Системы общения на естественном языке (ЕЯ)

Системы общения на естественном языке, входящие в класс компьютерно-лингвистических систем, предназначены для человеко-машинного общения в диалоговом режиме. До последнего времени средства естественно-языкового (ЕЯ) общения остаются недостаточно эффективными, что связано с влиянием следующих факторов.

Информационные потребности пользователей не могут быть заранее четко определены, тогда как существующие ЕЯ-системы ориентированы на ограниченный ЕЯ с фиксированной лексикой.

Процесс общения нельзя ограничить обменом изолированными сообщениями типа «запрос-ответ», так как в большинстве случаев реальные информационные потребности пользователей не могут быть выражены в виде одного запроса (предложения). Поэтому необходимы — анализ информационных потребностей пользователей, выраженный связным текстом, определение ситуации возникновения информационных потребностей пользователей и контекста, в рамках которого следует интерпретировать текстовое представление информационных потребностей пользователей. Должен быть предусмотрен анализ содержания всех предшествующих фаз диалога и его структуры в целом.

Представления, имеющиеся у пользователей языка и у системы о языке общения и проблемной области, как правило, не совпадают. Поэтому для устранения противоречий в знаниях пользователя и ЕЯ-системы необходимо предусмотреть взаимное разъяснение смысла неизвестных терминов, обнаружение и устранение несовпадающих представлений, а также предупреждение ошибочных толкований, т.е. необходимо установление общих точек зрения на сущности, фигурирующие в диалоге (общении).

Высказывания пользователя могут быть построены как с использованием синтаксически и семантически правильных предложений, которые будут однозначно поняты и верно истолкованы системой, так и с применением «неправильных» языковых конструкций.

«Неправильности» могут быть связаны с неспособностью пользователя учесть все ограничения системы общения в части ее возможностей и знаний, с использованием умолчаний, характерных для естественного общения и допускающих неоднозначное толкование, и, наконец, с отклонениями языковых конструкций от грамматической нормы.

Учет перечисленных факторов привел к созданию ЕЯ-систем, базирующихся на базах знаний или использующих знания в той или иной форме, таких, как ATLAST, PENMAN, TEAM, TULISP, системы обращения к БД-АИСТ, системы общения для ИПС-ЛИНГВИСТ, систем обработки связных текстов (TAILOR, RESEARCHER, FAUSTUS) и т.д.

В состав компьютерно-лингвистических систем входят также системы автоматической генерации текстов.

К ближайшим задачам компьютерной лингвистики относятся следующие:

- использование полной лингвистической схемы, морфологический анализ, поверхностный и глубинный синтаксический анализ, семантический анализ с учетом всех особенностей словоупотреблений из данной области;

- использование усеченной лингвистической схемы, результатом применения которой является текст, требующий участия человека-редактора;

- использование прямого перехода от текста к внутренним системным представлениям.

Экспертные системы предназначены для решения неформализованных задач с использованием неточных знаний. В данном понимании к неформализованным задачам относят задачи, обладающие следующими особенностями: алгоритмическое решение задачи неизвестно или не может быть осуществлено из-за ограниченных компьютерных ресурсов, задача не может быть определена в числовой форме, цели решения задачи не могут быть выражены в терминах четко определенной целевой функции.

Системы данного класса, как правило, отличаются тем, что алгоритм решения задачи выводится путем рассуждений, основывающихся на эвристических приемах, система «осознает» в терминах пользователя способ решения, система обладает способностью анализа своих действий и знаний, приобретения новых знаний от пользователя-эксперта и способностью к общению на естественном языке.

Обычно экспертные системы относятся к системам, основанным на знаниях. Среди подобных систем наиболее известны системы PROSPECTOR, MYCIN, предназначенные для решения задач расширения, системы, решающие задачи доопределения (EL) и задачи преобразования (VM).

Определение условий частной исследовательской процедуры по углублению причинно-следственного выявления взаимосвязей экономического пространства требует ориентации на перспективы развития компьютерной техники и информационных технологий, чтобы обеспечить адекватность исследовательского процесса его информационно-техническому обеспечению.

Технологический процесс автоматизированного проектирования представляет собой последовательность процедур решения проектно-конструкторских задач пользователем систем автоматизации проектирования (САПР). Под автоматизацией проектирования понимается автоматизация выделенных этапов технологического процесса решения задачи.

Системы автоматизации проектирования, как правило, ориентированы на определенные предметные области. Модели, описывающие смысловое содержание предметной области, назовем семантическими. Содержание семантических моделей определяется тем этапом технологического процесса проектирования, для автоматизации которого они предназначены. Организация семантических моделей зависит как от их назначения, так и от содержания предметной области.

В состав семантических моделей входят системы классификации понятий данной предметной области, схемы постановки задач, математические модели, используемые в качестве исходных данных для решения основной задачи анализа, методики решения различных задач анализа, синтеза, идентификации, то есть вычислительные схемы решения этих задач. Очевидно, что и здесь присутствуют классификации, в частности, иерархические многоуровневые классификации алгоритмов решения задач.

Анализ предметной области с точки зрения обеспечения этапов математической постановки задачи, алгоритмизации и программирования показывает, что она состоит из:

системы алгоритмов и реализующих их пакетов прикладных программ; связанных между собой классификаций, схем описания систем, сигналов, вычислительных схем и др.

Семантическая модель предметной области есть ее смысловое содержание (знание о предметной области), представленное с помощью некоторого формального аппарата и предназначенное для обеспечения какого-либо этапа процедуры решения задач пользователя САПР.

Процедура создания и использования в САПР семантических моделей предметной области выступает в двух формах, одна из которых ориентирована на пользователя САПР, а другая — на системного аналитика, формирующего семантические модели предметной области.

В этой связи необходимо отметить необходимость решения задач разработки формального аппарата для внешнего и внутреннего представлений семантических моделей, которые являются языками представления знаний в данной предметной области. Ввод семантических моделей позволяет сформировать базу знаний. Параллельно с формированием семантических моделей осуществляется отработка ограниченного естественного языка пользователя.

При этом возникает проблема совместимости, эквивалентности или тождественности баз знаний машины и пользователя. Системный аналитик и пользователь обладают своими базами знаний в данной предметной области. Машинная база знаний, создаваемая системным аналитиком, является лишь сечением его полной базы знаний. За пределами машинной базы знаний могут оказаться многие положения, определения и др. Это не создает препятствий в понимании машиной базы знаний аналитиком, пока он это делает один. База знаний пользователя САПР не тождественна базе знаний системного аналитика, поэтому общение пользователя с сечением базы знаний системного аналитика (машинной базой знаний) может сопровождаться непониманием и, следовательно, оборваться. Преодоление несовместимости, очевидно, может идти по двум следующим направлениям.

1. Путем обучения пользователя можно стремиться приблизить базу знаний пользователя к базе знаний системного аналитика и машины.

2. Пытаться расширить возможность входа в машинную базу знаний за счет ее избыточности, путем ввода в нее дополнительных определений, понятий, синонимов и др.

Заметим, что подобная проблема совместимости возникает и тогда, когда в формировании базы знаний участвуют параллельно или последовательно несколько аналитиков.

Ведутся активные работы по исследованию и разработке обучающих систем и инструментария для их создания.

В учебных заведениях используется широкий спектр программных систем. Адаптивные системы могут классифицироваться по различным признакам.

По назначению можно выделить информационно-обучающие, контролирующие и универсальные системы. Первые предназначены для передачи обучаемым определенного объема знаний и/или умений; вторые — для проверки знаний обучаемых. Универсальные системы выполняют как обучение, так и контроль.

По режиму работы различают однопользовательские и многопользовательские автоматизированные обучающие системы. Последние базируются на сетевом программном обеспечении и оборудовании.

По особенностям реализации можно выделить аппаратные системы, для которых требуется специальное оборудование, и чисто программные системы, работающие на ЭВМ общего назначения.

По отношению к изучаемой предметной области автоматизированные обучающие системы могут являться инвариантными или ориентированными на один предмет. В инвариантных системах предусматривается отделение учебных материалов от инструментальной системы (оболочки), обычно имеются средства для создания/модификации учебных материалов. В отличие от них автоматизированные обучающие системы, ориентированные на один предмет, не имеют средств для смены наполнения. В инвариантных автоматизированных обучающих системах (АОС) имеется подсистема для подготовки учебных материалов (авторская система).

В зависимости от способности изменять свое поведение АОС могут быть разделены на линейные, разветвленные, настраиваемые.

Линейные автоматизированные обучающие системы не предполагают изменения применения учебных воздействий в процессе работы: линейная последовательность определяет действия системы.

Разветвленные системы при определенных обстоятельствах (например, после выполнения обучаемым контрольного примера) могут изменять порядок применения учебных воздействий. Все возможные ветвления в программе изучения материала предусмотрены набором сценариев, составленных авторами учебного курса.

Настраиваемые автоматизированные обучающие системы на основании имеющихся у них педагогических знаний и анализа хода процесса обучения могут изменять свое поведение. Знания представляются в декларативной форме и выражают как специфичные для изучаемой проблемной области приемы преподавания, так и общие педагогические принципы.

По способу реализации пользовательского интерфейса могут быть выделены системы, ориентированные на текстовый и графический способы реализации.

Среди используемых обучающих систем можно выделить следующие виды.

1) «Электронные учебники», подготавливаемые с использованием специализированных авторских систем.

Примерами таких авторских систем являются АДОНИС, УРОК, LINKWAY и др.; их основу составляют текстовые и графические редакторы, позволяющие структурировать и представлять учебные материалы, включая тексты, графические образы, упражнения и т.п.

В авторских системах фрагменты сведений о предметной области хранятся в специальных структурных единицах, называемых кадрами или фреймами. Набор таких кадров формируется авторами учебного курса. В кадрах могут содержаться текстовые фрагменты, иллюстративный материал (рисунки, графики), а также контрольные упражнения.

Авторами задается последовательность ознакомления пользователя-ученика с кадрами. При этом возможны ветвления в зависимости от результатов выполнения упражнений. Такая последовательность в некоторых системах называется сценарием. Отдельные системы позволяют ученику самостоятельно выбирать следующий кадр из некоторого набора возможных.

Следует отметить, что обучающие системы могут иметь достаточно сложную организацию, поддерживают различные уровни сложности предлагаемых для изучения материалов и предоставляют пользователю широкий спектр дополнительных услуг (доступ к глоссарию, вставка графических компонент, поддержка разных уровней пользователя и др.).

2) Программы, предназначенные для развития у обучаемых практических навыков при решении задач из некоторой узкой предметной области. Например, решение задач аналитической геометрии или расчеты равновесной цены в курсе маркетинга экономического вуза. При работе с такой системой обучаемому предоставляется возможность использовать справочные материалы по расчетным методикам, параметрам компонентов и т.п., выдаются рекомендации по дальнейшей работе и комментарии его действий.

Программы такого типа обычно не предоставляют пользователю теоретической информации и закрыты для смены предметной области.

Примерами таких программ являются SOPHIE (проектирование электронных схем), WUMP-US (игровая среда, используемая для обучения Экономиксу), LOGO (среда для изучения геометрии и программирования), STEAMER (среда-тренажер, при помощи которой обучаются управлению крупным торговым предприятием).

3) Системы, основанные на нелинейном представлении информации. В эту группу входят системы типа «мультимедиа».

Объекты, входящие в мультимедиа-систему, формируют сложную сеть, отражающую структуру предметной области. Связи в сети обычно являются типизированными. Для объекта, находящегося в узле сети, может задаваться специфическая информация, облегчающая его поиск.

В системах мультимедиа обеспечивается доступ к мономедиа и/или мультимедиа-информации. Мономедиа-информация представляется пользователю одним способом (например, в виде текста). Системы с доступом к одному типу данных — текстовой мономедиа-информации — иногда называют гипертекстовыми. Мультимедиа-информация является логически связанной совокупностью разнотипной информации. Обучение является одним из основных применений систем мультимедиа.

При использовании систем мультимедиа в целях обучения поддерживается режим свободного перемещения по связям сети, в узлах которой сосредоточена фактографическая информация о предметной области. Система обеспечивает вспомогательные средства, облегчающие поиск требуемых сведений.

Во многих системах данного типа поддерживается коллективный доступ к информации с использованием вычислительных сетей.

Примерами систем такого рода являются Intermedia, ISHYS, VICTOR, Dustin, Living Book, SHADOW и др.

В настоящее время ведутся разработки систем, в которых предусмотрены средства полного погружения пользователя в создаваемую системой среду с воздействием на все органы чувств. Создаваемая такими системами среда называется «мнимой (виртуальной) реальностью».

Системы такого рода используются при обучении специалистов в таких областях, как медицина, биология, астрономия и др. Моделирование системой реальной среды и эффективные средства воздействия на органы чувств обучаемого посредством специальных устройств дают возможность обучаемому отрабатывать действия, требуемые в реальной обстановке.

Для разработки систем такого рода требуются дорогостоящее оборудование и сложное программное обеспечение. Некоторые исследования указывают, что в образовании нередко требуются системы:, не замещающие, а расширяющие реальный мир. Под расширением понимается совокупность воздействий на органы чувств обучаемого в процессе наблюдения или проведения экспериментов с объектами реального мира.

Например, в экспериментальной системе KARMA обучаемому демонстрируются приемы работы с лазерным принтером посредством проведения реальных экспериментов с данным устройством. Система «демонстрирует» приемы работы на экране прозрачного миниатюрного дисплея, вмонтированного в очки, сквозь которые обучаемый смотрит на реальный принтер.

4) Адаптированные для обучения версии программных комплексов. В таких системах реализуется некоторое множество функций изучаемой программы, снабженное многочисленными примерами и упражнениями.

Среди систем такого рода можно выделить специальную учебную версию программы Vicro-logic II, выполняющую проектирование цифровых электронных схем, систему dBase IV Student Edition, представляющую собой специальную версию популярной СУБД dBase IV, и систему «Луч», предназначенную для изучения принципов работы со средой FoxBase.

Из выделенных технологических участков можно сконструировать уже известные в практике или из литературы информационные технологии, в том числе и НИТ. Анализ уровней развития технологических участков в той или иной информационной технологии позволяет обоснованно и систематизирование осуществлять сравнительный анализ информационных технологий, а также выделять в них слабые участки.

Так, например, интегрированные технологии (технологии мультимедиа, галер-технологий) конструируются из технологических участков генерации, восприятия, распознавания, хранения, поиска информации, обучения. Различные технологии мультимедиа можно сравнивать по уровням развития в них перечисленных технологических участков. В заданный перечень возможно включение и новых технологических участков.

Так, например, интеллектуализация систем мультимедиа 'требует дополнения заданного набора технологическими участками понимания, представления знаний и логического вывода.1

Ориентация исследовательской процедуры изучения причинно-следственных взаимосвязей элементов экономического пространства на перспективы развития компьютерной техники и информационных технологий требует включения в исследовательскую процедуру последовательности действий по развитию самой исследовательской процедуры адекватно развитию ее информационно-технического обеспечения.