Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
پرش به محتوا

فهم زبان‌های طبیعی

از ویکی‌پدیا، دانشنامهٔ آزاد
زنی با لباس سنتی ایسلندی به کودک خواندن آموزش می دهد.

فهم زبان‌های طبیعی[۱] به صورت خلاصه NLU یا تفسیر زبان‌های طبیعی[۲] به صورت خلاصه NLI[۳]زیرشاخه‌ای از پردازش زبان‌های طبیعی در ساخت هوش مصنوعی است؛ که در زمینهٔ درک مطلب در ماشین‌ها کار می‌کند. فهم زبان‌های طبیعی در ردهٔ سخت‌ترین مسائل هوش مصنوعی دانسته می‌شود.[۴]

از دید تجاری تمایل زیادی به کار در این زمینه وجود دارد. این تمایل از کاربردهای عملی این فناوری ناشی می‌شود؛ برای نمونه می‌توان به کاربرد در استدلال خودکار،[۵] ترجمه ماشینی،[۶] دسته‌بندی اسناد، جمع‌آوری خبر، پاسخ به پرسش‌ها،[۷] فعال سازی با کمک صدا، فهرست بندی و تحلیل محتوا در ابعاد بزرگ اشاره کرد.

فرآیند فهم زبان‌های طبیعی در اصل پس-پردازش یک نوشته‌ است، پس از آنکه الگوریتم‌های پردازش زبان‌های طبیعی روی آن نوشته انجام شد (مانند شناسایی بخش‌های گوناگون یک سخنرانی). NLU معمولاً پس از پردازش زبان‌های طبیعی (NLP) بر روی داده انجام می‌شود تا معنی و مفهوم تکه‌های متن را پیدا کند و مثلاً مقصود گوینده را در فرمان‌های صوتی پیدا کند. معمولاً مورد تحلیل خود توسط ابزارهای تشخیص مانند بازشناسی گفتار به‌دست می‌آید. NLU معمولاً ساختاری از مفاهیم (ontology) مربوط به محصول مورد نظر دارد تا بتواند با استفاده از آن مقصود نویسنده یا خواننده را پیدا کند.

پیشینه

[ویرایش]

برنامهٔ دانش آموز یا STUDENT یکی از نخستین تلاش‌هایی است که برای فهم یک زبان طبیعی توسط رایانه صورت گرفت. این برنامه را دنیل بابرا برای پایان‌نامه دکتری اش در MIT نوشت.[۸][۹][۱۰][۱۱][۱۲] هشت سال پس از او جان مک‌کارتی نشان داد که چگونه می‌توان کاری کرد که رایانه زبان جبری را درک کند.

جستارهای وابسته

[ویرایش]

منابع

[ویرایش]
  1. Natural-language understanding
  2. Natural-language interpretation
  3. Semaan, P. (2012). Natural Language Generation: An Overview. Journal of Computer Science & Research (JCSCR)-ISSN, 50-57
  4. Roman V. Yampolskiy. Turing Test as a Defining Feature of AI-Completeness. In Artificial Intelligence, Evolutionary Computation and Metaheuristics (AIECM) --In the footsteps of Alan Turing. Xin-She Yang (Ed.). pp. 3-17. (Chapter 1). Springer, London. 2013. http://cecs.louisville.edu/ry/TuringTestasaDefiningFeature04270003.pdf
  5. Van Harmelen, Frank, Vladimir Lifschitz, and Bruce Porter, eds. Handbook of knowledge representation. Vol. 1. Elsevier, 2008.
  6. Macherey, Klaus, Franz Josef Och, and Hermann Ney. "Natural language understanding using statistical machine translation." Seventh European Conference on Speech Communication and Technology. 2001.
  7. Hirschman, Lynette, and Robert Gaizauskas. "Natural language question answering: the view from here." natural language engineering 7.4 (2001): 275-300.
  8. American Association for Artificial Intelligence Brief History of AI [۱] بایگانی‌شده در ۱۰ مارس ۲۰۱۰ توسط Wayback Machine
  9. Daniel Bobrow's PhD Thesis Natural Language Input for a Computer Problem Solving System.
  10. Machines who think by Pamela McCorduck 2004 شابک ‎۱−۵۶۸۸۱−۲۰۵−۱ page 286
  11. Russell, Stuart J. ; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach Prentice Hall, شابک ‎۰−۱۳−۷۹۰۳۹۵−۲, http://aima.cs.berkeley.edu/, p. 19
  12. Computer Science Logo Style: Beyond programming by Brian Harvey 1997 شابک ‎۰−۲۶۲−۵۸۱۵۰−۷ page 278