ТОП авторов и книг ИСКАТЬ КНИГУ В БИБЛИОТЕКЕ
15.3. Двоич-
ное представле-
ние (к опенка в
центре) букв (ко-
лонка слева!. Ну-
ли показывают
выключено или
"черный , едини-
цы -- включено
или "белый. В
прозой колонке
изображено, как
выглядели бы циф-
ры при считыва-
нии их сканером.
Адаптировано из:
Raphael I1976J.
0 О0000000 0
0 0001111и0 0
0 О0111101} (1
0 0011111101) 11
000100100 0
0 00111100 0
0 01100110 0
0 01000010 0
0 00000000 0
0 00000000 0
Во00000000
001/111100
0000/10000
0000/1000 0
0 000/1000 0
0 000/1000 0
0 000/1000 0
0 000/1000 0
0 110(1111)0Р0 0
0 00000000 0
606000000 0
б 00и0000U 0
0 00011000 0
0 001001UU 0
0 01000010 0
001000010 0
0 (101(10100 0
0 00011000 0
000000000 0
0 00000000 U
Мышление и интеллект - естественный и искусственный
506
смогла бы обнаруживать многие встречающиеся в действительности фор-
мы букв (Рис. 15.4).
Нужен был более "хитрый" подход, и Селфридж и Нейсер предложили
анализировать буквы по их "деталям".6 Возьмем, например, букву А. Чем
помещать все типы написаний буквы А в память компьютера и проводить
с ними операции поиска и сравнения, мы можем написать для компьютера
программу, которая будет изучать каждую из составляющих букву дета-
лей, проверять их наличие или отсутствие и принимать решение о том,
какая это может быть буква. Для этого есть два фундаментально различ-
ных способа - модель последовательной переработки и мод- ib парал-
лельной переработки. В модели последовательной переработки каждая
деталь изучается заранее определенным пошаговым способом, и резуль-
тат каждого теста определяет следующий шаг в программе. Пример про-
граммы последовательной обработки показан на Рис. 15.5 слева. Эта про-
стая программа оценивает всего три детали, спрашивая: Есть ли у предъяв-
ленной фигуры кривизна наверху (например, Н, U, Y, V), пересечение
(например, Н, F) и вертикальная линия (В, Y, Т, R, Р, Н)? При постепен-
ном процессе каждый из этих вопросов задается по порядку. Для рассмот-
ренного набора букв (А, Н, V и Y) простое решение "Да" или "Нет"- это
все, что необходимо для идентификации каждой буквы. Например, если
предъявлена для опознания буква А, то, чтобы отделить эту букву от
других букв рассматриваемого набора, надо только ответить отрицательно
на первый вопрос (Есть ли кривизна наверху?). Остальные вопросы слу-
жат для различения между собой остальных букв этого набора.
Обсуждение нидстальной идентификации см. в Главе 10.
А
Рис. 15.4. Типичные случаи неудачного об-
наружения. В случае "А" матрица 1открытая
буква) не находит соответствия, когда неиз-
вестная буква (темная) имеет неправильную
величину, ориентацию или положение; в слу-
чае В неверное сопоставление происхо
дит даже когда образец был приведен к стан-
дартной величине и ориентации. Здесь мат-
рице А больше соответствует буква R, чем
закругленные или с другим наклоном образ-
цы буквы А. Взято из: Selfrodge and Neisse
(1963J.
В
Искусственный интеллект
507
В модели параллельной обработки тестовые детали те же самые, что и
в модели последовательной обработки, но все они применяются не шаг за
шагом, а одновременно (Рис. 15.5 справа). Это "адская" модель в том пла-
не, что для каждой детали есть свой "демон", принимающий решение и
реагирующий на входной стимул согласно своему конкретному виду чув-
ствительности.
Возможно, наибольшая неудача этой ранней модели - это ее слепота
к "критическим деталям" и влияниям контекста. Первый из этих недо-
статков особенно существенней, поскольку различение "критических де-
талей" - это отличительная особенность распознавания паттернов чело-
веком. При отличении G от С или Q от О, например, критическая де-
таль - это почти незаметная небольшая линия. Неважно, насколько пре-
обладает заметность других деталей, для человеческой обработки они не
перевешивают важность критической детали. Второй пункт критики этой
ранней модели в том, что она нечувствительна к влиянию контекста при
идентификации отдельных букв. Наши обширные знания орфографии и
структуры предложения оказывают нам при идентификации букв неоцени-
мую помощь. Чтение рукописного текста - как в указанном случае -
было бы почти невозможно, если бы читающий не привносил в ситуацию
изрядное количество собственной информации. Чтобы заставить машину
действовать при обработке информации подобно человеку, следует при-
нять в расчет этот важный параметр.
А теперь мы рассмотрим несколько примеров того, как идентифициру-
ются паттерны более сложные, чем просто буквы.
Рис. 15.5. Алгорит-
мы последователь-
ной (слева) и парал-
лельной (справа) об-
работки для разли-
чения букв А, Н, V и
У путем использова-
ния трех тестовых
картинок. При по-
следовательной об-
работке каждый
последующий этоп
определяется выход-
ной информацией
предыдущего; при
параллельной обра-
ботке все тесты при-
меняются одновре-
менно, и решение
принимается на ос-
новании объедине-
ния их выходных дан-
ных. Адаптировано
из: Selfridge and N-
eisser (1963).
1
ВводнойКривизна
стимулнаверху?
| Входной
г--1 чма ы
1Кривизна наверху?
1
Входной стимулПересечение ?-
Верти-
кальная
линия 7L-
Мышление и интеллект - естественный и искусственный
508
В качестве примера распознавания других паттернов обратимся к иденти-
фикации треугольника7. На рисунке 15.6 изображены несколько треуголь-
ников, каждый из которых человек может немедленно опознать и класси-
фицировать как таковой. Если прототип "треугольности", хранимый в про-
грамме компьютера, соответствует "правильной" матрице треугольника
(а), тогда треугольники (Ь) и (с), если их правильно повернуть и скоррек-
тировать по величине, можно будет легко распознать;
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239
ное представле-
ние (к опенка в
центре) букв (ко-
лонка слева!. Ну-
ли показывают
выключено или
"черный , едини-
цы -- включено
или "белый. В
прозой колонке
изображено, как
выглядели бы циф-
ры при считыва-
нии их сканером.
Адаптировано из:
Raphael I1976J.
0 О0000000 0
0 0001111и0 0
0 О0111101} (1
0 0011111101) 11
000100100 0
0 00111100 0
0 01100110 0
0 01000010 0
0 00000000 0
0 00000000 0
Во00000000
001/111100
0000/10000
0000/1000 0
0 000/1000 0
0 000/1000 0
0 000/1000 0
0 000/1000 0
0 110(1111)0Р0 0
0 00000000 0
606000000 0
б 00и0000U 0
0 00011000 0
0 001001UU 0
0 01000010 0
001000010 0
0 (101(10100 0
0 00011000 0
000000000 0
0 00000000 U
Мышление и интеллект - естественный и искусственный
506
смогла бы обнаруживать многие встречающиеся в действительности фор-
мы букв (Рис. 15.4).
Нужен был более "хитрый" подход, и Селфридж и Нейсер предложили
анализировать буквы по их "деталям".6 Возьмем, например, букву А. Чем
помещать все типы написаний буквы А в память компьютера и проводить
с ними операции поиска и сравнения, мы можем написать для компьютера
программу, которая будет изучать каждую из составляющих букву дета-
лей, проверять их наличие или отсутствие и принимать решение о том,
какая это может быть буква. Для этого есть два фундаментально различ-
ных способа - модель последовательной переработки и мод- ib парал-
лельной переработки. В модели последовательной переработки каждая
деталь изучается заранее определенным пошаговым способом, и резуль-
тат каждого теста определяет следующий шаг в программе. Пример про-
граммы последовательной обработки показан на Рис. 15.5 слева. Эта про-
стая программа оценивает всего три детали, спрашивая: Есть ли у предъяв-
ленной фигуры кривизна наверху (например, Н, U, Y, V), пересечение
(например, Н, F) и вертикальная линия (В, Y, Т, R, Р, Н)? При постепен-
ном процессе каждый из этих вопросов задается по порядку. Для рассмот-
ренного набора букв (А, Н, V и Y) простое решение "Да" или "Нет"- это
все, что необходимо для идентификации каждой буквы. Например, если
предъявлена для опознания буква А, то, чтобы отделить эту букву от
других букв рассматриваемого набора, надо только ответить отрицательно
на первый вопрос (Есть ли кривизна наверху?). Остальные вопросы слу-
жат для различения между собой остальных букв этого набора.
Обсуждение нидстальной идентификации см. в Главе 10.
А
Рис. 15.4. Типичные случаи неудачного об-
наружения. В случае "А" матрица 1открытая
буква) не находит соответствия, когда неиз-
вестная буква (темная) имеет неправильную
величину, ориентацию или положение; в слу-
чае В неверное сопоставление происхо
дит даже когда образец был приведен к стан-
дартной величине и ориентации. Здесь мат-
рице А больше соответствует буква R, чем
закругленные или с другим наклоном образ-
цы буквы А. Взято из: Selfrodge and Neisse
(1963J.
В
Искусственный интеллект
507
В модели параллельной обработки тестовые детали те же самые, что и
в модели последовательной обработки, но все они применяются не шаг за
шагом, а одновременно (Рис. 15.5 справа). Это "адская" модель в том пла-
не, что для каждой детали есть свой "демон", принимающий решение и
реагирующий на входной стимул согласно своему конкретному виду чув-
ствительности.
Возможно, наибольшая неудача этой ранней модели - это ее слепота
к "критическим деталям" и влияниям контекста. Первый из этих недо-
статков особенно существенней, поскольку различение "критических де-
талей" - это отличительная особенность распознавания паттернов чело-
веком. При отличении G от С или Q от О, например, критическая де-
таль - это почти незаметная небольшая линия. Неважно, насколько пре-
обладает заметность других деталей, для человеческой обработки они не
перевешивают важность критической детали. Второй пункт критики этой
ранней модели в том, что она нечувствительна к влиянию контекста при
идентификации отдельных букв. Наши обширные знания орфографии и
структуры предложения оказывают нам при идентификации букв неоцени-
мую помощь. Чтение рукописного текста - как в указанном случае -
было бы почти невозможно, если бы читающий не привносил в ситуацию
изрядное количество собственной информации. Чтобы заставить машину
действовать при обработке информации подобно человеку, следует при-
нять в расчет этот важный параметр.
А теперь мы рассмотрим несколько примеров того, как идентифициру-
ются паттерны более сложные, чем просто буквы.
Рис. 15.5. Алгорит-
мы последователь-
ной (слева) и парал-
лельной (справа) об-
работки для разли-
чения букв А, Н, V и
У путем использова-
ния трех тестовых
картинок. При по-
следовательной об-
работке каждый
последующий этоп
определяется выход-
ной информацией
предыдущего; при
параллельной обра-
ботке все тесты при-
меняются одновре-
менно, и решение
принимается на ос-
новании объедине-
ния их выходных дан-
ных. Адаптировано
из: Selfridge and N-
eisser (1963).
1
ВводнойКривизна
стимулнаверху?
| Входной
г--1 чма ы
1Кривизна наверху?
1
Входной стимулПересечение ?-
Верти-
кальная
линия 7L-
Мышление и интеллект - естественный и искусственный
508
В качестве примера распознавания других паттернов обратимся к иденти-
фикации треугольника7. На рисунке 15.6 изображены несколько треуголь-
ников, каждый из которых человек может немедленно опознать и класси-
фицировать как таковой. Если прототип "треугольности", хранимый в про-
грамме компьютера, соответствует "правильной" матрице треугольника
(а), тогда треугольники (Ь) и (с), если их правильно повернуть и скоррек-
тировать по величине, можно будет легко распознать;
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239