие попытки создания систем управления командами, отдаваемыми на естественном языке, с тех пор так и не прекратились, сопровождаясь каждый раз все более яркими машинными демонстрациями, следуя моде, установленной еще в 60 - х годах. [6]
Часть информатики, занимающаяся разработкой методой решения задач, для которых отсутствуют формальные алгоригдш: понимание естественного языка, обучение, доказательство теорем, распознавание изображений. [7]
Тогда, как и в предыдущем случае, с помощью семантических сетей решаются задачи представления и понимания естественного языка. [8]
Чтобы закончить обсуждение ранее сказанного, вернемся еще раз к тому, что говорилось о трудностях понимания естественного языка машиной, и к тому, что было сказано, пока в порядке упоминания, о машинном переводе. [9]
 |
Психика с точки зрения теории фреймов. [10] |
Проблема представления знаний1 является ключевой во всех направлениях исследований по искусственному интеллекту, начиная от задач распознавания образов и до задачи понимания естественного языка. Первопричина сложности создания машинной модели мира кроется в многообразии этого мира. Одну из наиболее психологически обоснованных и практически ценных моделей предложил Map-вин Мински. [11]
На сегодняшний день существуют четыре области приложения искусственного интеллекта, имеющие коммерческое назначение: робототехника ( машинное зрение и манипуляции), понимание естественного языка, алгоритмическое программирование и экспертные системы. Хотя все перечисленные области обладают более или менее схожими характеристиками систем рассуждений, наибольшее развитие получили экспертные системы. Именно этой области приложения искусственного интеллекта посвящено предлагаемое учебное пособие. [12]
Система GUS ( Genial Understander System) является первой системой из серии экспериментальных систем, разрабатываемых в рамках программы по исследованию проблемы понимания естественных языков. [13]
Когнитивный подход имеет десятки ракурсов. Большое внимание уделяется вопросам понимания естественного языка, компьютерного перевода, проблемам компьютеризации общества и теории искусственного интеллекта. [14]
Следствием полезности гипотезы о физической символьной системе является формирование в последние годы области представления знаний - одного из центральных направлений в искусственном интеллекте. Почти в каждом проекте - от понимания естественного языка до зрительного восприятия, планирования и построения экспертных систем - используется явное символьное представление информации из интересующей области. В них одним из главных вопросов становится представление произвольных знаний, в котором символы используются для представления фактов и метаинформации, касающейся области. В обзоре работ по представлению знаний [22] упоминается более восьмидесяти проектов, посвященных этому вопросу. [15]
Страницы: 1 2 3