Розпізнавання мови

Основна проблема обробки природної мови

Основною проблемою обробки ПМ є мовна неоднозначність. Існують найрізноманітніші види неоднозначності: синтаксична (структурна), значеннєва неоднозначність, відмінкова неоднозначність і т.д.

Центральна проблема, як для загальної, так і для прикладної обробки ПМ – розв’язання такого роду неоднозначностей - вирішується за допомогою перекладу зовнішнього подання ПМ в якусь внутрішню структуру. Для загальної обробки ПМ таке перетворення вимагає набору знань про реальний світ.

Прикладні системи обробки ПМ мають переваги перед загальними, тому що працюють у вузьких предметних областях. Проте, створення систем, що мають можливість спілкування на ПМ в широких областях, можливо, хоча поки результати далекі від задовільних.

У міру розвитку комп’ютерних систем стає все більше очевидним, що використання цих систем набагато розшириться, якщо стане можливим використання людської мови при роботі безпосередньо з комп’ютером, і зокрема стане можливим керування машиною звичайним голосом у реальному часі, а також уведення й висновок інформації у вигляді звичайної людської мови.

Існуючі технології розпізнавання мови не мають поки достатніх можливостей для їхнього широкого використання, але на даному етапі досліджень проводиться інтенсивний пошук можливостей уживання коротких багатозначних слів (процедур) для полегшення розуміння. Розпізнавання мови в цей час знайшло реальне застосування в житті, мабуть, тільки в тих випадках, коли використовуваний словник скорочений до 10 знаків, наприклад при обробці номерів кредитних карт і інших кодів доступу до базованих на комп’ютерах систем, що обробляють передані по телефону дані. Так що насущне завдання - розпізнавання, принаймні, 20 тисяч слів природної мови - залишається поки недосяжним. Ці можливості поки недоступні для широкого комерційного використання. Однак ряд компаній самотужки намагається використати вже існуючі в даній галузі науки знання.

Для успішного розпізнавання мови варто вирішити наступні завдання:

§ обробку словника (фонемний склад),

§ обробку синтаксису,

§ скорочення мови (включаючи можливе використання твердих сценаріїв),

§ вибір диктора (включаючи вік, стать, рідну мову й діалект), тренування дикторів,

§ вибір особливого виду мікрофона (беручи до уваги спрямованість і місце розташування мікрофона),

§ умови роботи системи й одержання результату із вказівкою помилок.

Існуючі сьогодні системи розпізнавання мови ґрунтуються на зборі всієї доступної (часом навіть надлишкової) інформації, необхідної для розпізнавання слів. Дослідники вважають, що в такий спосіб завдання розпізнавання зразка мови, засноване на якості сигналу, підданого змінам, буде достатнім для розпізнавання, але, проте, у цей час навіть при розпізнаванні невеликих повідомлень нормальної мови, поки неможливо після одержання різноманітних реальних сигналів здійснити пряму трансформацію в лінгвістичні символи, що є бажаним результатом.

Далі перейдемо до розгляду природної мови, знання у більш широкій перспективі. Торкнемося філософських проблем, пов’язаних з нею. Розглянемо сучасні напрямки науки, що торкаються природної мови, і в той же час можуть бути використані для формування концепції для подання знань у системі штучного інтелекту для цілей освіти.

10,11 - є трохи в зошиті

12,13 – в методичках

14. Експе́ртна систе́ма — це інтелектуальна комп'ютерна програма, що містить знання та аналітичні здібності одного або кількох експертів по відношенню до деякої галузі застосування і здатна робити логічні висновки на основі цих знань, тим самим забезпечуючи вирішення специфічних завдань (консультування, навчання, діагностика, тестування, проектування тощо) без присутності експерта (спеціаліста в конкретній проблемній галузі). Також визначається як система, яка використовує базу знань для вирішення завдань (видачі рекомендацій) в деякій предметній галузі. Цей клас програмного забезпечення спочатку розроблявся дослідниками штучного інтелекту в 1960-ті та 1970-ті та здобув комерційне застосування, починаючи з 1980-их. Часто термін систе́ма, засно́вана на знання́х використовується в якості синоніма експертної системи, однак, можливості експертних систем ширші за можливості систем, заснованих на знаннях.^[1]

Однак, узгодженого визначення експертних систем не існує^[2]. Натомість, автори дають визначення залежно від застосування, структури таких систем. Ранні визначення експертних систем припускали застосування виведення нових знань на основі правил.

Схожі дії виконує програма-майстер (wizard). Як правило, майстри застосовують в системних програмах для інтерактивного спілкування з користувачем (наприклад, при інсталяції ПЗ). Головна відмінність майстрів від ЕС — відсутність бази знань; всі дії жорстко запрограмовані. Це просто набір форм для заповнення користувачем.

Інші подібні програми — пошукові або довідкові системи. За запитом користувача вони надають найвідповідніші (релевантні) розділи бази статей.

Зміст [сховати]

• 1 Характеристики ЕС
• 1.1 Відомі експертні системи
• 2 Структура ЕС
• 3 Представлення знань
• 4 Класифікація ЕС
• 4.1 Класифікація ЕС за завданням, що вирішується
• 4.2 Класифікація ЕС за зв'язком з реальним часом
• 5 Етапи розробки ЕС
• 6 Переваги та слабкі місця експертних систем
• 7 Сфера застосування та перспективи розвитку
• 8 Джерела інформації
• 9 Дивіться також
• 9.1 Література
• 9.2 Ресурси інтернету

Дата добавления: 2015-05-26