Skip to main content
LibreTexts - Ukrayinska

3.1.2: Неоднозначність машиною

  1. Last updated
  2. Save as PDF
  • Page ID
    53159

    • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

    Які вказівки ви даєте комп'ютеру, коли хочете, щоб він неоднозначний, будучи чутливим до контексту? Вам потрібно навчити його використовувати відповідні фонові знання, закодовані в його базі даних. Наприклад, припустимо, що ви хочете побудувати комп'ютер, назвемо його Watson, щоб зрозуміти англійську, а потім перевести англійську на іншу мову. Як Уотсон впорається з цими двома реченнями?

    Час летить, як стріла в небі.
    Плодові мухи люблять банан.

    Коли ви читаєте ці два речення, ви несвідомо зрозуміли, що мухи - це дієслово в першому реченні, але не в другому. Значна частина нашого розуміння англійської мови вимагає великої кількості несвідомих неоднозначностей такого роду. Було б вкрай складно запрограмувати Уотсона з усім, що йому потрібно «знати», щоб зробити подібну обробку для всіх можливих англійських речень.

    Щоб вивчити цю проблему далі, спробуйте осмислити наступне твердження:

    Кури готові до вживання.

    Чи готові кури щось зробити, або їх ось-ось з'їдять? Жодна проблема неоднозначності не виникає з цим граматично подібним твердженням:

    Стейки готові до вживання.

    Коли ви читаєте це твердження, ви несвідомо шукали свої знання про те, чи є стейк тим, що їсть інші речі, і тоді ви змогли виключити це тлумачення твердження. Для цього складно запрограмувати комп'ютер. Якщо коли-небудь буде штучно інтелектуальна комп'ютерна програма, яка використовує фонові знання для усунення неоднозначності, то хтось повинен буде доручити йому робити всю обробку інформації, яка робиться несвідомо нами людьми, які природно розумні.

    У 1950-х роках, коли почалася сфера інформатики, багато комп'ютерних дизайнерів і програмістів висували радикально оптимістичні претензії щодо того, як вони опинилися на межі автоматизації розуміння мови та перекладу мови. Уряд США був переконаний, і він вклав великі гроші в спроби автоматизувати мовний переклад. Наприклад, він профінансував проект з розробки комп'ютерної програми, яка могла б легко перекладати з англійської на російську, а також з російської на англійську. Після багатьох років важких інвестицій один із дослідників перевірив основний продукт усіх цих зусиль, годуючи наступним англійським реченням:

    Дух бажає, але плоть слабка.

    Потім дослідник взяв російський вихід і подав його в машину для перекладу назад на англійську мову, очікуючи отримати щось близьке до вихідного речення. Ось і вийшов результат:

    Горілка міцна, але м'ясо гниле.

    Як наслідок, уряд різко скоротив кошти на машинний переклад.

    Ці приклади невдачі машинного перекладу показують нам, що неоднозначність є серйозною перешкодою для будь-якого механічного поводження з розумінням мови.