2. Понятие диалоговых систем, история их развития и функциональная схема
«Диалоговая система – человеко-машинная система “пользо-ватель – ЭВМ”, обеспечивающая эффективное решение некоторого класса задач в режиме оперативного обмена информацией между пар-тнерами» [1, с. 10].
«Диалоговая система – совокупность технических, программ-ных и информационных средств, обеспечивающих заданному кругу пользователей возможность решения некоторого множества задач в интерактивном режиме взаимодействия с ЭВМ в соответствии со сценарием диалога» [2, с. 4].
151
Вестник МГЛУ. Выпуск 13 (592) / 2010
Оба определения описаны в технических терминах и представляют собой обобщенную формулировку без уточнения каких-либо деталей.
Теперь обратимся непосредственно к истории развития диалого-вых систем, чтобы получить более полное представление о данных системах.
Можно выделить пять этапов в развитии диалоговых систем: 1. Общение с ЭВМ на языке машинных кодов.
Схема решения задач: постановщик задачи – математик – про-граммист – ЭВМ.
Общение с ЭВМ на языках программирования. Количество задач, требующих решения, превышает возможности программиста. Началом этапа стала разработка языков программирования и первых трансляторов. Завершение этапа – широкое внедрение пакетной об-работки информации на ЭВМ. В сложившуюся схему решения задач между программистом и ЭВМ вклинивается оператор, осуществляю-щий непосредственный ввод в ЭВМ, подготовленных программистом заданий и вывод полученных результатов: постановщик задачи – ма-тематик – программист – оператор – ЭВМ.
Создание мини- и микро-ЭВМ с входным языком, ориенти-рованным на решение определенного класса задач. Пользователями вычислительных машин становятся специалисты самых разных про-фессий, схема решения задач выглядит следующим образом: «поста-новщик задачи – ЭВМ». Происходит дальнейшее совершенствование структур и математического обеспечения ЭВМ.
Массовое внедрение ПЭВМ. Массовые пользователи могут эффективно решать на машине свои задачи лишь в условиях наличия огромной помощи со стороны машины на всех этапах решения зада-чи. Упрощение языкового взаимодействия с ЭВМ.
Взаимодействие осуществляется на естественном языке. Упро-щение использования диалоговых систем. Системы стали доступны для широкого пользователя [1].
Обобщенная функциональная схема ИДС может быть представле-на в виде трех базовых компонентов:
• диалоговый компонент;
• компонент понимания высказываний;
• компонент генерации высказываний.
Обзор и анализ шведских речевых диалоговых систем.
152
И. В. Медведева
Область речевых технологий, связанная с созданием диалоговых систем, в последнее время является одной из наиболее динамич-но развивающихся. Это можно объяснить влиянием двух основных факторов. Во-первых, сама идея создания системы, с которой чело-век максимально легко может общаться и взаимодействовать, явля-ется привлекательной. Во-вторых, коммерческий успех диалоговых систем на основе обработки текстовых запросов свидетельствует о перспективности вложения средств в осуществление следующего логического шага в данной области – создания систем, работающих с голосовой информацией.
Текстовые диалоговые системы, в которых пользователь ведет диа-лог с машиной посредством ввода текста или выбора из меню, а ответ получает в виде речи, синтезированной компьютером, на сегодняшний день успешно применяются для решения многих задач. Переход от текстового набора к голосовому (и, следовательно, внедрения алгорит-мов распознавания речи) делает диалоговые системы более удобными для пользователей. Но, к сожалению, в России в настоящее время не ведется активная разработка речевых диалоговых систем.
Данный раздел посвящен обзору пяти диалоговых систем, раз-работанных шведской лабораторией “Speech, Music and Hearing” в KTH с 1992 по 2000 гг. и в лаборатории “Telia Research” с 2000 по 2002 гг. Речевые диалоговые системы, представленные в данной ра-боте были созданы в следующем хронологическом порядке: система Waxholm разрабатывалась с 1992 по 1995 гг., Gulan – 1997–1998 гг., August 1998 г., AdApt – 2000–2002 гг. и разработки системы Pixie ве-лись в 2002 г. Все пять систем имеют различные области применения, такие как поиск и извлечение информации, обучающая система, ани-мированный агент на выставках, система домашнего контроля [6].
Выбор данных систем для обзора неслучаен, так как они не только охватывают все популярные на сегодняшний день области примене-ния диалоговых систем, но и позволяют проследить и оценить про-гресс в развитии информационных технологий в течение десяти лет с 1992 по 2002 гг.
Входным языком всех систем является шведский. Все примеры, приведенные в данной работе, для облегчения понимания переведе-ны на английский и русский языки. Описание систем представлено в хронологическом порядке. Хронологический порядок систем также представлен на рисунке 1.
153
Вестник МГЛУ. Выпуск 13 (592) / 2010
Рис.1. Хронологическое расположение диалоговых систем, представленных в данном разделе
Обобщение, классификация пяти диалоговых систем
Диалоговые системы, описанные в предыдущей части, разраба-тывались с 1992 по 2002 гг. Для компьютерных технологий период в десять лет можно считать огромным, так как прогресс в данной об-ласти нельзя не заметить. Компьютерные мощности увеличиваются ежегодно. Компьютеры образца 1992 г. кардинально отличаются от компьютеров 2002 г. по производительности. По закону Мура такто-вая частота и оперативная память компьютера удваиваются каждые 18 месяцев [7]. Поэтому взяв среднюю тактовую частоту компьюте-ров в 2009 г. 4 ГГц и оперативную память 4 Гб, получим, что в сред-нем компьютеры в 1992 г. имели частоту 83 МГц и оперативную па-мять 32 Мб, а в 2002 г. эти характеристики уже составляли 1.5 ГГц и 512 Мб. Такой рост производственных мощностей внес значитель-ный вклад в различие архитектур пяти систем.
Очевидно, что архитектура системы Waxholm (1992) отличалась от архитектуры системы Pixie, не только потому что системы имели разные предметные области, и были построены для выполнения раз-ных задач, но и потому, что технические возможности при построении этих систем значительно отличались. Поэтому мы считаем целесоо-бразным проследить изменение архитектуры систем в зависимости от цели и времени их создания. Результаты и объяснения даны в хроно-логическом порядке в таблице 1.
Данные пять систем различались также по проблемной ориен-тации, типу решаемых задач и целям, преследуемым пользователя-ми. При сборе корпуса диалогов стало очевидно, что эти различия
154
И. В. Медведева
повлияли на взаимодействие с системой и на поведение пользователя. Так в проблемно-ориентированных системах Waxholm и AdApt поль-зователи имели эксплицитные цели: поиск определенной информа-ции (в WOZ-версиях систем пользователям предлагались письмен-ные сценарии ведения диалога, в полностью автоматических версиях систем пользователи действовали без инструкций), в контекстно ори-ентированных системах August и Pixie общение с системой и является целью взаимодействия. Различные цели общения наложили свой от-печаток на характер организации диалога. Приведем классификацию систем по предметной области и ее типу и по целям пользователя. В классификацию также включены WOZ версии некоторых систем [6]. Результаты классификации приведены в таблице 2.
Таблица 1
Изменение архитектуры систем в зависимости от цели и времени их создания
Год |
Система |
Цели построения системы |
Особенности архитектуры |
|
|
|
|
|
|
|
|
Множественные модули: син- |
Модульная архитектура, которая привела |
|
|
|
тезатор речи, автоматическое |
к развитию системы обработки сообщений. |
|
1992 |
Waxholm |
распознавание речи, диалоговый |
Каждый модуль мог использовать систему |
|
|
|
компонент, графический пользо- |
как библиотеку языка C, которая подключа- |
|
|
|
вательский интерфейс |
лась при компиляции |
|
|
|
Возможность удаленной |
Диалоговые модули были снабжены |
|
|
|
разработки |
оболочкой языка Tcl? Что упростило их |
|
|
|
|
использование. Графический интерфейс |
|
1996 |
Gulan |
|
разработан с применением языка Tcl/Tk |
|
Возможность удаленного |
С использованием Tcl-подключения |
|
||
|
|
|
||
|
|
пользования |
к Netscape стала доступна веб-версия |
|
|
|
|
системы, которую студенты могли исполь- |
|
|
|
|
зовать через Интернет |
|
|
|
Система на нескольких |
Была разработана распределенная архи- |
|
|
|
компьютерах |
тектура с центральным «брокером», кото- |
|
|
|
|
рый обрабатывал сообщения, получаемые |
|
|
|
|
от пользователя, и сообщения, которыми |
|
|
|
|
обмениваются пользователи |
|
|
|
Система в общественном месте |
Все серверы, зарегистрированные в «бро- |
|
1998 |
August |
|
кере», предоставляли информацию, о том, |
|
|
как их перезапустить, в случае если они не |
|
||
|
|
|
|
|
|
|
|
отвечают |
|
|
|
Система с несколькими пред- |
Менеджер входных сообщений и устрой- |
|
|
|
метными областями |
ство предсказания в предметной области |
|
|
|
|
позволили иметь несколько диалоговых |
|
|
|
|
менеджеров для различных предметных |
|
|
|
|
областей |
|
155
Вестник МГЛУ. Выпуск 13 (592) / 2010
Год |
Система |
Цели построения системы |
Особенности архитектуры |
|
|
|
|
|
|
|
|
Система с мультимодальным |
Менеджер ввода соединял сообщения с |
|
|
|
вводом и выводом |
различных входных модальностей в одно |
|
|
|
|
и посылал на обработку диалоговому |
|
|
|
|
менеджеру, а менеджер вывода рас- |
|
|
|
|
пределял выходное сообщения на разные |
|
|
|
|
модальности |
|
2000 |
AdApt |
Различные модули графического |
Был разработан менеджер графического |
|
вывода (карта, агент, иконка), ко- |
интерфейса, который обеспечивал общее |
|
||
|
|
|
||
|
|
торые необходимы для доступа к |
окно с фреймами, которые распределя- |
|
|
|
частям графического интерфейса |
лись между модулями |
|
|
|
Система, использующая откры- |
Менеджер ввода / вывода посылал только |
|
|
|
тый микрофон, что приводило к |
оконченные высказывания на диалоговый |
|
|
|
большому числу фрагментирован- |
менеджер, незаконченные высказывания |
|
|
|
ных высказываний пользователя |
вызывали выражение лица «внимание» |
|
|
|
Одновременное использование |
Использовалась центральная база данных, |
|
|
|
несколькими пользователями. |
где хранилась информация о пользо- |
|
|
|
Большое количество терминалов |
вателях. Пользователям необходимо |
|
|
|
на открытой экспозиции |
было внести свои личные данные перед |
|
|
|
|
общением с системой. В базе данных |
|
2002 |
Pixie |
|
также хранилась информация о действиях, |
|
|
которые они выполняли на предыдущих |
|
||
|
|
|
|
|
|
|
|
терминалах |
|
|
|
Система использовалась на вы- |
Коммуникация должна быть асинхрон- |
|
|
|
ставке с ограничением экскурсии |
ной, чтобы администратор выставки мог |
|
|
|
до 30 мин. |
прервать общение и чтобы пользователи |
|
|
|
|
могли перейти к другому терминалу |
|
Таблица 2
Классификация систем по предметной области и ее типу и по целям пользователя
Система |
Предметная область |
Тип предметной |
Цели пользователя |
|
области |
|
|||
|
|
|
|
|
|
|
|
|
|
Waxholm (WOZ) |
Поиск информации |
Проблемно- |
Письменный |
|
|
|
ориентированная |
сценарий |
|
|
|
|
|
|
August (система) |
Агент на выставке |
Контекстно- |
Не специфициро- |
|
|
|
ориентированная |
вались |
|
|
|
|
|
|
AdApt (WOZ) |
Поиск информации |
Проблемно- |
Графический сцена- |
|
|
|
ориентированная |
рий (картинки) |
|
|
|
|
|
|
AdApt (система) |
Просмотр информации |
Исследовательская |
Найти квартиру |
|
|
|
|
|
|
156
|
|
|
И. В. Медведева |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Система |
Предметная область |
Тип предметной |
Цели пользователя |
|
|
области |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
Pixie |
Домашний контроль |
Проблемно- |
Помочь Pixie |
|
|
(предм. область) |
|
ориентированная |
|
|
|
|
|
|
|
|
|
Pixie (общение) |
Гид на выставке |
Контекстно- |
Узнать Pixie |
|
|
|
|
ориентированная |
|
|
|
|
|
|
|
|
|
Способности понимания систем также влияли на процесс взаи-модействия. Поведение в случае, когда система понимает всё, значи-тельно отличается от поведения пользователя, когда система мало что понимает. Пользователи, как правило, адаптируют свой язык к воз-можностям системы. У полностью автоматизированных систем Pixie и August способности понимания были ограничены, поэтому корпус диалогов с этими двумя системами полон непониманий. Анализи-руя такой корпус, можно проследить, как пользователи берут на себя инициативу в общении и как изменяют свои реплики, чтобы система поняла их высказывание. Системы, использующие WOZ симуляцию, имели меньше ограничений (например, ограничение на понимание синтаксически сложных конструкций, высказываний, не относящих-ся к предметной области). Результаты классификаций по ограничени-ям понимания, по владению инициативой и по способу смены реплик представлены в таблице 3 [6].
Таблица 3
Классификация по ограничениям понимания, по владению инициативой и по способу смены реплик
Система |
Ограничения понимания |
Инициатива |
Смена реплик |
|
|
|
|
Waxholm (WOZ) |
Симулированный блок рас- |
Смешанная |
Клавиша микрофона |
|
познавания речи, контекстно- |
|
|
|
зависимый синтаксический |
|
|
|
анализатор |
|
|
|
|
|
|
August (система) |
Словарь – 500 слов, грамматика |
Пользователь |
Нажатие клавиши |
|
классов в блоке автоматиче- |
|
мыши, выражение |
|
ского распознавания речи, |
|
лица |
|
семантический анализатор |
|
|
|
|
|
|
AdApt (WOZ) |
Симулирование модуля понима- |
Смешанная |
Обнаружение речевого |
|
ния и диалогового менеджера |
|
сигнала, выражение |
|
|
|
лица |
|
|
|
|
157
Вестник МГЛУ. Выпуск 13 (592) / 2010
Система |
Ограничения понимания |
Инициатива |
Смена реплик |
|
|
|
|
AdApt (система) |
30000 слов статистическая грам- |
Смешанная |
Обнаружение речевого |
|
матика в блоке автоматического |
|
сигнала, выражение |
|
распознавания речи, контекстно- |
|
лица |
|
зависимый синтаксический |
|
|
|
анализатор |
|
|
|
|
|
|
Pixie (предм. |
Динамическая грамматика в |
Система |
Обнаружение рече- |
область) |
блоке автоматического рас- |
|
вого сигнала, значок |
|
познавания речи, 280 состояний |
|
микрофона |
|
и 400 переходов |
|
|
|
|
|
|
Pixie (общение) |
Статическая грамматика в блоке |
Пользователь |
Обнаружение рече- |
|
автоматического распознавания |
|
вого сигнала, значок |
|
речи, 1500 состояний и 2000 |
|
микрофона |
|
переходов |
|
|
|
|
|
|
Как было сказано ранее, целью построений некоторых диалоговых систем являлось формирование представительного корпуса диалогов. Поэтому мы считаем целесообразным уделить внимание процессу сбора данных и обобщению корпуса текстов. В ходе исследований был собран, затранскрибирован и размечен большой корпус диалогов пользователей с системой. Статистическая информация о собранном корпусе обобщена в таблице 4 [6].
|
|
|
Таблица 4 |
|
|
Статистическая информация о корпусе |
|
|
|
||
|
|
|
|
|
|
Система |
Количество |
Количество |
Количество |
|
|
пользователей |
высказываний |
слов |
|
|
|
|
|
|
|||
|
|
|
|
|
|
Waxholm (WOZ) |
68 |
1912 |
10829 |
|
|
|
|
|
|
|
|
August (система) |
2500 |
10508 |
41330 |
|
|
|
|
|
|
|
|
AdApt (WOZ) |
32 |
1845 |
13970 |
|
|
|
|
|
|
|
|
AdApt (система) |
25 |
3939 |
17494 |
|
|
|
|
|
|
|
|
Pixie (предм. область) |
1560 |
6324 |
21569 |
|
|
|
|
|
|
|
|
Pixie (общение) |
1346 |
11259 |
22480 |
|
|
|
|
|
|
|
|
158
По данным таблицы можно заметить, что число пользователей, которые взаимодействовали с автоматизированной системой, значи-тельно больше числа пользователей, общавшихся с WOZ версиями. В то же время можно наблюдать, что высказывания в диалогах, си-мулированных в лабораторных условиях длиннее высказываний, по-лученных при взаимодействии с автоматизированными системами. Это объясняется различиями в обстановке сбора корпуса. Содержа-ние и длина высказываний также зависят от мотивации пользователей (было ли им предложено вознаграждение за участие в эксперименты) и о степени их информированности о системе. Корпус, составленный из диалогов пользователей с системой Pixie и August, является более репрезентативным, так как система была доступна широкому поль-зователю на выставках, в отличие от лабораторных экспериментов, где участвовали, как правило, студенты, коллеги и друзья. Как было отмечено ранее, в базе данных системы Pixie хранилась информация о пользователях (пол, возраст). Это облегчило обработку и анализ данных. Преимущество лабораторных симуляций состоит в том, что разработчики имели полную информацию об испытуемых и могли проводить анкетирование участников эксперимента, до и после взаи-модействия с системой [6].
В лабораторных симуляциях систем AdApt и Waxholm организа-тор эксперимента давал испытуемым краткие инструкции по взаимо-действию с системой. Пользователи, общавшиеся с системой August взаимодействовали интуитивно, так как никаких указаний им дано не было (одной из целей исследования являлось изучение организации процесса общения с неподготовленными пользователями). Посети-телям выставки, которые общались с Pixie, был показан видеоклип, демонстрирующий возможности системы [6]. В таблице 5 обобщены сведения о процессе сбора корпусов.
Описание и анализ шведских диалоговых систем имеет практи-ческую ценность, так как это первое систематизированное описание шведских диалоговых систем на русском языке. Ранее все работы были представлены только на английском и шведском языке. Оно мо-жет быть полезно для разработчиков диалоговых систем в России, ко-торые с помощью данного описания получат представления об этапах построения диалоговых систем в Швеции и могут найти ответы на некоторые актуальные вопросы, касающиеся мультимодальных диа-логовых систем, столь популярного предмета исследований в Европе, но, к сожалению, малоизученного в России.
159
|
|
|
|
|
Таблица 5 |
|
|
Сведения о процессе сбора корпусов |
|
|
|||
|
|
|
|
|
|
|
Система |
Место |
Пользователи / |
Вознаграж- |
|
Информация |
|
испытуемые |
дение |
|
о системе |
|
||
|
|
|
|
|||
|
|
|
|
|
|
|
Waxholm |
Тихая комна- |
Студенты и коллеги |
Футболка |
|
Вербальная от |
|
(WOZ) |
та в KTH |
|
|
|
wizard |
|
|
|
|
|
|
|
|
August |
Выставка в |
Широкая публика |
Нет |
|
Нет |
|
(система) |
обществен- |
|
|
|
|
|
|
ном месте |
|
|
|
|
|
|
|
|
|
|
|
|
AdApt (WOZ) |
Офис KTH |
Друзья и коллеги |
Билеты в |
|
Вербальная от |
|
|
|
|
кино |
|
руководителя |
|
|
|
|
|
|
эксперимента |
|
|
|
|
|
|
|
|
AdApt |
Офис KTH |
Друзья и студенты |
Билеты в |
|
Минимальная |
|
(система) |
|
|
кино |
|
|
|
|
|
|
|
|
|
|
Pixie (предм. |
Музей |
Широкая публика |
Пользовате- |
|
Видеоролик, |
|
область) |
|
|
ли платили |
|
экскурсовод |
|
|
|
|
за вход |
|
|
|
|
|
|
|
|
|
|
Pixie |
Музей |
Широкая публика |
Пользовате- |
|
Видеоролик, |
|
(общение) |
|
|
ли платили |
|
экскурсовод |
|
|
|
|
за вход |
|
|
|
|
|
|
|
|
|
|
Цель статьи – познакомить аудиторию с западными достижения-ми в области диалоговых систем и привлечь русских ученых к про-ведению исследований в данной области.
В ходе анализа первоисточников были также сделаны следующие выводы.
Большинство теоретического материала на русском языке (рус-скоязычных авторов), касающегося диалога «человек – ЭВМ», архитектуры и функционирования диалоговых систем датиру-ется 80-ми гг. XX в.
Теоретический материал, представленный в анализируемых источниках, описывает данную проблематику, скорее, с техни-ческой, нежели с лингвистической стороны.
Все отечественные диалоговые системы, представленные даже в более новых источниках, были разработаны в 80-е гг. XX в.
160
Пик разработки отечественных диалоговых систем пришел-ся на 1985–1987 гг. Активные исследования велись в Москве, Киеве и Риге.
В настоящее время в России разработка речевых или других диалоговых систем практически не ведется, хотя потребность общества в таких системах очевидна.
В настоящее время в западных странах, в отличие от России, ведется активная разработка интеллектуальных диалоговых систем, в том числе и речевых диалоговых систем. Данное направление сейчас является весьма перспективным. Работы, посвященные диалоговым системам, представлены практиче-ски на всех крупных международных конференциях.
Было определено, что наиболее активно данное направление
развивается в Германии, Швеции и Голландии. Диалоговые системы данных стран самые известные.
рамках дальнейшего исследования планируется значительное расширение как практической, так и теоретической базы. Исследо-вание будет затрагивать не только диалоговые, но и другие системы речевого управления. Актуальность данного исследования подтверж-дается высокой популярностью систем речевого ввода в наши дни.
На мировом рынке такие системы появились первыми и пользу-ются большим успехом. Основная задача, заложенная в такие систе-мы, заключается в том, что человек обращается к компьютеру с неким сообщением, тот его понимает и выполняет требуемые действия.
рамках дальнейшего исследования планируется также рассмо-треть криминалистический аспект проблемы, в частности проблемы верификации диктора. Данное направление исследований имеет свою новизну и актуальность, так как, например, существуют системы ре-чевого управления с доступом лишь для определенной категории лиц, поэтому возможны попытки «обмануть» систему и получить несанк-ционированный доступ к системе. Поэтому в таких системах важную роль играет блок верификации.
«обучить» его жестам, какими пользуются люди для того, чтобы подчеркнуть важность произноси-мых слов. Таким жестом может быть, например, поднятый вверх указательный палец или поворот ладони тыльной стороной вверх или вниз при со-гнутой в локте руке и т. д. (более подробно об ос-новных видах жестов, которым можно научить гуманоидного робота, см. в работах Адама Кендо-на и Р. Миины [6, 8]). В данном случае важно до-биться, чтобы жесты всегда были синхронизиро-ваны с речью, поскольку сервоприводы, приводя-щие в движение конечности робота, имеют скоро-стные ограничения. Для тех роботов, у которых конечности не предусмотрены (роботы Нао вы-пускаются в трех конфигурациях – с руками и но-гами; с руками, но без ног; без рук и ног, но спо-собные двигать головой), могут применяться такие жесты, как кивок или поворот головы, изменение цвета глаз и т. д. Стоит отметить, что мультимо-дальный компонент, кроме обозначения гиперссы-лок, может использоваться также для придания диа-логу максимальной естественности и создания ре-альной модели беседы с одушевленным собеседни-ком. Последнее не менее важно, ибо «обучение» ро-бота естественному поведению в диалоге с челове-ком является одной из главных задач в области раз-работки алгоритма ведения человеко-машинного диалога гуманоидными роботами [2, 5, 6, 8].
Для завершения диалога пользователь имеет возможность прервать речь робота прикосновени-ем к одному из расположенных у него на голове сенсоров.
Таким образом, на сегодняшний день существу-ет значительное количество способов и моделей ве-дения человеко-машинного диалога разной степени сложности и предназначенных, соответственно, для разных целей. Наиболее перспективным направлени-ем в этой области представляется разработка выше-упомянутых «открытых диалоговых систем», по-скольку они, в силу самой своей концепции, предпо-лагают соблюдение пользователем минимального количества условностей во время ведения диалога с роботом. Тематика такого диалога может быть сво-бодно выбрана пользоват