14.1. Машинное распознавание речи

Например, психическая деятельность человека включает способность расшифровывать 2500 алфавитно-цифровых знаков в минуту в произнесенные слова, каждое из которых есть последовательность из более чем 40 фонем, образуемых координированными движениями лицевых, горловых и легочных мышц, и способность переводить функцию давления p(t) в такие последовательности.

До сего времени даже эта вторая рутинная задача была слишком тяжела для машинных программ. Однако за истекшие 20 лет в механизации распознавания речи произошел известный прогресс. Наилучшие результаты были получены с двоичными критериями различения фонем, весьма отличными от тех приемов гармонического анализа, которыми пользовались Гельмгольц и его последователи. Эти критерии были предложены Якобсоном (см. Locke [32, с. 104—118, рус. пер., с. 147—165]) и применялись также Питерсоном и Харари [28, с. 139—165]. Независимо от того, насколько здесь повлияла идея двухпозиционности нейронов (см. § 12), эти двоичные модели кажутся мне более близкими к истине, нежели модели, основанные на разложении Фурье. Более того, они наводят на мысль, что в восприятии речи человеком церебральная переработка играет очень важную роль53. Во всяком случае, до сих пор ни одна машинная программа не была способна распознавать фонемы так же или почти так же хорошо, как люди. О ранних попытках распознавания речи см. Lickli- der and Miller [52, c. 1040—1074, рус. пер. T. 2, c. 643—681] и R. Fatehchand [1, т. 1, c. 193—231]; с голосом одного и того же лица были достигнуты значительные успехи54. Между тем разумные человеческие существа воспринимают гораздо больше, чем цепочки фонем: они могут организовать фонемы в осмысленные слова и предложения. Более того, люди часто узнают оратора, его родной край, его (подлинное или притворное) эмоциональное состояние и замечают звукоподражание55. Подобные возможности существуют и для зрения (каким путем мы узнаем карикатуру на де Голля?). Приведенные выше факты показывают, что Тьюрингово определение «думающих машин», перефразированное в § 6, дает весьма искусственное толкование человеческого общения, когда настаивает на связи по телетайпу. Для моделирования человеческого разума искусственный разум должен располагать также многими другими способами общения. Могут возразить, что тем не менее вся математика допускает эффективную передачу по телетайпу (или, столь же хорошо, на языке символической логики). В следующей части В я попытаюсь убедить вас, что это не так. Хотя я уверен, что искусно программируемые вычислительные машины призваны сыграть важную роль в будущих математических исследованиях, я полагаю также, что проблема механизации математики намного глубже, чем казалось иным теоретикам вычислительных машин.

<< | >>

↑

Источник: Биркгофф Г.. Математика и психология. 1977

Еще по теме 14.1. Машинное распознавание речи: