Использование источников знаний в hearsay-II
Система Hearsay-II была разработана в университете Карнеги-Меллона с целью распознавания связной речи на словаре 1000 слов. Она корректно интерпретировала 90 процентов тестовых предложений. Базовые технологии, используемые в системе, включают как оперирование символами, так и обработку сигналов. Объединение искусственно-интеллектуальных механизмов со специфическими акустическими и лингвистическими знаниями, было необходимо для решения задач понимания речи.
Для генерации, комбинирования и развития гипотез интерпретации в системе HEARSAY-II используется несколько источников знаний. Созданные гипотезы (интерпретации) разного уровня абстракции сохраняются на доске объявлений.
Каждый источник знаний можно считать в первом приближении набором пар "условие-действие", хотя они могут быть реализованы и в форме, отличной от порождающих правил (например, условия и действия могут быть в действительности произвольными процедурами). Поток управления в этой системе также отличается от потока управления в продукционных системах. Вместо того чтобы в каждом цикле интерпретатор анализировал выполнение условий, специфицированных в источниках знаний, источники знаний загодя объявляют об активизированных в них условиях, извещая, какой вид модификации данных будет влиять на выполнение этих условий. В результате система управляется прерываниями, а этот режим управления значительно эффективнее, чем режим циклического просмотра состояния, который является основным для продукционных экспертных систем. Такой режим напоминает использование демонов во фреймовых системах, где поток управления регулируется обновлением данных.
Источники знаний связываются с уровнями доски объявлений следующим образом. Условия, специфицированные в источнике знаний, будут удовлетворяться в результате обновления данных на определенном уровне доски объявлений. Источник знаний также может записывать данные в определенный уровень, причем не обязательно в тот же, который влияет на выполнение условий. Большинство источников знаний в системе HEARSAY-II организовано так, что они распознают данные на определенном уровне лингвистического анализа, а выполняемые ими операции относятся к следующему по порядку уровню. Например, некоторый источник активизируется данными на силлабическом уровне и формирует лексическую гипотезу на уровне слов.
Решатель проблем системы Hearsay-II реконструирует намерение из гипотетических интерпретаций, формулируемых на разных уровнях абстрагирования. Одновременно, вычислительные ресурсы концентрируются на наиболее перспективных вычислениях. Окончательная конфигурация системы включает решающие компоненты с целью генерации и оценки речевых гипотез, а также для фокусировки управляющих механизмов с целью выявления наиболее значимых гипотез. Система успешно объединяет эти подходы для разрешения неопределенностей и управления комбинаторикой. Некоторые конфигурации решателя системы успешно использовались для решения других проблем, и, похоже, это – тенденция: будущие решающие системы будут иметь распределенную архитектуру источников знаний для разрешения сложных проблем кооперативно.
Неопределенности возникают в процессе принятия решения в случае, когда знаний системы не достаточно для принятия решения. Решение коллизии может появиться в результате исследования всех появившихся гипотез. Одним из вариантов подхода является исследование и комбинирование промежуточных решений проблемы. В этом случае появляется возможность не исследовать все пространство решений полной проблемы, но сосредоточиться на каком-нибудь его подпространстве.
Эффективное решение такой сложной проблемы, как понимание речи, требует от системы некоторых специфических способностей: она должна уметь собирать и анализировать данные, формировать цели исследования, продуцировать подходящие выводы, а также принимать решение о прекращении работы в пользу более правильного решения.
Хороший решатель проблем опирается в своей работе на знания, касающиеся предметной области, и на знания, касающиеся эффективных методов решения проблем в этой предметной области. Поэтому такие решатели называются системами, основанными на знаниях.
Сложность проблемы понимания речи заключается в двух источниках неопределенности. Первый возникает вследствие зашумления речевой волны, а второй – из-за некорректности рассуждений, связанных с речевыми теориями. Из-за того, что мы не можем разрешить эти неопределенности прямо, мы структурируем пространство проблемы понимания речи таким образом, чтобы решатель мог искать решение проблемы. Это пространство есть множество (частных или полных) интерпретаций входного акустического сигнала: множество отображений входного сигнала в возможные сообщения. Целью решающей системы является нахождение полной интерпретации (сообщения и отображения в него) которое максимизирует некоторую оценивающую функцию, которая базируется на акустико-фонетических правилах, словаре, грамматике, семантике и дискурсе в целом. Это разрешение неопределенности, которое осуществляется объединенным действием всех источников знаний, требует генерации, оценки и интеграции ряда промежуточных интерпретаций. Необходимость учитывать много альтернативных возможностей, не подвергаясь комбинаторному взрыву, является объективностью процесса принятия решения.