Ассоциативный интеллект.


Компьютеры на сегодняшний момент могут почти всё. Единственное что они не могут делать – это думать и понимать человека. Проблема искусственного интеллекта уже давно волнует умы учёных, но решена она так и не была. Врят ли когда-либо удастся создать действительно думающую машину, а вот добиться того, чтобы компьютер научился понимать человека – более выполнимая задача.
В чём же заключается понимание компьютером человека? Компьютер должен воспринимать сообщаемую ему человеком информацию, переводить её в понятную для себя форму, обрабатывать её, в соответствии с поступившей информацией, совершать необходимые действия и выдавать результат в понятной и удобной для человека форме.


Понимание у человека.

Как понимание происходит у человека? Рассмотрим такой пример: вам жалуется ваш друг: “Вчера опять пень повис”.
Всякому не полному ламеру понятно, что это вовсе не пенёк, “на котором старушкам хорошо сидеть”, взлетел в воздух и завис там, а у друга в который раз случился сбой в работе компьютера, в результате чего он перестал реагировать на любые действия.
Это становится понятным путём расшифровки понятий с помощью ассоциаций, возникаемых у человека на каждое слово:
“Пень” - Pentium - Компьютер.
“Повис” - перестал работать.
“Вчера” - день назад.
“Опять” - это произошло не в первый раз.
То есть одни слова выражаются через другие, ассоциируемые с ними. И наоборот, по ассоциациям можно найти неизвестное слово.
Например: какие ассоциации возникают у вас на слова: солнце, пляж, купаться, волны? – Скорее всего вы вспомните о море. Поэтому, если в предложении “солнечный пляж и тихие волны манили искупаться в тёплом …” вы встретите эти слова, то вместо многоточия, скорее всего, вы подставите слово “море”.
Это похоже на популярную телеигру “Сто к одному” или “Пойми меня”, где участники должны дать наиболее понятные и популярные ассоциации на заданное слово.
Это не слишком сложно, и с такой подстановкой сможет справится и компьютер, ему лишь необходимы правильные ассоциации, которые он сможет использовать при подстановке неизвестных слов.
У человека они возникают на основе жизненного опыта, устного общения. Компьютер же лишён всего этого, но это всё: и жизненный опыт, и примеры общения – диалоги, и многие другие знания накопленные человечеством отражены в письменных источниках – книгах, газетах и т.д. – любых текстах.
То есть всё, что необходимо – это электронные тексты, уже есть. Надо лишь свести их в более удобную для поиска ассоциаций базу, и создать алгоритм поиска.


База знаний.

Наиболее удобно и эффективно создать базу “по образу и подобию” человеческого интеллекта. У человека информация о каком – либо объекте скорее всего хранится вместе: то есть образ “дом” хранит в себе и картинку дома, и произношение слова “дом” , и способ его написания. А при чтении, восприятии и запоминании чего – либо в голове возникают не слова, а образы, которые могут быть логически связаны между собой.
Поэтому логично будет создать базу, состоящую именно из образов, каждый из которых будет хранить всё, что машине известно о нём, а так же логические связи с другими образами. Тогда тексты в этой базе будут не просто набором слов, а связной последовательностью образов.
Так как основой базы будут являться тексты, то основой для создания образа будет слово – его название. Оно дополняются необходимой информацией – его значением, определением, его частью речи(существительное, глагол…), набором синонимов и антонимов. Все известные машине слова образуют словарь.

Чтобы представить текст в виде связного набора образов, необходимо каждому слову из данного текста, находящемуся в словаре, добавить ссылки или указатели на предыдущее и последующее слово из текста. Таким образом, все образы в тексте будут связаны друг с другом.
На-улице -шёл- дождь.
Вчера -шёл- снег.

Так как каждое слово может использоваться в каждом тексте не один раз, а текстов может быть множество, то у каждой ссылки должен быть идентификатор текста, к которому она относится, а располагаться они должны в порядке их использования в тексте. Эти ссылки обеспечивают навигацию по тексту как вперёд так и назад и обеспечивают прочтение всего текста отталкиваясь от одного слова.
Такая форма построения базы наиболее удобна для быстрого и эффективного поиска ассоциаций.

Чтобы найти слова, ассоциируемые с некоторым словом, нужно найти слова, чаще всего используемые во фразах с данным словом. Для этого просто необходимо просмотреть все ссылки, исходящие от этого слова и подсчитать частоту использования встречающихся слов. Слова, используемые чаще всего, вероятно и будут ассоциациями на данное слово.

Кроме того, любому тексту, любой фразе или любой ассоциации можно придать свой “вес”, который будет учитываться при подсчёте использования слов. Например наибольший вес будут иметь синонимы слова, определения, словарные статьи; наименьший – шутки, анекдоты и т.д. При накоплении новых знаний “веса” различных фраз могут пересчитываться, при интеграции информации в основную базу. Этот процесс требует больших вычислительных затрат при обработке всей базы, и, возможно, он эквивалентен режиму сна у человека.

В результате мы получили систему, которая на основе введённых текстов может подбирать к словам правильные ассоциации так, как это бы сделал человек – назовём её системой с ассоциативным интеллектом.

Что это даёт? Рассмотрим пример.
Даётся предложение с неизвестным словом: “В реке хорошо ловится ?ы?а.”, где ? – неизвестный символ.
Что бы определить неизвестное слово можно применить средства проверки орфографии, но они, скорее всего, не смогут найти правильное, или выдадут список из нескольких слов, которые более или менее подходят, но выбрать из них правильное они не смогут.
Система, наделённая ассоциативным интеллектом, может пойти дальше. Взяв каждое слово из списка, она пробегает по всем ссылкам исходящим от этого слова (то есть просматривает все предложения, в которых находится это слово) и ищет слова содержащиеся в данном предложении. При этом наибольшее внимание уделяется существительным и глаголам так как они несут наибольшую смысловую нагрузку. Слово из списка с наибольшим количеством совпадений и будет искомым словом.



Примеры использования ассоциативного интеллекта.

Область применений систем с ассоциативным интеллектом – там, где необходимо понимание компьютером человеческого языка.

Проверка орфографии.
Наиболее просто применять такие системы при проверке орфографии, так как они сами состоят из большинства применяемых слов и предложений, которые можно использовать как образцы при проверке синтаксиса и пунктуации.

К системе можно добавить самообучающуюся программу, которая на основе введённых предложений формирует грамматические правила, то есть изучает правила формирования предложений.
С помощью сформированных правил можно научить машину строить свои, новые предложения, которых нет в базе.


Словарь.
К каждому слову в базе можно добавить его определение, описание или словарную статью. Это будет наиболее точная и ценная информация о данном понятии, которую так же можно будет использовать для поиска ассоциаций. Кроме того у системы появятся функции словаря.


Поисковая система.
Поисковая система с ассоциативным интеллектом сможет вести поиск не только по введённому слову, но и по ассоциациям, возникающим на это слово. Благодаря этому возможности поиска намного расширятся. Одновременно, система сможет выделять из множества найденных текстов наиболее подходящие, то есть содержащие наибольшее число ассоциаций на данное слово.


Связный текст.
Возможности связного текста намного больше чем у современного гипертекста. Например поиск в нём осуществляется практически мгновенно так как нет необходимости просматривать весь текст, нужно лишь найти слово в базе знаний, в которой находится этот текст, а все предложения содержащие его будут найдены по ссылкам от этого слова.