Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing)

Программное обеспечение систем ИИ (software engineering for AI)

Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems)

Основные направления исследований в области искусственного интеллекта

Синтезируя десятки определений ИИ из различных источников, в данной книге в качестве рабочего определения можно предложить следующее.

Искусственный интеллект - это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков. Опишем их чуть подробнее.

Это основное направление в области изучения искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний. Именно исследованиям в этой области посвящена данная книга.

В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами. Эти языки ориентированы на символьную обработку информации - LISP, PROLOG, SMALLTALК, РЕФАЛ и др. Помимо этого создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программные инструментарии искусственного интеллекта, например KEE, ARTS, G2 [Хейес-Рот и др., 1987; Попов, Фоминых, Кисель, Шапот, 1996]. Достаточно популярно также создание так называемых пустых экспертных систем или "оболочек" - KAPPA, EXSYS, M1, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.

Начиная с 50-х годов одной из популярных тем исследований в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам.

Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов - пе- реводчик с английского на русский язык - продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе. Однако еще долго разработчики пытались создать программы на основе морфологического анализа. Неплодотворность такого подхода связана с очевидным фактом: человек может перевести текст только на основе понимания его смысла и в контексте предшествующей информации, или контекста. Иначе появляются переводы в стиле "Моя дорогая Маша - my expensive Masha". В дальнейшем системы МП усложнялись и в настоящее время используется несколько более сложных моделей:

- применение так называемых "языков-посредников" или языков смысла, в результате происходит дополнительная трансляция "исходный язык оригинала - язык смысла - язык перевода";

- ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых репозиториях или базах данных;

- структурный подход, включающий последовательный анализ и синтез естественно-языковых сообщений. Традиционно такой подход предполагает наличие нескольких фаз анализа:

1. Морфологический анализ - анализ слов в тексте.

2. Синтаксический анализ - разбор состава предложений и грамматических связей между словами.

3. Семантический анализ - анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы знаний.

4. Прагматический анализ - анализ смысла предложений в реальном контексте на основе собственной базы знаний.

Синтез ЕЯ -сообщений включает аналогичные этапы, но несколько в другом порядке.