Обработка Естественного Языка

Оно изучает проблемы компьютерного анализа и синтеза текстов на естественных языках. Применительно к искусственному интеллекту анализ означает понимание языка, а синтез — генерацию грамотного текста.

Теоретически, построение естественно-языкового интерфейса для компьютеров — очень привлекательная цель. Ранние системы, такие как SHRDLU, работая с ограниченным «миром кубиков» и используя ограниченный словарный запас, выглядели чрезвычайно хорошо, вдохновляя этим своих создателей. Однако оптимизм быстро иссяк, когда эти системы столкнулись со сложностью и неоднозначностью реального мира.

Понимание естественного языка иногда считают^[кто?] AI-полной задачей, потому как распознавание живого языка требует огромных знаний системы об окружающем мире и возможности с ним взаимодействовать. Само определение смысла слова «понимать» — одна из главных задач искусственного интеллекта ^{[источник не указан 701 день]}.

В русском языке

Качество понимания зависит от множества факторов: от языка, от национальной культуры, от самого собеседника и т. д. Вот некоторые примеры сложностей, с которыми сталкиваются системы понимания текстов.

• Сложности с раскрытием анафор (распознаванием, что имеется в виду при использовании местоимений): предложения «Мы отдали бананы обезьянам, потому что они были голодные» и «Мы отдали бананы обезьянам, потому что они были перезрелые» похожи по синтаксической структуре. В одном из них местоимение они относится к обезьянам, а в другом — к бананам. Правильное понимание зависит от знаний компьютера, какими могут быть бананы и обезьяны.
• Свободный порядок слов может привести к совершенно иному толкованию фразы: «Бытие определяет сознание» — что определяет что?
• В русском языке свободный порядок компенсируется развитой морфологией, служебными словами и знаками препинания, но в большинстве случаев для компьютера это представляет дополнительную проблему.
• В речи могут встретиться неологизмы, например, глагол «Пятидесятирублируй» — то есть высылай 50 рублей. Система должна уметь отличать такие случаи от опечаток и правильно их понимать.
• Правильное понимание омонимов — ещё одна проблема. При распознавании речи, помимо прочих, возникает проблема фонетических омонимов. Во фразе «Серый волк в глухом лесу встретил рыжую лису» выделенные слова слышатся одинаково, и без знания, кто глухой, а кто рыжий, не обойтись (кроме того, что лиса может быть рыжей, а лес — глухим, лес также может быть рыжим (характеристика, в данном случае обозначающая преобладающий цвет листвы в лесу), в то время как лиса может быть глухой, что порождает дополнительную проблему, вытекающую из предыдущей, хотя и отчасти компенсируется морфологией — у прилагательных в данном предложении род явно разный).

Популярные задачи:

1. Распознавание речи
2. Анализ текста
   • Извлечение информации
   • Информационный поиск
   • Анализ высказываний
   • Анализ тональности текста
   • Вопросно-ответные системы
3. Генерирование текста
4. Синтез речи

Задачи анализа и синтеза в комплексе:

• Машинный перевод
• Автоматическое реферирование, аннотирование или упрощение текста

Общая классификация:

1. Категоризация текстов
2. Классификация последовательностей символов
   1. Распознавание именованных сущностей
   2. Определение частей речи слов
3. Распознавание фраз
4. Извлечение информации из текста
5. Синтаксическая аннотация
6. Семантическая аннотация
7. Генерирование текста
   1. Генерация текста на основе распознанной речи
   2. Машинный перевод
   3. Обобщение текста

• AlchemyAPI
• Expert System S.p.A.
• General Architecture for Text Engineering (GATE)
• Modular Audio Recognition Framework
• MontyLingua
• Natural Language Toolkit (NLTK)

• Математическая лингвистика
• Информационный поиск
• Виртуальный собеседник
• Робот (программа)