История обработки естественного языка

SHRDLU.  

Система SHRDLU Терри Винограда (Terry Winograd) имитировала поведение робота, манипулировавшего блоками на поверхности стола. Она могла управляться инструкциями, такими как “Pick up the red pyramid”(«Возьми красную пирамиду»)и отвечать на вопросы типа “What does the blue box contain?”(«Что содержит голубой блок?»). Появление SHRDLU имело большое значение, так как оно показало, что синтаксис, семантика и порождение выводов о мире могут быть скомбинированы так, чтобы создать систему, которая понимает естественный язык. Это была очень ограниченная система: она могла управляться только очень небольшим числом предложений. Более того, она могла понимать язык, касающийся только настоящего момента и очень небольшой части реального мира: мира блоков. Эффект, который она производила, мог быть достигнут только в весьма ограниченной области и попытка расширить систему неизбежно привела бы к снижению эффективности.   

LUNAR.   

LUNAR был естественно-языковым интерфейсом к базе данных, использовавшим и Расширенную Сеть Переходов и процедурную семантику Вудса. Система унаследовало свое имя от базы данных, содержавшей информацию об образцах лунных скальных пород. Система была продемонстрирована на Научной Конференции по Луне в 1971 году. Ее эффективность казалась весьма впечатляющей: она сумела справиться с 78% запросов без ошибок, причем эта цифра возросла до 90% после исправления ошибок. Впрочем цифры эти не должны были вводить в заблуждение, ведь не случайно система не стала предметом интенсивной эксплуатации: ученый, попытавшийся бы использовать систему для своих повседневных рабочих нужд, быстро обнаружил бы, что ему нужны запросы, выходящие за пределы возможности системы.

LIFER/LADDER.   

LIFER/LADDER была одной из наиболее впечатляющих систем АОТ. Она была сконструирована как естественно-языковой интерфейс к базе данных кораблей ВМС США. Она использовала семантическую грамматику, в которой использовались метки типа «КОРАБЛЬ» или «ХАРАКТЕРИСТИКА» вместо синтаксических меток типа «существительное» или «глагол». Это означало, что система, как и SHRDLU, была тесно привязана к области для которой была сконструирована. Тем не менее, использование разработчиками семантической грамматики дало ряд преимуществ в разработке дружественного к пользователю интерфейса по сравнению с SHRDLU. Например, в систему была включена возможность определения новых словарей, определения парафразов (например, чтобы сделать возможным быстрый доступ), возможность обработки незаконченного или неполного ввода. Эти свойства сами по себе были очень впечатляющими, но исследовательская группа приступила к программе строгой оценки и опубликовала доклад, ставший настоящим сокровищем для тех, кто стремился глубоко изучать АОТ. Одним из выводов доклада было то, что люди быстро подстраивались под машину и пытались использовать очень неполные предложения, заменяя нормальный естественный язык подобием неформального языка запросов.  

Было  рассмотрено небольшое количество систем. Тем не менее они отражают все основные достижения этого периода. Если можно сделать какой-то вывод  из этого этапа развития АОТ, то он в следующем: необходимо вовлекать в работу систем семантические знания в таком большом количестве, чтобы сделать разработки практически полезными. Несмотря на это ряд разработок и с 1980 года может являлся попыткам обойтись небольшим количеством семантической информации.      
 
 
 

2.3. АОТ в 80-е и  90-е годы.  

    Узкоспециализированные системы  1970-х годов, такие как SHRDLU и LIFER/LADDER не могли быть в действительности расширены до практически полезных приложений. Реакцией на этот факт в сообществе АОТ стала попытка взглянуть на разработку посредством формализмов дающих более точные и полные описания, эффективно реализуемые на компьютере.

Грамматические  формализмы.  

Семантические системы 1970-х совершенно сознательно  избегали использования синтаксической обработки, некоторые пытались вообще очистить от синтаксической информации свои системы. Синтаксис всегда рассматривался большинством лингвистов-теоретиков как  основополагающая часть человеческого  языка. Инженеры же увидели в синтаксисе полезный способ разрешения омонимии с относительно небольшим объемом  необходимых знаний (по крайней мере, по сравнению с объемом знаний, требуемым для этой цели семантической  обработкой). Теоретические лингвисты  также выступали критически против всеобщего признания Трансформационной/Порождающей  грамматики Хомского.

Результатом стали грамматики, оперирующие более  детализированными синтаксическими  характеристиками объектов информации ( например, часть речи -существительное, лицо - третье, время - прошедшее, число - множественное и т.д.), а не одноатомные  категории (глагол, существительное, прилагательное и т.д.). Эти грамматики могли дать гораздо более точный анализ предложения, но за это нужно было заплатить  определенную цену. Для детализированных характеристик необходимы гораздо  более сложные методы сопоставления  в поисковых алгоритмах, отсюда такие  грамматики получили название унификационных, так как сопоставление характеристик  могло быть достигнуто посредством  метода унификации.

 Есть  несколько грамматик, которые  используют унификацию как главную  операцию для комбинирования  информации. Из них Грамматика  Обобщенной Фразовой Структуры  (GPSG – Generalisez Phrase Structure Grammar) , была одно время очень популярной, но, видимо, самым широко используемым формализмом стала Грамматика Лексических Функционалов (LFG – Lexical Functional Grammar).  

Расширенные лексиконы.  

Лексикон (или словарь) использовался до сих  пор для хранения очень простой  информации. Использование унификационных грамматик с их детализированными  характеристиками привело к значительному  усложению лексиконов. Сейчас он является первичным источником информации о  свойствах слов и эта информация используется во время разбора(использующего  унификацию) для создания конечного  дерева разбора, представляющего структуру  анализируемого предложения.  

Логика  для семантики.  

Раз синтаксическая информация должна широко использоваться, значит нужен способ передачи этой информации в семантическую обработку  на более поздней стадии, чтобы  максимально разрешить омонимию. Подходом, который позволил достичь  прогресса, стало использование  использование логики предикатов для  представления семантической информации. Семантическая информация может  комбинироваться посредством унификации почти так же, как синтакическая. Методы исчисления логики могут быть использованы для вывода и получения  более подробной информации из входных  предложений. Такая логика не должна быть классической ( то есть не сводиться  к вычислению истинности или ложности высказываний), в ней должна быть возможность обработки альтернативных суждений, возможность выражать пространственные и временные отношения.  

Порождение  текста.  

Приложение, которое должно выводить некий результат, можно попробовать заставить  делать это на естественном языке, тем  самым делая его более удобным  для пользователя. Одно из направлений  разработки состояло в создании систем автоматического реферирования.  

Многоязычные  приложения.  

Рост  многоязычных сообществ означает спрос  на переводы, особенно деловых и  технических текстов, переводить которые  профессиональным переводчикам скучно или невыгодно. Поскольку полный высококачественный машинный перевод  в этом периоде больше не рассматривался как краткосрочная или даже среднесрочная  цель, это пространство было предназначено  для ограниченных систем машинного  перевода (например, канадские метеосистемы, автоматически преобразующие сводки о погоде с английского на французский) и средств, используемых переводчиками-людьми. Другим направлением была разработка генерации текста на нескольких языках.   

Мобильность.   

Одним из недостатков таких впечатляющих систем, как LIFER/LADDER была трудность переноса системы из одной проблемной области в другую (например из области описания кораблей ВМС США в область кадрового учета). В этот период совершаются попытки создания систем, применимых к разным проблемным областям. Развитие унификационных грамматик и логики для семантики усилили тенденцию обобщения разных систем, что привело к прогрессу в решении проблемы мобильности систем.   
 

80-е  годы. Формирование  фундамента современного  машинного перевода.  

    В 80-е годы в большой мере  формируется фундамент современного  подхода к структуре машинного  перевода.

    Переход от языка А к языку  Б можно представить в виде  следующей схемы. Предполагается, что на каждом уровне соответствия  может быть создан список преобразований  структуры языка А в структуру  языка Б даже если этот список  окажется очень длинным.  

     По мере продвижения по схеме  снизу вверх, размеры структур  увеличиваются. 

Описанная выше схема опирается на положении  формальной семантики, что смысл  целого определяется комбинацией смыслов  составляющих. Но пары слов в языках А и Б могут иметь больше одного значения (омонимия), некоторые  грамматические характеристики и функции  слов могут существовать только в  одном из этих языков. Несмотря на все  это, детальный список преобразований может быть полезным для обработки  ситуации.  

      Самым серьезным итогом работ,  связанных с таким подходом  в эти годы, было введение понятия  контекстной зависимости смысла. Чтобы преобразовать существительное  из языка А, где они не  имеют единственного и множественного  числа, в язык Б, в котором  они присутствуют, необходимо понимание  контекста. Однако, вариаций контекстов  может быть неограниченно много.  По умолчанию все существительные  обрабатываются как относящиеся к единственному числу и преобразовываются в форму множественного при наличии указывающего на него контекста.   

    Значение (смысл) слова выражается  посредством сегментированных значений  терминов:  

     Убить=Быть_причиной(Некто(Живой->Мертвый))   

Одним из главных направлений дальнейшего  поиска станет как раз ответ на вопрос: какие базовые элементы необходимы для адекватного выражения смысла.   

     Благодаря росту производительности  и развитию возможностей компьютеров,  разработка систем машинного  перевода стала реальностью. Разработка  первых систем была основана  на лингвистических знаниях. Но  лингвистике не удалось покрыть  широкий диапазон актуальных  феноменов использования языка.  Анализ производился для ограниченных  случаев. В 80-е годы ученые  инициировали разработки в области  описания грамматик. Грамматики, основанные на формальных, правильно  написанных текстах, не имели  полной практической ценности. Только  про 60% грамматических правил, выработанных  лингвистами, можно было сказать,  что они работают на практике. В реальности, различные варианты  в языке были слишком многочисленны.

90-е  годы. Разрешение  омонимии. Возрождение  подхода «снизу-вверх»: эмпирицизм.  

      Подход к разрешение омонимии  смысла термина основывается  на выявлении слов, в контексте  которых он находится. На большом  корпусе текстов (например, «Нью-Йорк  Таймс» за 20 месяцев) достигается  90%-ная точность в разрешении  неоднозначности слова «capital», которое может означать в английском языке и финансовый капитал и столицу. В настоящее время предлагается подход, в котором перевод ранее незнакомых слов может быть оценен согласно сходству терминов, в контексте окружения которых находится это слово.  

     Эмпирицизм, новый вариант подхода  «снизу-вверх», предлагает архитектуру,  более радикальную, чем старые  подходы, ориентированные на данные. В начале 90-х годов IBM выпускает систему статистического машинного перевода (SMT-statistical machine translation). Система обнаруживает ряд английских и французских выражений, которые не могли бы быть распознаны вручную, посредством «чистой» методологии машинной трансляции. Используются статистические алгоритмы ( EM, Виттерби и др). Система требует большой объем памяти и высокую производительность компьютеров, большой объем качественных пар слов для перевода ( обучающие данные).   

    Как мы можем получить достаточно  большой набор реальных лингвистических  данных, чтобы произвести внятный  анализ или автоматически построить  грамматику – именно такой  вопрос встал перед компьютерной  лингвистикой с 90-х годов, когда  основным направлением стала  статистическая обработка текстов.