Наш коллега - робот

Вот последнее достижение в этой области - читающий компьютер третьего поколения. Он "умнее" своих предшественников - читает тексты, отпечатанные шрифтами двадцати пяти различных видов. "Тренировочная фаза" в течение 15-20 минут позволяет прибору переходить на другой вид шрифта. Машина работает по принципу "оптического ощупывания" со скоростью 20-30 печатных знаков в секунду. Существуют и разработки, нацеленные на распознавание рукописного текста.

Однако проблема восприятия информации "с голоса" гораздо сложнее. Печатный текст формируется из четких знаков - букв, живая речь из атомов речи - звуков или, как их называют специалисты, - фонем (отсюда "фонетика" - наука о правильном произношении). Как объект физического анализа каждый звук речи отличается от другого и частотой, и продолжительностью, и интенсивностью. Кроме того, в речи нет четких границ между звуками, как между буквами в тексте, и это сильно затрудняет распознавание по сравнению с любым печатным текстом. Одни специалисты пытаются распознавать речь по частотным характеристикам, присущим звучанию каждой буквы (заметим, что в некоторых буквах несколько фонем). Другие - по группе фонем, составляющих слог, так как распознавание многих фонем вне контекста очень трудно.

Для того чтобы понять, сколь сложна проблема звукового распознавания человеческой речи, уместно привести такой почти анекдотический пример. В одном научно-исследовательском институте, расположенном на Кавказе, была построена кибернетическая черепаха, которая выполняла фиксированный набор команд, подаваемых голосом. На торжественную демонстрацию съехались гости. Черепаха была послушна своим создателям, но "принципиально" отказалась слушаться гостей. Как выяснилось в результате пристрастного разбирательства, гостям она не повиновалась по одной простой причине... команды нужно было произносить с "кавказским акцентом". То, что мы называем кавказским акцентом, всего лишь связано с повышенным участием в произношении некоторых звуков гортани.

Проблема машинного слуха настолько сложна, что не имеет имитационных аналогов механического моделирования в глубинах истории. Анналы техники не сохранили нам достоверных сведений о слушающих андроидах. То ли слуховой аппарат человека оказался слишком замысловатым для чисто механического подражания, то ли роль мозга оказалась слишком велика в слуховом процессе, по крайней мере, проблема машинного слуха так же, как и зрения, стала актуальной лишь на электронном уровне. К сожалению, известный нам микрофон еще меньше напоминает человеческое ухо, чем телекамера человеческий глаз.

Имевшиеся в распоряжении ученых ЭВМ поначалу с трудом справлялись с предлагаемым им объемом "распознавательных" работ. Они реагировали далеко не на каждый голос, а лишь на тот, на который они настроены заранее. К тому же у них был ограниченный словарный запас.

Загвоздка состоит в следующем: число возможных вариантов спектра фонем, учитывая словарное богатство каждого языка, выражается астрономической величиной, и это не считая того, что спектры даже одинаковых слов разнятся в зависимости от индивидуума, их произносящего. Более того, даже один и тот же человек в течение одной недели, даже нескольких часов будет произносить одни и те же слова совершенно по-разному.

Первые акустические системы безошибочно распознавали лишь отдельно сказанные буквы алфавита, следующие - отдельные слова команд, четко произнесенные в микрофон. Однако понимающий робот "слушался" лишь голоса своего "хозяина" и делал это очень хорошо. Во время работы он самостоятельно приспосабливался к "постоянно меняющейся языковой манере человека". Другим людям, которые вступали в контакт с роботом и произносили в микрофон буквы или цифры, удавалось его "обмануть". Но это бывало лишь тогда, когда голос говорящего напоминал голос "хозяина". Конечно, "привыкание" машины к другим голосам не связано с какими-то непреодолимыми трудностями, просто компьютер вырабатывает "модель голоса данного индивидуума". Для этого необходимо ввести в память ряд звуковых проб со словами, которые машина должна понимать.

Можно не сомневаться, что в будущем понимающие наш язык аппараты, если мы хотим, чтобы они утвердились в производстве и быту, должны обладать такой степенью приспособляемости, чтобы узнавать голоса любых людей и выполнять любые команды.

В настоящее время уже нашли применение около пятисот систем распознавания речи. Они используются при контроле качества продукции на конвейерах, при управлении станками, сортировке товаров и багажа в аэропортах, с целью включения электроприборов, вызова врача или медсестры, в системах программированного обучения, опознавания личности и т. д. и т. п.

Имеются практические примеры применения понимающих речь роботов и в непромышленной сфере.