Разговор з машиною: міфи й реалії мовного управління

Разговор з машиною: міфи й реалії мовного управления

Почуев Сергій Іванович саме, д.т.н., профессор.

На науково-популярному рівні викладено нові технико-эргономические психологічні принципи і до створення та використання природно мовного інтерфейсу «людина-машина» керувати складними технічними системами.

Введение

С моменту появи перших «інтелектуальних» машин (під «інтелектуальної» машиною далі розуміється об'єкт штучного походження, здатний сприймати і раціонально використовувати інформацію, передану їй у будь-який формі людиною, до виконання певних цільових дій) люди прагнуть максимальному зручності управління ними. Це прагнення знаходить своє вираження як і конкретних технічних розробках, і у неусвідомлених і усвідомлених мріях людей про думаючих, розуміють чоловіки й розмовляючих з нею помічниках, мають штучну природу. Прикладів далеко ходити зайве. Досить згадати Али-Бабу, дистанційно управляв дверима печери з скарбами з допомогою сакраментальній мовної команди «Сезам відкрийся!», героїв численних науково-фантастичних романів і навіть пушкінську царицю, періодично консультирующуюся з диво дзеркальцем з приводу власної зовнішності. У разі ми, очевидно, маємо працювати з геніально предугаданным прообразом системи глобального моніторингу жінок, пов’язану з експертної системою визначення рівня половини їхньої вроди й оснащеною природно мовним интерфейсом…

В час спроби створення такого інтелектуального мовного інтерфейсу «людина-машина» дедалі більше переміщаються зі світу казок на реальну життя, а відповідні системи прагнуть зайняти своє місце під сонцем в кабінах літаків, рубках кораблів, трубках цих апаратів, «мізках» роботів і т.п.

Вместе про те обсяг використання естественно-речевых технологій у практиці управління складними технічними системами до нашого часу дуже невеликий, незважаючи на очевидну привабливість такого способу спілкування з «інтелектуальної» машиной.

Более того, ми всі є свідками те, що різноманітні, постійно совершенствуемые електронні прилади як побутові, і використовувані в різної професійної діяльності людей, продовжують «обростати» все новими багатофункціональними кнопками, значення яких немає може швидко запам’ятати і змогли ефективно використати, надто за умов можливий дефіцит часу, жодна нормальна людина. Через війну, зростаючі функціональні можливості техніки часто виявляються нереалізованими, а часом з’являтимуться нові електронних пристроїв человеком-оператором перетворюється на болісний процес запам’ятовування багатотомних інструкцій і наставлений!

Что потрібно зробити у тому, щоб люди підважували і хотіли розмовляти з машинами, а машини відповідали їм взаимностью?

Отвечая цей непросте питання, сучасні вчені часто покладають надії важко здоланні технічні складності надійного розпізнавання природною злитої людської мови і її значеннєвий інтерпретації машиною. З даними твердженнями багато в чому слід погодитися. Це насамперед, стосується істотних обмежень створених на сьогодні алгоритмів штучного інтелекту, програм розпізнавання злитої мови і, часом, недостатніх реальні можливості апаратної частини сучасних компьютеров.

Однако, ми маємо працювати з управлінням складної технічної системою та не хочемо неї породження нових знань чи оперативного освоєння (розуміння) нових команд, ситуація спрощується. У означеному разі потрібен не мудрий з головою співрозмовник, а розумний і дружелюбний виконавець нашої волі, який за рішенні тій чи іншій функціональної завдання без шкоди кінцевого успіху може бути обмежено у словах і действиях.

Как не згадати наших чотириногих улюбленців, яких ми звикли вважати розумними, якщо вони знають десяток команд і даремно не гавкають … Автор далекий до думки проводити буквальне порівняння, ніж скривдити ні собак, ні машини. Кожні по-своєму хороші! Разом про те, абсолютна більшість сучасних технічних систем будуватися у такий спосіб, щоб у безліч ситуацій зовнішнього світу реагувати великим, але кінцевим кількістю дій. Це першу чергу, стосується т.зв. разових команд, визначальних режими роботи того чи іншого технічного устрою. Згадайте важіль покажчика повороту на Вашем автомобілі, кнопку «START» на відеокамері тощо. Знаходячись у будь-якій точці земного кулі і, будучи дисциплінованим водієм, Ви будіть діяти однаково, вказуючи поворот. Ваші стандартні маніпуляції з відеокамерою спершу зйомки також неможливо залежить від обраного сюжету, а визначаються її конструкцией.

Таким чином, працюючи з фіксованою словником мовних команд, можна домагатися досить вражаючих результатів з погляду підвищення комфортності і оперативності управління різними технічними пристроями і системами, в повною мірою насолоджуючись ілюзією їх интеллектуальности.

Данный висновок не претендує на новизну, т.к. ще 30 тому, і може бути і більш, фахівці пророкували блискуче майбутнє подібним системам. Але, повторюся, передбачення зазнали краху, попри неабиякі успіхи у сфері підвищення надійності розпізнавання мови, особливо команд з обмеженого набора.

Мифы про мовному управлінні не стали широкої повсякденної практикою! Почему?

В ролі головних причин подібному явищу зазвичай называют:

— существенную залежність надійності розпізнавання від індивідуальних особливостей диктора (наприклад, він шепелявий і зовсім інший, хто вже навчав машину);

— подчиненность результатів розпізнавання поточному психофизиологическому стану людини (наприклад, оператор «з великого бодуна», застуджений чи сильно наляканий наближенням Землі чергового астероида);

— сильное вплив акустичних перешкод, присутніх у ситуаціях реальному житті (наприклад, йде мова, а поруч стогне мотор старих «Жигулей»).

— наличие користувальницького стереотипу управління (наприклад, аргументи оператора типу: «мене вчили, мені так зручніше, я двадцять років успішно натискаю на кнопки і збираюся вимовляти Ваші безглузді команды!»).

Рискну припустити, що не лише, і може бути розглянуті і й не так у тих причинах (остання причина, до речі, скоріш не причина, а слідство низького рівня эргономичности нечисленних реальних систем мовного управления).

Организация мовного діалог із машиною це боротьба за високій надійності розпізнавання людської промови у різних умовах, а й надання самому процесу спілкування певної свідомості, зручності, взаємності, довіри й свого роду психологічної сумісності із боку человека!

Но на цьому боці проблеми мовного управління, на мою думку, нині вченими Франції та конструкторами не приділяють уваги. Тому, абстрагуючись надалі від згаданих раніше «суто розпізнавальних» аспектів мовного управління, зосередимося що на деяких нових технико-эргономических і психологічних засадах і підходах, використання є можуть дозволити прискорити процес впровадження «мовних» технологій у технічну практику.

Дабы зайве не «вантажити» читача, також залишимо залишиться осторонь і важливу суміжний проблему синтезу та ефективного використання мовних з повідомлень, генерируемых машиною, незалежно від мовних команд людини. Благо, то цієї проблеми більш вивчена і приємні жіночі голоси, повідомляють человеку-оператору погані новини, уже давно звучать у навушниках пілотів літаків і салонах «крутих» автомобилей.

Итак, будемо думати, що ми маємо справу із певною складної технічної системою, управління якій здійснюється у реальному масштабі часу з допомогою фіксованого набору разових (дискретних) мовних команд. Далі йтиметься саме про такі командах, т.к. людині здійснювати безупинне управління технічної системою, зазвичай, зручніше з допомогою рук, ніг органів управління, у яких перебувають ці та, хто знає, можливо, інші частини тела.

По думці автора, при побудові ефективною і дружелюбній системи мовного спілкування пам’ятаймо і використовувати следующее.

Речевой канал ні бути єдиним можливим на вирішення кожній із функціональних завдань, покладених керовану технічну систему і має використовуватися тільки тоді ми, коли ця справді зручно людині, наприклад за хронічного дефіциту часу, чи велику кількість рутинних тактильних (ручних) операцій.

Словарь машини повинен створюватися і модифікуватися на стадіях проектування й модернізації технічної системи, але не процесі управління нею, з конструктивно закладених у системі логіки праці та реально наявних органів управління і візуальної індикації.

Машина мусить бути толерантна до місцевих умов розпізнавання, таких як: диктор, його психофізіологічне стан, зовнішні шуми.

В загальному разі все апріорно відомі (які у словнику) машині команди будуть доступні до виконання в довільно обраний момент процесу управління. Машина будь-якої миті процесу управління має бути здатна самостійно й без участі людини ідентифікувати підмножина доступних команд на безлічі апріорно відомих, яким її заздалегідь навчили.

Машина повинна «інтелектуально» чи, по крайнього заходу, «человекоподобно», реагувати на результати розпізнавання команд своїми відповідними словами та своїми діями. Для цього вона повинна мати можливість самостійно контролювати надійність розпізнавання кожної мовної команди, і раціонально використання цієї інформації, наприклад, у тому, щоб перепитати людини у сумнівних випадках чи попередити його стосовно можливої помилці.

Необходимо забезпечити можливість апріорній і оперативної (принаймні) чи адаптивної (щонайбільше) настройки мовного інтерфейсу під конкретного користувача.

В першому випадку на початок чи процесі управління людина або сама вказує машині те, як вона повинна переважно поводитись процесі спілкування з нею, наприклад, бути мовчазним виконавцем команд, активним полемістом чи бюрократом, що у у відповідь кожну команду затребувана підтвердження їхньому выполнение.

Во другий випадок машина сама повинна підлаштовуватися під людини, аналізуючи його психофізіологічне стан і культурний рівень професійної подготовки.

Человек легко прощає собі помилки управління, але з схильний прощати аналогічні помилки машині, як утім і іншим… Втрата довіри людини до мовному каналу управління внаслідок частих помилок машини чи його у принципі правильного, але незручного в людини поведінки, практично призводить до відмові від використання даного каналу. Тому необхідна високо надійна і проста процедура сертифікації людиною що реалізуються за допомогою мовного каналу управлінські рішення.

Человек може забути відому й вимовити невідому (не що є у Словнику) команду;

Человек може забути логіку роботи керованої їм технічної системи та вимовити недоступну до виконання в момент часу, але апріорно відому для машини команду;

Человек який завжди раціональний і більше, який завжди оптимальний у своїх рішеннях (виголошуваних мовних командах). У необхідних випадках бажана можливість автоматичного формування машиною підказки в людини, у тому які команди у цей час часу є доступними, а які з доступних команд раціональними для цій ситуації управління складної технічної системою. У той самий час, машина має матимуть можливість блокувати волевиявлення людини, виражене у вигляді доступною, але з раціональної на її думку, мовної команди.

Машина може ухвалювати різні правильні рішення з розпізнаванню. Кількість можливих варіантів при раніше прийнятому допущенні про фіксованому наборі мовних команд звісно:

«человеком вимовлена невідома команда —> невідома команда правильно розпізнана машиною»;

" людиною вимовлена відома доступна команда —> відома доступна команда правильно розпізнана машиною «;

" людиною вимовлена невідома недоступна команда —> невідома недоступна команда правильно розпізнана машиною «.

Машина з власної вини або з вини оператора може припускатися певних помилок розпізнавання шести типів. Кількість варіантів також звісно.

«Неизвестная команда —> відома недоступна команда» — (оператор помилився, машина не змогла розпізнати помилку);

«Неизвестная команда —> відома доступна команда «- (оператор помилився, машина не змогла розпізнати помилку);

«Известная доступна команда —-> невідома команда «(помилилася машина);

«Известная недоступна команда —> невідома команда «- (оператор помилився, машина не змогла розпізнати помилку);

«Известная доступна команда —> відома недоступна команда «(помилилася машина);

«Известная доступна команда —> відома доступна команда розпізнана неправильно «(помилилася машина).

Поясним викладені стану та визначимо можливі напрями їх практичного обліку, і применения.

Деление відомих команд на дохідливі і недоступні має здійснюватися, з наявного кінцевого безлічі режимів роботи керованої технічної системи, які, зазвичай, закладаються на етапі її створення. (Йдеться про використанні раніше згаданої принципу кінцевого числа реакцій машини на безліч ситуацій зовнішнього мира.).

Для простоти сприйняття читачем, режим у разі, якщо хочете, — це сукупність натиснутих кнопок управління, а доступна відома команда це чергова кнопка (одне з кількох можливих), яка то, можливо «натиснута голосом» оператора.

Например, на багатьох моделях автомобілів не можна включити «блималку» покажчика повороту при вийнятому ключі запалювання, але в ситуації можна подати звуковий сигнал. У даному иллюстративном прикладі «вийнятий ключ запалювання» — це режим, «блимавка» — це недоступна відома команда, «гудок» — це доступна відома команда для даного режима.

В найбільш загальному разі режим — це сукупність натиснутих кнопок управління, а й сукупність значимих для процесу управління подій, що машина здатна самостійно ідентифікувати й без участі человека.

Например, нехай оглядова система криголама «Титаник-II» здатна самостійно фіксувати факти виявлення з’являються у зоні огляду айсбергів, нумерувати їх і переходити до безперервному супроводу найнебезпечніших і при отриманні команди від капітана судна. У цьому прикладі наступ значимого події - «виявлення айсберга» без особистої участі людини ініціює зокрема можливість використання на новий режим — «супровід айсберга». Для даного режиму характерна відома машині, але раніше недоступна до виконання (айсбергів раніше не було видно!) мовна команда капітана — «слідкуй за найнебезпечнішим айсбергом № 3».

Необходимо відзначити, що апріорна розподіл відомих мовних команд на дохідливі і недоступні з допомогою змісту поняття «режим» дозволяє скоротити безліч альтернатив і тим самим підвищити надійність розпізнавання. Альтернативи (доступні команди) порівнюються у межах режимів, у яких здійсненні. Потім на «межрежимном» рівні порівнюються «альтернативи — переможниці». Результат розпізнавання — альтернатива переможниця для межрежимного уровня.

В умовах стресовій навантаження чи внаслідок слабкої підготовки (і такий, виявляється, може бути, як пишуть в газетах!) оператор може вимовити невідому системі команду, наприклад, выругаться у середовищі «по матінки». У тому випадку машина повинна самостійно, відповідно до використовуваними критеріями (наприклад, пороговыми чи інші, залежно від використовуваного алгоритму розпізнавання) ідентифікувати команду як невідому. Щоб поведінка машини (проголошувані їй відповідні слова що їх дії) виглядало приязною і «інтелектуальним» можливі такі основні (перелік можливих реакцій машини тут і далі лише рівнем природного інтелекту розробника «софту», располагаемыми обчислювальними ресурсами і прагматичної доцільністю) варіанти її реакции:

промолчать і не робити;

сообщить людині стосовно можливої помилці і бажання попросити повторити команду;

предложить допомогу, вимовляючи доступні у цьому режимі команди.

Вариант реакції можна, наприклад, поставити заздалегідь під час проектування системи мовного управління у залежність від апріорній важливості тієї чи іншої режиму на процесі управління «інтелектуальної» машиною. Реалізація такий підхід, природно потребує аналізу професійної діяльності оператора, обліку циклограммы його роботи у процесі управління технічної системою та детального знання режимів її работы.

Более складний, але й «інтелектуальний» варіант — оперативна оцінка фізіопсихологічного стану оператора і спеціалізованої експертної системи — помічника, формує апостериорную (de facto) підказку у реальному масштабі часу з урахуванням «людського» і результатів спостережень з допомогою датчиків інформації за изменяющимися умовами зовнішнього світу. Проектуючи таку експертну систему, пам’ятаймо, що зовсім в усіх доступні мовні команди оптимальні чи, по крайнього заходу, раціональні для конкретної історичної ситуації управління. Понад те, виконання декого з тих при негативному розвитку подій, у принципі, можуть призвести до сумним чи трагічним (згадайте Чорнобиль!) последствиям.

Здесь, проте, доречно зауваження щодо неможливості блокування виконання машиною доступних мовних команд. Сучасний рівень розвитку систем штучного інтелекту і зокрема, експертних систем нині такий, що поки Демшевського не дозволяє ефективно вирішувати гуманітарні проблеми освіти й проблеми пов’язані з породженням нових знань у процесі управління складної технічної системи. Наприклад, сьогодні машину складно навчити знаходитиме відмінність між втратою інстинкт самозбереження і усвідомленим самопожертвою в діях пілота бойового літака, чи відмінність непрофесіоналізму від нетривіального (не що міститься в інструкції для цій ситуації), але рятівного сотням людей управлінського рішення оператора великого залізничного узла.

Поэтому представляється, що систему мовного управління правильно і надійно интерпретирующая волю людини у вигляді виконання доступних мовних команд й у необхідних випадках що формує йому «розумні» підказки може вважатися цілком «інтелектуальної». У цьому відповідальність наслідки нераціональну діяльність дилетанта за важелі управління чи перед «вухами» системи мовного управління має нести він чи люди, що його туди допустили, а не конструктор «інтелектуальної машины»…

В разі, коли розпізнана команда ідентифікується як відома доступна, можливі такі основні варіанти реакції машины:

выполнить команду;

выполнить команду і інформувати оператора голосом, чи якось інакше, про його виконанні;

запросить підтвердження команди у оператора і виконувати команду до отримання підтвердження;

проинформировать оператора про нераціональності його дії, можливих негативних їх наслідки й оптимальнішою з погляду машини команді.

В цьому слід зробити невеличкий, але важливе, «ліричний відступ», що стосується образу інтерфейсу експертних систем, сопрягаемых з командно-речевыми системами. Слід пам’ятати, що людина «влаштований» отже виступати відносини із своїми альтернативними порадами і міркуваннями машина повинна вкрай обережно. Працювати з «машиной-занудой», особливо коли в поганий настрій, «запахло смаженим» немає і часу на роздумі, чи коли є власне й, звісно ж, єдино правильне думка не схильний жоден хомо сапієнс. Згадайте, як надходила пушкінська цариця зі своїми диво дзеркальцем у проблемних випадках. Згадали? Правильно! У сунула під крамницю, тоді як у другий — розбила про пол…

Отдельного розгляду заслуговує згаданий варіант діалогового підтвердження команди. Машина і достойна людина, знаючи, що вони є обопільним на 100% не застраховані від помилок (див. наведені вище можливі типи помилок), повинен мати «супернадежную» спільну процедуру сертифікації прийняття рішень виконання мовної команды.

В основу такої процедури то, можливо покладено принцип поділу команд по тривалості. Наприклад, чоловік у у відповідь распознанную і оприлюднену машиною команду зміг відповісти короткий «Так» чи вимовити довше «Відставити» (чи, можливо, щось інше довше та грубе) у свого незгоди. Такий гранично простий принцип розпізнавання з допомогою лише 2-х можливих добре помітних команд представляється найнадійнішим на відміну використання будь-яких інших принципів, які передбачають застосування «крутих» математичних методів типу формантного аналізу чи нейрокомп’ютерних технологий.

После отримання підтвердження чи від виконання команди можливі такі основні варіанти реакції машины:

На команду людини — «Да»:

выполнить распознанную і «озвучену» команду;

выполнить распознанную і «озвучену» команду і інформувати оператора голосом про її виконанні.

На команду людини — «Отставить»:

не виконувати распознанную і «озвучену» команду;

не виконувати і «озвучену» команду й повідомити звідси оператору.

Кстати, реалізуючи згаданої процедури, не зайвим буде заздалегідь «домовитися» з машиною у тому, як вона інтерпретувати мовчання хозяина:

молчит — виконати команду;

молчит — не виконувати команду;

молчит — в хазяїна відмовили мізки чи пропав голос, запрошу вкотре, в якому було видно буде…

Особый інтерес представляє випадок, коли розпізнана команда ідентифікується як відома недоступна. У разі настає «пікантна» ситуація, що з помилкою оператора, із якихось причин забув режими і логіку роботи керованої їм технічної системы.

Возможны такі основні варіанти реакції машины:

промолчать і не робити;

сообщить оператору про неможливість виконання команди;

сообщить оператору про неможливість виконання команди, і проінформувати його про причини цього;

сообщить оператору про неможливість виконання команди, причинах цього й запропонувати список доступних команд чи найраціональнішу, на думку машини, команду.

Рассмотрим іще одна безумовно важливий з эргономической та психологічної точок зору питання, пов’язані з процесом ініціації роботи системи мовного управління. Чи повинна вона працювати постійно, поки здійснюється управління технічної системою чи включатися вручну тимчасово введення команды?

На погляд більш зручний перший варіант, який вимагає жодних додаткових тактильних дій із боку оператора, т.к. нічого непотрібно натискати чи переключати. Проте чи все це й в людини й у машины.

Люди у процесі управління мають звичку розмовляти лише з машиною, а й із своїми колегами. Деякі взагалі розмовляють самі з собою (і такі!) чи співають «Вечірній дзенькіт» як у фільмі «Небесний тихохід»… Постійне усвідомлення, що час машина як відданий пес намагається вловити відому їй команду і може не так інтерпретувати не звернені до неї промови хазяїна, нервує людини-оператора та заважає йому нормально працювати. Не легше і машині, яка захлинається серед незнайомих слів і звуків. Як зазначалося раніше, сьогодні є серйозні труднощі з реалізацією прийнятною ймовірності розпізнавання злитої промови. Тому, на думку автора цієї статті, більш раціональним є другого варіанта — використання єдиної кнопки введення, яку, наприклад, слід натискати до початку введення будь-який мовної команди, і відпускати після закінчення. Це, до речі, додатково дисциплінує оператора, примушуючи попередньо подумати з того, що він у насправді хоче сказати машине.

Ежели Ви дедалі ж схильні зупинитися першою варіанті як більше «просунутому», насмілюся рекомендувати використання деякою попередньої унікальної добре розпізнаваної у різних умовах команди — звернення до машини. І коли Ваш вірний залізний Мухтар «пролает» у відповідь звернення щодо нього у тому, що він Вас почув і чекає команду, можете сміливо вимовляти виконавчу команду: «Фас!». Наступне виділення виконавчої команди з злитої промови то, можливо ефективно здійснено по тимчасовому ознакою: зробіть невелику паузу доі після виконавчої команди (Твикс у своїй годі й кушать!).

Как показує аналіз відомих автору комерційних програм розпізнавання мови, перший варіант виявляється непоганим для студійних умов з допомогою попередніх команд конкретного диктора комп’ютера типу: «Wake up!» і «Go to sleep!», але у реальному житті не работоспособен.

Заключение

Предложенный у статті підхід до створення систем мовного управління у частини психолого-эргономических аспектів проектування інтерфейсу «людина — машина» до роботи обмеженій наборі мовних команд виявився досить успішно апробований автором під час створення комп’ютерних прототипів систем мовного управління загального призначення за використанням власного оригінального програмного забезпечення процедури розпізнавання, в даній статті не рассматривалась.

Статья є оригінальної розробкою: у її написанні не використовувалися матеріали ніяких вітчизняних і зарубіжних організацій чи інших приватних лиц.

Изложение матеріалу свідомо убрано в науково-популярну форму, ніж перевантажувати статтю «заумними» формулами і посиланнями на «що відповідають» випадку оглядові монографії, не «вихлюпнути дитини», і навіть не деталізувати рівня можливості практичного використання наявні авторські know-how. Разом з тим, на мою думку, обсяг наведених у статті міркувань цілком достатній для здобуття права скласти загального уявлення і враження про актуальність, новизні і з практичної значимості запропонованих рішень, як і про помилках і помилках автора.

Буду дуже вдячний, отримавши Ваші відгуки, критичні зауваження, поради, побажання і, можливо, пропозиціями щодо подальшої спільну роботу. Будь ласка, якщо можна, критикуйте і радьте за формі викладу матеріалу, а, по суті обговорюваної проблемы!

Весьма цікаві для автора думки психологів, спеціалістів у галузі ергономіки і кінцевих користувачів, практично управляючих складними технічними системами (моряків, льотчиків, операторів систем УВС В. Варцабі та АЕС, «телекоммуникационьщиков»), а також спеціалістів у сфері комп’ютерного розпізнавання мови, робототехніки і решти хто «в теме»:

Нужны подібні системи для автомобілів, кораблів, літаків, у побуті та т.п. Як ви уявляєте їх використання?

Приходилось Вам мати справу з елементами викладеного підходу, як і Ви його оцінюєте (гідності, слабких місць)?

Целесообразен чи форум чи телеконференція з цієї проблематики?

Какие питання у рамках аналізованої проблематики Вас хвилюють?

Что слід почитати автору у ліквідації поточної безграмотності?

Список литературы

Для підготовки даної роботи було використані матеріали із російського сайту internet.