Когнитивная модель китайского искусственного интеллекта

Алгоритмы ИИ представляют собой набор операций, разработанных для выполнения задач, требующих интеллектуальных способностей. Они предназначены для моделирования различных аспектов человеческого интеллекта, таких, как, в частности, планирование и принятие решений, распознавание образов, обучения и обработка естественного языка.Способность компьютеров распознавать текстовый язык включает в себя семантический и грамматический анализ, анализ текста, поиск и извлечение информации, машинный перевод, диалоговую систему, систему вопросов и ответов.Ключ к обработке естественного языка состоит в том, чтобы научить аппаратную систему использовать технологию, применяющую естественный язык для общения.ИИ, оснащенный технологией семантического понимания и распознавания речи, использует алгоритм непрерывного обучения, что позволяет ей не только слушать, но также распознавать эмоции.С точки зрения лингвистики, извлечение знаний из текста сопряжено с некоторыми трудностями, которые детерминированы мультисемантичностью естественных языков, что допускает вариативность интерпретации различных лексем. Кроме того, одна и та же мысль можно быть передана разными языковыми средствами, что ведет к избыточности вербальной информации.Еще одной лингвистической проблемой машинного извлечения информации является сложность интерпретации эпитетов, аналогий и метафор, произвольный порядок слов, а также необходимость синтеза гетерогенных данных.Благодаря развитию технологий процессов обработки естественных языков на качественно новый уровень вышли технологии машинного перевода, среди которых можно назвать аналитический, базирующийся на правилах, статистический, в рамках которого перевод основывается на анализе двуязычных корпусов текста и нейронный, модели которого используют обучение признакам и глубинное обучение.Важнейшей сферой концентрации лингвистических интересов является семантический поиск, сущность которого заключается в выделении семантических отношений, формировании семантического представления текстов.При информационном поиске применяют понятие модели поиска. Модель поиска – это модель, на базе которой формируется оценочная формула, позволяющая принять решение: какой документ следует считать найденным и как его необходимо ранжировать. Модели информационного поиска дифференцируютеся на три вида: булевская модель (двоичная, булевая) – модель поиска, основанная на операции пересечения, синтезе и анализе множеств; векторная модель – модель информационного поиска, рассматривающая запросы и документы как векторы в пространстве слов, а релевантность – как дистанцию между ними. Ранжирование в данной модели базируется на статистическом наблюдении;вероятностная модель рассматривает релевантность как вероятность соответствия документа запросу на основе вероятностей соответствия слов документа идеальному ответу. Релевантность в данной модели оценивается как вероятность того, что данный документ может являться нужным пользователю. В результате поиска выделяется информация, которая в большей или меньшей степени удовлетворяет запросу исследователя. В зависимости от соответствия между поисковым запросом и результатом поиска возможны различные ситуации, обозначаемые понятием релевантности. Выделяют три типа соответствия между результатом поиска и запросом:формальная релевантность – это соответствие поискового образа поисковому предписанию по формальным признакам; онтологическая релевантность – это соответствие поискового образа поисковому предписанию по смысловым признакам. Она предполагает сравнение запроса и результата поиска на семантическом уровне. Смысловая релевантность в большей степени основана на когнитивном анализе.пертинентность – полное соответствие найденной информации потребностям, устанавливаемое при информационном поиске.Анализ тональности представляет собой наиболее сложный вид анализа текста, который помимо анализа самого высказывания необходим анализ контекста высказывания. Анализ тональности осуществляется по двум направлениям: 1) общий анализ – определение тональности автора фрагмента или всего текста; таргетированный анализ – определение тональности по отношению к указанной цели.ИИ также тесно связан с исследованием языковых корпусов, которые представляют организованную совокупность языковых данных. Корпусной анализ служит фундаментов для обучения моделей и алгоритмов ИИ. Корпусы текстов применяются для обучения классификаторов, анализаторов сентимента, анализаторов тональности. ИИ, обученных на корпусах, способен лучше понимать естественный язык. Изучение частотности использования лексических единиц, их комбинаций и контекстов помогает ИИ лучше понимать распространенные языковые тематики и структуры. ИИ, использующие корпусной анализ умеют классифицировать тексты, выполнять анализ синтаксиса и проводить суммаризацию. Таким образом, ИИ обладает способностью отнесения текстов к заданному семантическому классу. Поскольку классификация является способом когнитивного восприятия реальности, то эта способность ИИ представляет особый интерес для когнитивной лингвистики.Список использованной литературыАлефиренко Н. Ф. Язык, познание и культура : монография / Н. Ф. Алефиренко. – Волгоград, 2006. – С. 91-96Беляевская Е. Г. К проблеме моделирования полисемии (межъязыковые соответствия как основание изучения принципов формирования семантической структуры слова) / Е.Г. Беляевская // Вестник Московского государственного лингвистического университета. – 2008. - № 544. – С. 14-22.Беляевская Е. Г. Когнитивная лингвистика и преподавание иностранных языков / Е.Г. Беляевская // Вестник МГИМО – Университета. – 2013. - № 5 (32). – С. 76-83.Бергер П., Лукман Т. Социальное конструирование реальности. Трактат по социологии знания / П. Бергер, Т. Лукман – Москва : Медиум, 1995. – 334 с.Битокова С. Х. О механизме метафорического моделирования действительности // Когнитивные исследования языка: мат-лы Всеросс. науч. конф. (11-12 апреля 2013 г.) / С.Х. Битокова. – 2013. - № 14. – С. 153-156.Болдырев Н. Н. Интерпретирующая функция языка / Н.Н. Болдырев // Вестник Челябинского государственного университета. – 2011. - № 31. –. С. 11-16.Болдырев Н. Н. Язык и структура сознания / Н.Н. Болдырев // Когнитивные исследования языка. – 2016. - №. 24. – С. 35-48.Гумбольдт В. О различии строения человеческих языков и его влиянии на духовное развитие человечества / В. фон Гумбольдт // Избранные труды по языкознанию. – Москва : Прогресс, 1984. – С. 37-301.Гумбольдт В. Язык и философия культуры / В. фон Гумбольдт – Москва : Прогресс, 1985. – 452 с.Екшембеева Л. В. Когнитивное моделирование ментального пространства текста / Л.В. Екшембеева // Когнитивные исследования языка: мат-лы Всеросс. науч. конф. (11-12 апреля 2013 г.) / отв. ред. вып. Л. А. Фурс. 2013. Вып. XIV. Когнитивная лингвистика: итоги, перспективы. – С. 276-282.Жуйкова О. В. Артефактные метафоры как вербальные средства объективации концепта «Язык» в философском дискурсе В. фон Гумбольдта / О.В. Жуйкова // Вестник Кемеровского государственного университета. – 2018. - № 3. – С. 177-186.Кремер И. Ю. Концептуальные основания исследования знания и мнения в научном дискурсе / И.Ю. Кремер // Вестник Рязанского государственного университета им. С. А. Есенина. – 2014. - № 1 (42). – С. 103-112. .Кубрякова Е.С, Демьянков В.З., Панкрац Ю.Г., Лузина Л.Г. Краткий словарь когнитивных терминов / Е.С. Кубрякова, В.З. Демьянков, Ю.Г. Панкрац, Л.Г. Лузина // Когнитивные исследования в языковедении и зарубежной психологии: хрестоматия / Под ред. В.А. Пищальниковой, Е.В. Лукашевич, А.Г. Сонина. – Барнаул: Изд-во АТУ, 2001. – 245 с.Максимов В. Ю., Клышинский Э. С., Антонов Н. В. Проблема понимания в системах искусственного интеллекта / В.Ю. Максимов, Э.С. Клышинский, Н.В. Антонов // Новые информационные технологии в автоматизированных системах. – 2016. - № 19. – С. 43-47.Маслова В. А. Введение в когнитивную лингвистику: учеб. пособие. / В.А. Маслова. – Москва : Флинта; Наука, 2011. – 296 с.Мусаев А. А., Григорьев Д. А. Обзор современных технологий извлечения знаний из текстовых сообщений / А.А. Мусаев, Д.А. Григорьев // Компьютерные исследования и моделирование. – 2021. - № 6. – С. 1291-1315.Нарциссова С. Ю. Когнитивная модель и когнитивные стратегии / С.Ю. Нарциссова // Наука и современность. – 2010. - № 6-1. – С. 393-397.Огнева Е. А. Когнитивное моделирование концептосферы художественного текста / Е.А. Огнева. – Москва : Эдитус, 2013. – 282 с.Паршин П. Б. Лингвистические методы в концептуальной реконструкции / П.Б. Паршин // Системные исследования: Методологические проблемы. Ежегодник. – Москва, 1987. – С. 398-425.Поветкина Ю. В. Моделирование как метод лингвистического исследования / Ю.В. Поветкина // Филологические науки. Вопросы теории и практики. – 2012. - № 6 (17). – С. 132-134.Радченко О. А. Язык как миросозидание. Лингвофилософская концепция неогумбольдтианства : часть 1 / О.А. Радченко.– Москва : Метатекст, 1997. – С. 56.Розенберг И. Н. Комплексность информационного поиска / И.Н. Розенберг // Образовательные ресурсы и технологии. – 2017. - № 1 (18). – С. 41-48.Сорокина С. Г. Искусственный интеллект в контексте междисциплинарных исследований языка / С.Г. Сорокина // Вестник Кемеровского государственного университета. – 2023. - № 3. – С. 167-280.Соссюр Ф. Курс общей лингвистики / Ф. де Соссюр // Труды по языкознанию / пер. с фр. ; под ред. А.А. Холодовича. – Москва : Прогресс, 1977. – С. 31-269.Lakoff G. Women, Fire, and Dangerous Things: What categories reveal about the mind / G. Lakoff – Chicago: The University of Chicago Press, 1990. – 614 р.Monett D., Lewis C. W. P., Thórisson K. R. Introduction to the JAGI Special Issue «On Defining Artificial» – commentaries and author's response // Journal of Artificial General Intelligence. – 2020. - 11(2). – Р. 1-4.