Василий Захарченко
Надбягване с разума (14)

Машината вижда, чува, говори

Как удивително работи човешкото око! Учените още не са разгадали напълно тайната на неговата дейност, но те мислят вече за създаване на машина, която може да вижда.

— Защо е нужно всичко това? — ще кажат онези, които са зле запознати с проблемите на кибернетиката и автоматизацията.

— Как защо? В такъв случай машината още повече се приближава до човешкия мозък, става по-послушен и по-възприемчив помощник на човека, с който много по-лесно може да се общува без посредници.

Виждащата машина може да се обучи на грамотност. Тогава тя ще различава не само букви, цифри и детайли на машини, но ще работи и като монтьор на конвейер, лаборант в институт, дори словослагател. Ако машината стане грамотна, щом й дадеш какъвто и да е ръкопис, тя прекрасно ще застане зад линотипа. Обаче проблемът за виждането и познаването е един от най-сложните за кибернетичните машини.

Как пишат хората? Всеки си има свой почерк — никога двама души не пишат съвсем еднакво. Ето, аз разглеждам ръкописи на велики хора — Маркс, Ленин, Пушкин, Наполеон, Достоевски, Маяковски. Какво разнообразие на почерци! Но ние четем знаците върху хартията, възприемаме мислите на великите люде, завинаги запечатани в съзнанието на човечеството, с помощта на букви, думи, фрази.

По какви признаци можем да разбираме различните почерци? Очевидно дори при най-различно написване на буквите все пак има някаква необходима устойчива еднаквост, която дава възможност да не се бърка буквата „а“ с „о“, буквата „б“ с „в“.

Представете си електронно око, което се състои от 60 фотоелемента. Пред това око на кибернетичната машина се поставят цифри, написани по съвсем различен начин: и по-остри, и по-закръглени, и по-дебели, и едва драснати върху листа хартия.

Защо? Защото машината трябва да се научи на по-обобщено възприемане, да се отучи от машинното тесногръдие.

Такива машини вече съществуват. Засега те усвояват началните знания. Известният изследовател М. М. Бонгард работи в тази област — той обучава машината, кара я да свиква с различни изображения. И когато след тренировката поставяли пред електронното око цифри или букви в ново, непознато очертание, машината ги познавала.

Много интересно и неочаквано предложение е направил съветският математик Е. М. Браверман. Той създал така наречената хипотеза за „компактните множества“.

Всяко изображение на буква или цифра, написано по различен начин, извиква в машината редица близко лежащи точки.

Множеството изображения дават и множество точки, които се групират доста компактно, за да определят в по-голямата си маса този или онзи знак.

И когато машината с усвоена вече програма неочаквано се срещне с нова цифра или буква, то по това, към кое множество от точки ще бъде отнесена, може да я разпознае.

Американците предложили подобна машина, която нарекли „Перцептрон“.

Тя има мрежест екран от 400 фотоелемента, които възприемат изображението.

Електрическите сигнали от фотоелементите постъпват в електронните клетки на машината, която сякаш моделира жива нервна система.

Процесът на обучение на машината бил доста труден. Тя трябвало да познава поставяните пред екрана геометрични фигури. Обучението се извършвало при взаимоотношения, каквито понякога се създават между строг учител и лекомислен ученик: за всяка грешка „Перцептрон“ бил наказван с отслабване на сигналите, които постъпвали към главното електронно устройство на машината.

В този случай погрешните сигнали имали по-малко значение, отколкото правилните сигнали. Така машината се учела от собствените си грешки.

По-интересна се оказала машината „Марк–1“, която можела да познава буквите на азбуката. В нея също има 400 фотоелемента и съответните на тях електронни възли, моделиращи нервните възли. Паметта й се състои от 512 елемента. Всъщност вторият вариант на тази машина, която се намира в период на монтиране, има 20 пъти повече запаметяващи елемента. Машината се е научила да разпознава най-различно написани печатни букви и цифри.

Ще мине известно време и машината вече ще може да чете печатан текст — книги или съобщения от вестниците.

А след като различава буквите, ще може да различава и образите.

Машината е вече в състояние да прави зрителни пресмятания на кръвните телца при анализа на кръвта. А преди тази работа, изискваща много търпение и време, можеше да се върши само от човека. Днес машината не само пресмята броя на детайлите, но и определя техния характер, тяхното разнообразие.

Виждащата машина вероятно ще стане оня механизъм, който ще разпознава детайлите, постъпващи в конвейера, и ще ги закрепя там, където е необходимо.

— Обаче живото око не само различава формата на предмета и неговата яркост, но и цвета. Способна ли е на такова нещо машината?

— Първо, не всички животни различават цвета. Да вземем например октопода — неговият свят е безцветен, сив и еднообразен. Зрението на октопода е ахроматично — той различава само яркостта на осветяването, но не и цвета.

Човек вижда трихроматично, т.е. трицветно. От трите основни цвята и от тяхното смесване се образува целият ярък, многобагрен свят около нас.

Оказва се, че и машините започват да усвояват цветното зрение, като използуват чувствителни фотоелементи. Силициевите и селеновите фотоелементи притежават изключителната способност да „различават“ цветовете.

Съветските учени М. Бонгард и А. Бизов използуваха това свойство и създадоха уред, който моделира цветното зрение и безпогрешно разпознава не само яркостта, но и цвета.

Нима това не е чудо — електронната машина вижда небесната дъга!

Обаче нека се обърнем към другите способности на машината. Ще може ли тя логически да разбира написаното? Да, ще може.

Дори днес в нашите институти има машини, които могат да анализират изреченията: правилно ли са построени или не. В Киевския изчислителен център бил направен интересен опит. Взели 50 съществителни, 16 глагола и най-често употребяваните предлози. От тези думи съставили изречения, разбира се, доста примитивни, но все пак осмислени, например: „Славеят пее на дървото“, „Рибата плува във водата“ и т.н.

Машината сортирала съществителните имена и глаголите според смисъла. И когато й предлагали съвършено безсмислени фрази като: „Рибата пее на дървото“ или „Славеят плува във водата“, тя незабавно реагирала на грешките.

Днес ние уверено можем да кажем, че ще минат няколко години и ще се появят машини, които ще могат да четат и да разбират човешката реч.

Но как да се накара машината да разбира живата реч?

Та нали написаните думи могат да се разделят на букви?…

А как автоматът да разпознава слятата човешка реч?

При произнасяне буквите се сливат и е невъзможно да се сведат до буквите на азбуката.

Затова изследователите на езика тръгнали по друг път и установили, че може да се създадат звукови символи, подобни на азбуката.

Фонеми — това са неголям брой звукови символи, които могат да бъдат записани фонетически. От 41 руски фонеми може да бъде съставена всяка дума, всяка фраза, също както от тридесетте букви на азбуката се съставят думите, фразите, книгите.

Фонемите се различават една от друга, значи трябва да се приучи машината да различава фонемите в слят текст, т.е. да намира нейния буквен или цифров еквивалент, за да се зафиксира фонемата в паметта на машината. Ето защо, когато учат машината да чува, тогава с помощта на електронната техника разбиват отделните думи на фонеми и най-старателно анализират всяка от тях. При това случайните признаци на фонемите всячески се отстраняват, за да се увеличи максимално различието между тях.

За първи път такова изследване провел руският професор Л. Л. Мясников още в началото на 40-те години. След войната с този проблем се занимавали други съветски учени.

Учените не само анализирали състава на речта, но и създали устройства, с чиято помощ машината можела да се накара да говори, т.е. да се създаде изкуствена реч.

При опитите те забелязали, че съществуват много различия между гласните и съгласните звуци.

В спектъра на гласните звуци се създават и натрупват концентрации от енергия, наречени форманти. Източник на гласните са нашите гласни струни. Минавайки през система от резонатори в устната кухина и черепа, звукът се усилва или отслабва в зависимост от положението на езика и челюстите. Съвсем иначе се образуват съгласните — повече с диханието, а не с участието на гласните струни.

Различна е и продължителността на гласните и съгласните. Най-дълга е гласната „а“, за произнасянето на която са нужни 260 милисекунди, най-кратка — съгласната „п“ — само 20 милисекунди.

Анализът, проведен от ленинградските учени, показа и друго. В началото и в края на думата продължителността на гласните е значително по-голяма, отколкото в средата; в изреченията е по-малка, отколкото в отделните думи. Именно по тези многобройни признаци машината е в състояние да различава звуците — тя сякаш ги чува.

Но как да се подберат звуците, за да може от тях да се създаде глас на машината?

След многобройни изследвания се стигнало до неочаквано откритие: сигналите, създавани от генератор, приличат изключително много на трептенията на гласните струни.

Глас може да се получи и изкуствено — ето до какъв извод стигнали изследователите.

Трябва само да се превърнат концентрациите от звукова енергия във форманти. За всяка гласна. В края на краищата учените са успели да получат звуци, които много приличат на гласните звуци в руския език.

Звуците, получени от генератора, се прослушвали от специална група оператори в състав от 15–20 души. Те търсели звуци, сходни с формантите, необходими за бъдещата реч на машината.

А как да се получат съгласните? Това се оказало значително по-просто. Създали ги с помощта на шумов генератор.

Подборът на звуковете е дълъг и сложен процес. По редица признаци те се разделят на две групи, после още на две и още на две. Това се прави дотогава, докато не се разпознаят окончателно всички фонеми. В този сложен процес участвува не само акустиката, но и електрониката — изкуствено се създава речевият сигнал.

Машината разпознава звуците на речта посредством цифрите на електронноизчислителните елементи. Другояче се осъществява разпознаването на живата човешка реч, на живия човешки глас.

За опита били подбрани 50 говорителя — 25 мъже и 25 жени. Речта им се записвала на магнитофон. Но както е известно, от магнитофона речта прониква в машината във вид на непрекъснат електрически сигнал, а цифровите данни се приемат от елекронната машина само като откъслечни сигнали. Със специален уред преобразували непрекъснатия сигнал в прекъснат. Машината изчислявала съотношението на енергията в различните части от спектъра на речта, условно разделяла речта на гласни и съгласни и като резултат правилно разпознавала 97 процента от думите.

Неотдавна в Съединените щати бил проведен интересен експеримент по въвеждането на информация в машината посредством човешки глас.

Операторът нееднократно повтарял думата по микрофона.

Специален механизъм я обработвал и във вид на цифри въвеждал информацията в машината. Запомнящите устройства на машината създавали нещо като репродукция или маска на всяка дума.

При разпознаване на думата машината я сравнявала с всички маски на думата, които се пазели в нейната памет, и определяла на коя маска най-много прилича произнесената дума.

Седем жени и деветима мъже еднообразно говорели:

„Едно, две, три, четири…“ и т.н.

Шестнадесетте гласа създали в машината голям избор от интонации на различни хора. И когато впоследствие те разговаряли с машината, тя се опитвала да познае кой именно беседва с нея. И давала следните отговори:

— Сега Джон каза „три“… Не може да се определи говорещият, но е казана цифрата „три“… Не може да се определи нито личността на говорещия, нито произнесената от него дума.

Интересно, че машината познала всяка от седемте жени, докато думите, произнесени от мъжете, се различавали по-лошо — само 98 процента.

Днес в Москва, Ленинград и Тбилиси вече са създадени специални лаборатории по експериментална фонетика.

Тук ще видите сложни уреди за записване на звуци, специални механизми за рязане и слепване на фонеми. Създават се спектри от звукове. Виждате обемни рисунки на гласните и съгласните звукове и дори картички на цели думи. Това е чудният свят на застиналите звукове, които оживяват във ваше присъствие. Но всичко е насочено в крайна сметка към това — машината да се научи да говори.

Тя може да произнася думи, родени или от звука на генератор, или от късче магнитна лента, на която са записани отделни фонеми, създадени от гласа на човека.

В Новосибирския институт по автоматика и спектрометрия машината ясно и разбрано произнася следната многозначителна фраза:

— Нашата машина е учила. И е опознала живота.

Машината произнася това изречение е някакъв отвлечен, „ничии“ глас. В произношението са изчезнали всички особености на живия глас. Но нали тези звуци са родени от машина!

През зимата на 1963 година по време на международния шахматен турнир за жени научните работници от Тбилиси решиха да ободрят грузинската шахматистка Нона Гаприндашвили. И за първи път в историята на радиотехниката бяха предадени по радиото от Тбилиси думи, произнесени от машина:

— Бъди внимателна, скъпа Нона!

Топлото приветствие било казано с железния глас на автомата, но колко са скъпи за нас тези първи думи на машината…

… Още преди войната една американска телефонна компания демонстрирала на Световното изложение апарат, наречен „Вокадер“. Той отговарял на въпросите на посетителите с необикновен глас, който едва напомнял човешкия. Сложната система от специални уреди се управлявала от оператор. Отговорът постъпвал в магнитофон, свързан с високоговорител. Механизмът бил немногословен, самостоятелно възпроизвеждал звуците на речта подобно на сложния гласов апарат на човека. Докато онова, което предаваха по радиото от Института по автоматика и електроника в Тбилиси, беше истинска реч на машина.

В института е конструирана количка, чието управление е подчинено на човешкия глас.

Вие можете да кажете: „Напред!“ — и количката ще тръгне напред. „Надясно! Наляво! Стоп!“ — машината изпълнява всички изречени заповеди.

Това е само началото. Ще дойде време и кибернетичните помощници на човека не само ще разбират стопанина си, когато им говори, но и ще му казват за своите усещания, за своите нужди и желания.

Представете си за миг следната картина. Разболели сте се. Разказвате на диагностичната машина за самочувствието си — в какво се изразява вашето неразположение. Съобщавате й състава на кръвта си, резултатите от тези или онези изследвания. И машината ви отговаря — също на глас. Говори ви не само за характера на вашето заболяване, но ви дава също така и съвети, рецепти. И това не е фантастика, а едно реално явление в живота на утрешния ден.

Често в научнофантастичните романи четем за умни роботи, на които се поверява управлението на космически кораб, отлитащ за дълги години в безкрайните простори на Вселената. Роботите предупреждават хората с жив, почти човешки глас за положението на кораба или за дебнещата ги опасност. С тия роботи космонавтите разговарят приятелски като със свои другари. Подобна картина ни се струваше нереална, условна. Но днес, навлизайки в света на кибернетичните машини, които все още като децата се учат да разбират речта, да виждат заобикалящия ги свят, да го опознават и да изказват с жива, човешка реч своите „машинни преживявания“, ние започваме да разбираме колко са се приближили хората до осъществяването на най-пламенната фантастика.

Да, заличават се границите между фантазията и действителността.