I. История «общения» человека с машиной. Предпосылки появления систем распознавания речи.
С появлением ЭВМ одним из важнейших вопросов развития компьютерной техники было взаимодействие машины и человека. Некоторое время «общение» с машиной могли осуществлять лишь специально обученные специалисты. В самых «древних» случаях «общение» с машиной осуществлялось посредством соединения между собой триггеров (из которых, по сути, и состояла машина) таким образом, чтобы при подаче тока (запуске) выполнялась необходимая последовательность команд. С развитием компьютерной техники команды стали записываться непосредственно в памяти машины. Набрать команду можно было переключая тумблеры. Затем появились перфокарты, перфоленты. Скорость «общения» с машиной возросла, но «сущность» этого «общения» особо не изменилась.
Человек стремился к более универсальному и естественному способу взаимодействия с ЭВМ. Научно-фантастические романы изобиловали сценами общения человека с машиной «на равных», обрисовывались «доверительные беседы» человека и «набора микросхем».
«Чудом технической мысли» считалось появление так называемого диалогового интерфейса. Возможность «отстучать» на клавиатуре команду и получить осмысленный отклик казалось невиданным чудом (и не приходилось больше возиться с колодами перфокарт и лаборантами, которые «любили» возвращать те самые колоды с комментарием «У Вас здесь ошибка, программа не пошла». Это не могло не радовать пользователей). Потребителям компьютерных услуг теперь можно было не вдаваться в технические подробности и выучив несколько десятков команд общаться с машиной без «посредников»-лаборантов.
Следующим шагом развития компьютерных технологий стало появление графического интерфейса. Теперь рядовому пользователю не надо было знать даже набора команд для общения с машиной. Общение стало осуществляться на интуитивно понятном «языке жестов». Следует отметить некоторый «регресс» в развитии (!) «общения». Человек переходил от более «совершенного» (и сложного) вида общения к «примитивному» (более простому и интуитивно понятному) способу.
Следующим «логическим» шагом развитие «коммуникаций» человек-машина естественно является привычное всем общение посредством голоса. Пользователи жаждут управлять машиной «не вставая с дивана», самые дерзкие мечты же устремлены к тому, чтобы компьютер стал не только «калькулятором», но и «достойным собеседником».
Первые шаги по реализации голосового интерфейса были предприняты ещё в «эпоху перфокарт». В 1971 г. была начата разработка крупнейшего на то время проекта по распознаванию речи. Advanced Research Project Agency (ARPA) министерства обороны (прогресс продвигают, как обычно, военные разработки) США приняло пятилетний проект по созданию машин, которые позволяли «понимать» произносимые слитно предложения. Объём словаря машин составлял 1000 слов. В конце 1976 г. было представлено несколько систем, одной из которых была HAPPY. Эта системы правильно понимала 95% произносимых пятью дикторами предложений, используя словарь объёмом 1011 слов и строго ограниченную грамматику предложений.Добавлено (06-Февраля-2007, 7:46 Pm)
---------------------------------------------
II. Задачи распознавания речи.
«Общие слова»
Строго говоря, в «общении» с компьютером можно выделить три основные задачи. Первая задача состоит в том, чтобы компьютер мог «понять» то, что ему говорит человек, то есть он доложен уметь извлекать из речи человека полезную информацию. Пока что, на нынешнем этапе, эта задача сводится к тому, чтобы извлечь из речи смысловую ее часть, текст (понимание таких составляющих, как скажем, интонация, пока вообще не рассматривается). То есть эта задача сводится к замене клавиатуры на микрофон. Вторая задача состоит в том, чтобы компьютер воспринял смысл сказанного. Пока речевое сообщение состоит из некоего стандартного набора понятных компьютеру команд (скажем, дублирующих пункты меню), ничего сложного в ее реализации нет. Однако вряд ли такой подход будет удобнее, чем ввод этих же команд с клавиатуры или при помощи мыши. Пожалуй, даже удобнее просто щелкнуть мышкой по иконке приложения, чем четко выговаривать (к тому же мешая окружающим): «Старт! Главное меню! Ворд!». Следует сказать, что в недавно появившейся ОС Microsoft Vista есть встроенный голосовой модуль. «Понимает» он только английский язык, предварительно требует обучения пользователя и управление машиной осуществляется посредством набора голосовых команд, похожих на вышеупомянутую. К примеру: «Double click to my computer. Double click to local disc c. Double click to music. Double click to song.mp3». В идеале компьютер должен четко «осмысливать» естественную речь человека и понимать, что, к примеру, слова «Хватит!» и «Кончай работу!» означают в одной ситуации разные понятия, а в другой - одно и то же. И, наконец, третья задача состоит в том, чтобы компьютер мог преобразовать информацию, с которой он оперирует, в речевое сообщение, понятное человеку.
Пока окончательное решение имеет лишь третья задача. По сути, она является математической и в настоящее время решена на весьма высоком уровне. В ближайшем будущем стоит ожидать совершенствования технической стороны задачи.
Сложность решения первой задачи состоит в том, что нет чёткой «определённости» (стандарта) расчленения речи на составляющие, в которых содержится смысл. В звуковом потоке, издаваемым человеком, сложно различить отдельные буквы, слоги. К тому же, одинаковые буквы и слоги зачастую в разных ситуациях звучат по-разному. Многие фирмы уже имеют свои методики распознавания речи, как правило, эти методики находятся «под семью замками».
«Восприятие» компьютером сказанного так же далеко от совершенной реализации
Авто - Страница 2 - Форум
