Понимание естественного языка

Совершенствование средств интеллектуального программирования постепенно избавит технологов от рутинной работы по программированию движений роботов и другого оборудования РТК. Диалоговый процессор вместе с интеллектуальным монитором позволит технологу описывать роботизированные технологические процессы на более высоком уровне и на более естественном языке, не прибегая к трудоемкому программированию в кодах ЭВМ. Таким образом, открывается реальная перспектива снять с технологов функции программистов как отдельных РТК, так и ГАП в целом. Для этого необходимо создать интеллектуальный технологический интерфейс, обеспечивающий общение технолога с управляющими ЭВМ на профессиональном языке. Решение этой проблемы требует, в свою очередь, разработки эффективных методов представления знаний, организации диалога и понимания естественного языка. Эти методы относятся к области искусственного интеллекта и безбумажной информатики как новой информационной технологии, радикально изменившей сам стиль использования ЭВМ для решения разнообразных задач автоматизации. [c.234]

Понимание естественного языка основывается на способности машины определять значения фраз английского языка (или какого-то другого), вводимых в нее через периферийные устройства, обычно терминала (рис. 10.10). Следовательно, чтобы быть эффективной, система понимания естественного языка должна включать в себя знание таких разделов теории лингвистики, как анализ предложения на основе правил синтаксиса языка, синтаксический анализ и присвоение значений словам или фразам (семантики) [6]. Таким образом обработка естественного языка является процедурой, требующей очень большого числа операций со знаниями, и основанной на знании грамматики и контекста, используемых для получения значений входных предложений и фраз. Знание этих и других лингвистических свойств должно быть включено в базу знаний системы, и проблема, как и в других дисциплинах ИИ, заключается в подборе и реализации одной из многих возможных стратегий интерпретации входных сигналов (например, предложений на английском языке). [c.295]

Рнс, 10.10. Система понимания естественного языка (с согласия фирмы ВВЫ). [c.295]

Аналогично тому как системы обработки речи низкого уровня включают в себя методики распознавания образов, системы технического зрения также развивались на основе ранних работ по распознаванию образов. Однако рассмотрение технического зрения только как процесса распознавания образов является неточным распознавание образов является по своей сути исключительно цифровой процедурой, выполняемой непосредственно с изображением. Техническое зрение, напротив, использует знание о сцене для того, чтобы оценить категорию изображения, и работает с символьным представлением изображения, а не с самим изображением. Это составляет наиболее существенное различие между ними, и в целом ситуация оказывается аналогичной случаю использования знаний синтаксиса для понимания языка (вопрос понимания естественного языка излагается в разд. 10.3.4). [c.306]

Понимание естественного языка [c.313]

Требуется найти все сообщения об их рабочих параметрах привел бы только к появлению сообщения об ошибке, даже если бы данное утверждение непосредственно следовало за первым. Это обусловлено тем, что вторая фраза содержит косвенное указание на элемент первого предложения, так что подлежащее второй фразы не было бы однозначно идентифицировано. В этом случае система понимания естественного языка, называемая системой диалогового языкового общения, требует использования знания прагматики (см. разд. 10.3.2), что позволяет облегчить решение указанных выше проблем. [c.315]

Общая цель исследования проблем понимания естественного языка заключается в разработке достаточно гибкой системы, обладающей перестраиваемой проблемной областью, которая может достигать высокого уровня точности интерпретации. Как это уже встречалось ранее, стремление оптимизировать рабочие характеристики положило начало разработке параллельных алгоритмов, направленных на достижение оптических или мультипроцессорных реализаций. Однако, как и в случае технического зрения, достигнутого уровня понимания принципов параллельной организации прохождения задач в настоящее время недостаточно для их реализации. [c.319]

После предшествующей дискуссии можно начать рассмотрение вопроса о том, как мультипроцессор или оптический процессор может быть использован для понимания естественного языка в реальном времени. Процесс синтаксического анализа может осуществляться параллельно, так как во многих случаях различные морфемы, лексические нюансы и синтаксические структуры анализируются параллельно. Организация рабочей области общего доступа для основных процессоров незамедлительно позволила бы реализовать параллельную обработку. [c.319]

Лексикон Список, состоящий из терминов, слов и морфем конкретного языка, обычно содержащихся в базах знаний систем понимания речи или понимания естественного языка. [c.358]

Исчисление предикатов является простейшим логическим языком, удовлетворяющим указанным требованиям. На этом формальном языке можно записать многие предложения и утверждения естественного языка, что позволит формализовать знания. В исчислении предикатов содержатся также процедуры (правила) поиска логического вывода. Это позволит придать ЭВМ способность логически рассуждать и строить умозаключения, необходимые для понимания смысла задания и решения возникающих интеллектуальных задач. Важно отметить, что исчисление предикатов и реализующий его логический язык программирования Пролог будут использоваться в интеллектуальных ЭВМ пятого поколения. [c.235]

Создание первого прототипа должно подтвердить, что выбранные методы решений и способы представления пригодны для успешного решения, по крайней мере, ряда задач из области экспертизы. Создание первого прототипа, должно показать, что с увеличение.м объема знаний и улучшением стратегий поиска экспертная система сможет дать высококачественные и эффективные решения всех задач данной проблемной области. При разработке первого прототипа обычно оставляют в стороне вопросы, требующие значительных трудозатрат понимание и синтез фраз ограниченного естественного языка построений сложных моделей учет сложных временных, причинных и модальных отношений понимание намерений пользователей моделирование рассуждений, содержащих неточные понятия. Таким образом, в первом прототипе реализуется простейшая процедура вывода. При его разработке основная цель состоит а том, чтобы получить решение задачи, не заботясь пока об эффективности. [c.30]

Правда, произвольная перестановка семов в показателе и включение в него неоправданных с точки зрения естественного языка флексий либо пропуск флексий затрудняют понимание составленной таким образом фразы. Фразу приходится "додумывать". Однако, как нетрудно увидеть, для машинного "понимания" показателей достаточно одних только семов. Таким образом, семы составляют основу тезауруса показателей. [c.12]

В предыдущем разделе изложены основополагающие принципы символьных вычислений, даны необходимые вводные сведения, рассмотрены способы представления данных и возможные стратегии поиска. В данном разделе обсуждение указанных проблем получает дальнейшее развитие и рассматриваются четыре главных вопроса, составляющие суть символьных вычислений распознавание речи, техническое зрение, распознавание естественного языка, экспертные системы. Эти прикладные задачи могут принимать различные формы, каждая из которых включает сбор знаний, проведение рассуждений и поиск данных. Общим аспектом является использование знаний о системе или рассматриваемой области для улучшения понимания машинной входной информации. [c.293]

Многие виды знаний, используемые для понимания речи, определяются исходя из лингвистики языка, и, следовательно, мол<но ожидать, что они будут также важны и для обработки естественного языка. Каждый из этих видов знаний характерен для используемого словаря и сильно зависит от правил грамматики языка. Таким образом, для машины важно понимать взаимосвязь прилагательного и существительного, наречия и глагола и т. д. [c.300]

Часто задают вопрос Что такое обработка естественного языка и чем она отличается от понимания речи . Чтобы ответить на него, сначала определим понятие понимания естественного [c.313]

Таким образом, при обсуждении ПЕЯ речь по существу идет о реализации возможностей, аналогичных таким человеческим способностям, как умение читать и понимать тексты, вести диалоги. Однако не существует прямых аналогий между обработкой естественных языков и обработкой сигнала и изображения, так же как и в случае обработки речи низкого уровня и систем технического зрения. На практике используют преобразование сигнал-символ, но это применяется непосредственно на стадии ввода сигнала, а после этого момента вся обработка носит символьный характер. Однако спасает ситуацию то обстоятельство, что большая часть знаний, используемая в системе ПЕЯ, непосредственно применима для понимания речи высокого уровня. [c.315]

Понимание документа Предполагаемое применение системы обработки естественного языка, в которой документ прочитывается, а его содержание вводится в систему. [c.360]

Простота. Средства языка должны быть простыми для понимания и выражены в легко запоминающейся и интуитивно понятной для программирования форме, которая является естественной основой для общения программиста с машиной. Простоте языка способствуют единообразие в символике и организации, целостность основных концепций. [c.347]

Для правильного описания элементарных частиц, очевидно, нужны принципиально новые подходы. ...Ясно, что нам нужны новые физические понятия, и естественно, новый язык, лучше подходящий к внутренней природе частиц, нежели тот, которым мы сейчас располагаем. Каким бы ни казался слол ным и многообразным мир микрочастиц, может быть, нам все же не хватает всего двух-трех слов, чтобы выразить физическую идею, необходимую для полного понимания микромира (Д. И. Бло-хинцев). [c.450]

Хотя кажется, что реферируя работу, автор всегда пытается навязать свое понимание и перевести его на язык уже позднего времени, но это и естественно, и логично. Поэтому, когда произносятся слова максимальное касательное напряжение , главный сдвиг и др., связанные, скорее, с физикой твердого тела, чем с решением механических задач на уровне сопротивления материалов, возникает вопрос о чем мы говорим. Разговор идет о том, что нельзя решать вопросы развития современной пластичности не обраш аясь к основам физики твердого [c.39]

Что же представляют собой современные СИИ, каковы их отличительные черты В широком смысле СИИ — это программноаппаратные средства решения интеллектуальных задач, которые позволяют ЭВМ выполнять операции, аналогичные функциям человека, занятого умственным трудом. Поэтому под искусственным интеллектом РТК будем подразумевать алгоритмическое и программное обеспечение их адаптивных систем управления, позволяющее автоматизировать технологические операции интеллектуального характера. Отличительными признаками СИИ является наличие баз данных и банков знаний, средств интерпретации задач и планирования их решений, а также связанных с ними алгоритмов формирования понятий, распознавания ситуаций и принятия решений. Решение проблемы представления знаний в памяти ЭВМ открыло принципиальную возможность понимания СИИ естественного языка и речи. Оно позволило создать интеллектуальные терминалы и интерфейс, обеспечивающие непосредственное речевое или графическое (через дисплей) общение человека с ЭВМ или роботом на естественном языке, ограниченном данной предметной областью. [c.229]

К сожалению, существующие в настоящее время системы обработки естественного языка неспособны однозначно определить значения входных предложений или эффективно использовать контекст и прагматические знания. Кал<дая фраза обработки имеет свои узкие места , особенно когда вводимая информация содержит ошибки в нунктуации н орфографии. При вводе в систему обработки естественного языка неотредактиро-ванных текстов требуется предусмотреть дополнительные программные средства. В настоящее время такие системы работают медленно и их возможности ограничены пониманием текстов в очень узких областях, с низкой степенью точности интерпретации. Как это было в случае речевых систем и систем технического зрения, в системах обработки естественного языка также приходится искать компромисс между общностью поставленных задач и получаемыми рабочими характеристиками. [c.319]

Для дальнейшего конструктивного развития круга идей, связанных с пониманием фрактальных закономерностей устройства генома высших биосистем и естественного языка человека существенно хотя бы для начала на ряде примеров показать возможные проявления этого свойства. Например, к анализу генетических текстов можно подойти с позиций их фрактального представления, в рамках т. н. haos Game Representation ( GR-представления), т. е. компактного и наглядного графического представления нуклеотидных последовательностей ДНК [23 ]. Процедура построения этого пред тавления описывается следующим образом все основания представляются как точки в квадрате каждому типу азотистых оснований аденин — гуанин — цитозин — ТИМИН (начальные латинские буквы А, Т, G, С) ставится в соответствие вершина квадрата первое основание последовательности изображается точкой, находящейся на середине отрезка, соединяющего центр квадрата и соответствующую вершину квадрата каждое последующее основание изображается точкой, лежащей на середине [c.258]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...