- •Тема 1. Основные понятия искусственного интеллекта.
- •Основные понятия искусственного интеллекта.
- •Базы данных и знаний.
- •Основные области применения и задачи интеллектуальных систем
- •Тема 2. Проблема представления знаний
- •Тема 3. Продукционные системы. Фреймы. Исчисление предикатов. Нейронные сети. Генетические алгоритмы
- •3.1. Продукционные системы
- •3.2. Фреймы
- •3.3. Исчисление предикатов
- •3.4. Нейронные сети
- •3.5. Генетические алгоритмы
- •Тема 4. Языки искусственного интеллекта
- •Тема 5. Искусственный интеллект и естественный язык
- •5.1. Сущность проблемы обработки естественного языка
- •5.2. Основная проблема обработки естественного языка
- •5.3. Распознавание языка
- •Морфологический анализ.
- •Синтаксический анализ.
- •Семантический анализ.
- •Результат
- •Проблемный анализ.
- •Синтез текста.
- •Основные модели лингвистических систем.
- •Стратегия разбора и синтеза текстов в зависимости от типа языка.
- •2. Морфологический (лексико-грамматический) анализ.
- •3.Синтаксический анализ.
- •Модели синтаксического анализа, применяемые в зарубежных промышленных решениях.
- •1. Модели, основанные на Link Grammar.
- •2. Модели, использующие структуры уровня именных и глагольных групп.
- •Лингвистический процессор ю.Д. Апресяна, и.М. Богуславского и л.Л. Иомдина.
- •Другой вариант модели синтаксического анализатора рассмотрим на примере проекта «диалинг».
- •4. Семантический анализ. Реализация семантического анализа в системе диалинг
- •Реализация семантического анализа в лингвистическом процессоре ю.Д. Апресяна, и.М. Богуславского и л.Л. Иомдина.
- •Реализация семантического анализатора в системе MyLingvo.
- •5. Структуры хранения данных и знаний.
- •Исчисление предикатов. Общие понятия.
- •Приведение произвольной формулы к множеству дизъюнктов.
- •Унификация и ее алгоритм.
- •Правило резолюций и его применение.
Тема 5. Искусственный интеллект и естественный язык
Можно выделить две основных линии работ из искусственного интеллекта. Первая связана с совершенствованием самих машин, с повышением «интеллектуальности» искусственных систем. Вторая связана с заданием оптимизации совместной работы «искусственного интеллекта» и собственно интеллектуальных возможностей человека. Это задание тесно связано с лингвистикой, психологией.
Обеспечение взаимодействия из ЭВМ естественным языком (ПМ) является важнейшим заданием исследований в искусственном интеллекте. Базы данных, пакеты прикладных программ и экспертные системы, основанные на ИИ, требуют оснащения их гибким интерфейсом для многочисленных пользователей, которые не желают общаться с компьютером искусственным языком. В то время как много фундаментальных проблем в области обработки ПМ еще не решенные, прикладные системы могут оснащаться интерфейсом, который понимает ПМ при определенных ограничениях.
Существуют два вида и, следовательно, две концепции обработки естественного языка:
§ для отдельных предложений;
§ для ведения интерактивного диалога.
5.1. Сущность проблемы обработки естественного языка
Обработка естественного языка - это формулировка и исследование компьютерно-эффективных механизмов для обеспечения коммуникации из ЭВМ на ПМ. Объектами исследований является:
§ собственно естественные языки;
§ использование ПМ как в коммуникации между людьми, так и в коммуникации человека из ЭВМ.
Задание исследований - создание компьютерно-эффективных моделей коммуникации на ПМ. Именно такая постановка задания отличает обработку ПМ от заданий традиционной лингвистики и других дисциплин, которые изучают ПМ, и позволяет отнести ее к области ИИ. Проблемой обработки ПМ занимаются две дисциплины: лингвистика и когнитивная психология (также следует назвать совокупность названных отраслей: когнитивная лингвистика).
Традиционно лингвисты занимались созданием формальных, общих, структурных моделей ПМ, и потому отдавали преимущество тем из них, которые позволяли вытягивать больше всего языковых закономерностей и делать обобщение. Практически никакое внимание не уделялось вопросу о пригодности моделей с точки зрения компьютерной эффективности их приложения. Таким образом, оказалось, что лингвистические модели, характеризуя свойственно язык, не рассматривали механизмы его порождения и распознавания.
Заданием же когнитивной психологии является моделирование не структуры языка, а его использования. Специалисты в этой области также не придавали большого значения вопросу о компьютерной эффективности.
Различаются общая и прикладная обработка ПМ. Заданием общей обработки ПМ является разработка моделей использования языка человеком, который есть при этом компьютерно-эффективными. Несомненно, общая обработка ПМ требует огромных знаний о реальном мире, и большая часть работ сосредоточена на представлении таких знаний и их приложении при распознавании вступающий в должность сообщения на ПМ. На сегодняшний день ИИ еще не достиг того уровня развития, когда для решения подобных заданий в большом объеме использовались бы знания о реальном мире, и существующие системы можно называть лишь экспериментальными, поскольку они работают с ограниченным количеством тщательным образом отобранных шаблонов на ПМ.
Прикладная обработка ПМ занимается обычно не моделированием, а непосредственно возможностью коммуникации человека из ЭВМ на ПМ. В этом случае не так важно, как введенная фраза будет понятна с точки зрения знаний о реальном мире, а важна выдержка информации о том, чем и как ЭВМ может быть полезной пользователю (примером может служить интерфейс экспертных систем). Кроме понимания ПМ, в таких системах важно также и распознавания ошибок и их коррекция.
