История обработки естественного языка

     Как разработать систему для  обработки естественного языка,  которая пройдет тест Тьюринга? Представим большую таблицу, содержащую  соответствия между предложениями  и их смыслом или предложениями  на одном языке и предложениями  на другом языке. Это похоже  на обман и не передает сути  процесса понимания или перевода  с одного языка на другой. Таблица  должна быть бесконечно большой,  так как количество возможных сочетаний слов неограниченно. Значит, такой подход не решает проблему и нужно достигать цели за счет алгоритмических решений.  

      Типичными крайностями были развитие  теорий, в которых не уделялось  должного внимания данным (подход  «сверху-вниз»), и запоминание данных  без включения логического подхода  (подход «снизу-вверх»). История исследований  машинного перевода  в дальнейшем  – это, во многом, борьба между  этими двумя подходами.  

       Сначала очевидным казалось обратиться  за помощью к лингвистике. Литература 50-х годов свидетельствует о  растущей осведомленности лингвистов  в проблематике машинного перевода. Для молодых исследователей в  области языкознания тема машинного  перевода становится достаточно  популярной. Хотя можно было бы  поприветствовать стремление смежных  дисциплин внести вклад в решение  проблемы, но до некоторых пор  оставалось непонятным в чем  этот вклад состоит, так как  подходящей для цели машинного  перевода теории в языкознании  не существовало.

 Используемый  в это время вариант подхода  «снизу-вверх» был частью общенаучного  течения, называемого структурализмом.  Структурализм в случае АОТ  – это попытка преобразования  спекулятивной лингвистики в  науку о языке.  Невозможно  покрыть все аспекты живой  речи. Но лингвисты восприняли  эту невозможную задачу как  вызов для себя.   

   Они фокусируются на специфических  феноменах и производят выводы, основанные на любых языковых  феноменах, о которых они когда-либо  слышали. Создаются массивные  базы данных образцов предложений,  которые лингвисты хранят и  организовывают для своих нужд.   

   Неудачи подводят исследователей  этого периода к  выводу: субъективные  спекуляции полученные из наблюдений  над данными не могут прояснить  природу языка.  

   Ситуация изменилась в 1957 году  с публикации работы молодого  американского лингвиста Ноама  Хомского «Синтаксические структуры». Положения, развитые в этой  статье до сих пор являются  в АОТ доминирующими. Хомский  сделал революции в лингвистике  и, вероятно, сделал это без  посторонней помощи. Он представил  идею порождающих (генеративных) грамматик. основанные на правилах  описания синтаксических структур. Хотя многие не приняли идею  Хомского о продуцировании альтернативных  лингвистических формализмов и  его метода извлечения лингвистических  данных, почти все работы в  области АОТ с 1957 года были  отмечены его влиянием.

Хомский считал способность к языковому  общению заложенной в человека генетически, врожденной, поэтому поддержал идею возможного открытия природы языка  через исследование способности  человека к языковому общению. Очевидно, область исследований ограничивается бессознательным представлениями  о грамматике(синтаксисе), а семантика  исключалась из рассмотрения.

   Работы Хомского послужили началом  рационалистического направления  в компьютерной лингвистике. Исходная  точка рационализма - компьютерные  модели, независимые от языка.  Модели лучше всего принимаются,  когда они настолько просты, насколько  это возможно. Здесь можно провести  параллель с идеей Соссюра  отделить язык от реального  мира.  

      С самого начала этот подход  не дал хороших результатов,  но поскольку работы в этом  направлении упорно продолжались, результаты стали несколько лучше,  чем у систем, исповедовавших  подход «снизу-вверх». Теория универсальной  грамматики Хомского давало схему,  независимую от индивидуальных  особенностей конкретного языка.  Синтаксис лучше всего соответствовал  моделям независимых языков, в  которых только языки принимались  в расчет.  

     Ранние исследователи машинного  перевода поняли, что машина не  может перевести введенный текст  без дополнительной помощи. Учитывая  нехватку лингвистических теорий, особенно до 1957 года, кое-кто предлагал  предварительно редактировать тексты  таким образом, чтобы отмечать  в них трудности, например, чтобы  разрешить омонимию. А поскольку  системы машинного перевода не  могли производить правильный  результат, текст на целевом  языке должен был быть отредактирован, чтобы стать понятным.  

     Идея предварительного и последующего  редактирования текста породила  идею, что компьютер может быть  использован для оказания помощи  человеку в областях, с которыми  компьютер не в состоянии пока  справляться своими силами. В  области машинного перевода компьютер  может действовать как память-хранилище,  освобождая человека от необходимости  знать огромное количество слов. Бар-Гиллель рассмотрел область  исследований и пришел к выводу, что Полностью Автоматический  Высококачественный Перевод (FAHQT – Full-Automatic High-Quality Translation) не возможен без знаний. Он также пришел к выводу, что многочисленные проекты, в которых перевод сводился главным образом к попарной замене слов одного языка на слова другого, были изначально обречены на провал даже с учетом многочисленных заплаток и расширений. Причина проста: переводчик-человек добавляет свое понимание документа, который нужно перевести, к своим знаниям о структурах языка, с которым он работает. Там остаются некоторые конструкции, которые требуют понимания документа или пути, по которому представления о мире и предметной области могут быть представлены. Во многих языках трудно понять, что имеет в виду говорящий предложение типа:  

«Она  надела красные туфли  и чулки».   

      Были ли чулки тоже красными? Во многих случаях это не  имеет значения, но если система,  например, анализирует свидетельские  показания, значение таких деталей  может существенно возрастать.

Комментарии Бар-Гиллеля оказали долговременное влияние на восприятие практичности АОТ и машинного перевода, в  частности. Другим обличающим фактором были размеры продаж систем. Исследовательские  проекты должны были иметь постоянное и долгосрочное финансирование, чтобы  удерживать членов групп разработчиков  вместе. В ситуации, когда есть много  групп, работающих в одной и той  же базовой области, крайне важно  уметь показывать, что был достигнут  значительный прогресс. Спонсоры хотели видеть четкую практическую демонстрацию результатов от их финансирования. Продажи систем машинного перевода были убыточными до середины 1960-х годов. Этому не способствовало даже наивное  стремление некоторых представителей прессы подать с блеском некоторые  разработки. Одним из примеров этого  была организация презентации Джорджтаунской системы 7 января 1955 года. Сейчас, спустя полвека после этого, система  представляется невероятно сырой, для  которой  не было никакой надежды  когда-либо воплотиться в какое-то проявление практического машинного  перевода.

В США  финансирование машинного перевода в середине 1960-х годов достигало 20 миллионов долларов. Консультативный  Комитет по автоматической обработке  языка (ALPAC – Automatic Language Processing Advisory Commitee) выпустил отчет о результатах финансирования в котором сделал вывод, что «машинный перевод общенаучного текста не получен и нет перспектив его получения в близком будущем».

Финансирование  машинного перевода в США было остановлено, что в конечном итоге  привело и к остановке разработок в АОТ, не связанных с машинным переводом. Это также послужило  толчком к остановке финансирования разработок в других странах и  развитие АОТ вступило в неактивную фазу.      
 
 
 
 

2.2. АОТ с 1966 по 1980 год  

Некоторые историки свидетельствуют о том, что АОТ практически исчезла  со сцены после доклада ALPAC. Это не в полной мере соответствует действительности. Безусловно верно и то, что разработок стало значительно меньше, а работы по машинному переводу были практически свернуты больше чем на 10 лет. Тем не менее, в течении 15 лет после доклада ALPAC произошел ряд значительных событий, некоторые из которых повлияли и на сегодняшнее положение дел в этой области науки.

Ключевыми идеями, появившимися в этот период, были Расширенная Сеть Переходов, Грамматика Падежей и процедурная семантика.   

Расширенная Сеть Переходов (ATN – Augmented Transition Network).   

    Расширенная Сеть Переходов представляет собой образец программного обеспечения, продемонстрировавшего возможность использования достаточно мощных грамматических средств для обработки синтаксиса. Неправильно думать о ней только как о средстве обработки синтаксиса, потому что это нечто большее, чем просто реализация поискового алгоритма. Она представила формализм для выражения знаний о предметной области (знания записывались в виде расширенной сети переходов). Был также представлен способ использования этих сетей для поиска путей решения проблем. Применительно к АОТ речь шла о знаниях синтаксиса английских предложений, а проблемой, которую система должна была решать, был синтаксический разбор этих предложений.  

Грамматика  Падежей (Case Grammar).  

   Грамматика падежей привлекательна  с точки зрения семантики. Многие  языки, например английский (русский  в меньшей степени), выражают отношения  между глаголами и существительными  главным образом посредством  связующих предлогов. Рассмотрим следующее предложение:  

   John bought a ticket for Mary in the Symphony Hall Booking Office.

   (Джон купил билет для Марии в кассе заказов симфонического зала)  

Мы знаем  из позиции слов John и ticket, что Джон является агентом, производящим действие, а билет является объектом (или пациентом) этого действия. Мы знаем также, что Мэри является бенефициаром (тем, кто извлекает пользу) действия, так как перед ее именем употреблен предлог for. Местом действия является касса заказов симфонического зала, на что указывает предлог in.   

Чарльз  Филмор (Fillmore) заметил, что некоторые языки не имеют предлогов, но и в них существительные отвечают тем же ролевым классам. В разных языках используются различные способы выражения той же самой информации. Например, это может быть достигнуто посредством использования окончаний или жесткого порядка слов в предложении. ( В русском языке для выражения семантической роли в разной степени служат и предлоги и окончания и положение слова в предложении). Филмор предположил, что существует очень небольшое число глубинных падежей (deep cases), которые выражают возможные отношения между глаголом и существительным в предложении. Разные языки выражают эти глубинные роли разными способами, такими как порядок слов, местоимения, словоизменение (например, изменение окончаний слов).

Значение  этого предположения для АОТ  в том, что оно позволяло достаточно легко создать теорию о том, как  собирать семантическую информацию. Разработка грамматики падежей также  привело к развитию одной из сложных  проблем машинного перевода: перевода предлогов.  

Концептуальная  зависимость и  процедурная семантика.  

В этот период было несколько значительных разработок в обработке семантики. Шэнк (Shank) и его коллеги предложили понятие Концептуальной Зависимости и связанный с ним метод выражения языка посредством семантических примитивов (процедурная семантика). Система была создана так, что в ней в принципе отсутствовала синтаксическая обработка. Килиан (Quillian) разрабатывал идею семантической сети, которая была в различных формах  использована в дальнейшем во многих системах. Уильям Вудс (Woods) использовал идею процедурной семантики для описания промежуточного представления, используемого во взаимодействии системы обработки текста с базой данных.   

Ключевыми разработками в этом периоде были SHRDLU, LUNAR и LIFER/LADDER.