Поздние стадии распознавания
Теперь, когда у пас уже есть некоторое представление об описании формы объекта, можно обратиться к тому, как это описание сопоставляется с теми описаниями форм, которые хранятся в памяти, с целью найти лучшее соответствие.
Простые сети. Во многих исследованиях этапа сопоставления использовались простые паттерны, в частности, письменные или печатные буквы или слова. На рис. 5.13 показано, как мы можем хранить в памяти описания формы букв. Основная идея состоит в том, чтобы описывать буквы по определенным признакам, информация о которых для каждой буквы хранится в многосвязной сети (отсюда сам термин многосвязная модель). [В некоторых изданиях термин connectionist model переводится как «коннектионистская модель». Поскольку существенным свойством здесь является именно множественность и многоуровневость связей между элементами, название «многосвязная модель» представляется нам более адекватным. — Прим. перев.] В многосвязной модели привлекает то, что легко представить, как такие сети реализуются в мозге с его массивами взаимосвязанных нейронов. Таким образом, многосвязность служит мостом между психологическими и биологическими моделями.
Рис. 5.13. Простая сеть.Нижний уровень этой сети содержит признаки (наклонные линии, вертикальная линия и кривая, выгнутая вправо), верхний уровень содержит буквы, а связь между признаком и буквой означает, что данный признак является частью этой буквы. Поскольку эти связи возбуждающие, при активации признака активация передается букве.
Нижний уровень сети, показанной на рис. 5.13, содержит признаки — например, правую диагональ, левую диагональ, верикальную линию и кривую, выгнутую вправо. Эти признаки и буквы мы будем называть узлами сети. Связь между узлом признака и узлом буквы означает, что данный признак принадлежит этой букве. Стрелки на концах соединений означают, что связи являются возбуждающими; когда активируется тот или иной признак, активация передается букве (аналогично тому, как электрические импульсы распространяются по сети нейронов).
Сеть на рис. 5.13 говорит нам, что буква K состоит из правой диагонали, левой диагонали и вертикальной линии; буква R состоит из левой диагонали, вертикальной линии и кривой, выгнутой вправо; а буква P состоит из вертикальной линии и кривой, выгнутой вправо. (Для простоты мы здесь опускаем взаимосвязи признаков.) Чтобы понять, как при помощи этой сети можно распознать (или подобрать) букву, посмотрим, что происходит при предъявлении буквы K. Она будет активировать правую диагональ, левую диагональ и вертикальную линию. Все эти три признака будут активировать узел буквы K; два признака — левая диагональ и вертикальная линия — будут активировать узел буквы R и один признак — вертикальная линия — будет активировать узел буквы P. Только в узле буквы K активированы все признаки, и следовательно, она будет выбрана как наиболее подходящая.
Эта модель слишком проста для объяснения многих аспектов распознавания. Чтобы понять, чего в этой модели не хватает, посмотрим, что происходит, когда предъявляется буква R (рис. 5.14). Она активирует левую диагональ, вертикальную линию и кривую, выгнутую вправо. Теперь в обоих узлах букв R и P активированными оказываются все признаки этих букв, и в этой модели никак нельзя решить, какую букву следует выбрать. Чтобы остановиться на одном определенном варианте, эта модель должна знать: наличие левой диагонали означает, что на входе не может быть буквы P. Подобная отрицательная информация учтена в усложненной сети, показанной на рис. 5.14.
Рис. 5.14. Усложненная сеть.Помимо активирующих связей эта сеть содержит тормозящие соединения между признаками и теми буквами, которые этих признаков не содержат.
В этой сети есть все то же, что и в предыдущей, плюс тормозные связи (они показаны с точками на концах) между признаками и теми буквами, которые не содержат этих признаков. Когда признак соединен с буквой тормозной связью, активация этого признака уменьшает активацию буквы. Если буква R предъявляется сети, показанной на рис. 5.14, левая диагональ вызывает торможение в узле буквы Р, снижая тем самым ее общий уровень активации; теперь наибольшая активация будет в узле буквы R и, следовательно, она будет выбрана как наилучшее соответствие.
Сети с обратной связью. Основную идею модели, которую мы только что рассмотрели, а именно что описание буквы должно содержать как те признаки, которые она имеет, так и те, которые в ней отсутствуют, — первоначально предложили исследователи искусственного интеллекта, которые разрабатывали компьютерные программы, моделирующие восприятие букв человеком. Хотя в то время такие идеи пользовались относительным успехом, в конце концов оказалось, что они неспособны адекватно объяснить данные о влиянии контекста на способность воспринимать буквы. В частности, оставалось непонятным, почему буква легче воспринимается, когда она предъявляется в составе слова, чем когда она предъявляется сама по себе. Так, если испытуемым на короткое время предъявляют изображение либо только буквы K, либо слова «WORK» (работа), а затем спрашивают, была ли последняя буква K или D, они отвечают точнее, если было предъявлено целое слово, а не одна буква (рис. 5.15).
Рис. 5.15. Восприятие букв и слов.Этот рисунок иллюстрирует последовательность событий в эксперименте, в котором сравнивалось восприятие букв, предъявлявшихся отдельно или в составе слова. Сначала испытуемые видели точку фиксации, за ней следовало слово или отдельная буква, которые предъявлялись всего на несколько миллисекунд. Затем предъявлялся стимул, содержащий маскирующие знаки на том месте, где находились буквы, и два варианта ответа. Испытуемым надо было решить, какой из двух вариантов слова или буквы предъявлялся ранее (по: Reicher, 1969).
Чтобы объяснить этот результат, в вышеописанную сеть со связями между признаками и буквами надо внести несколько изменений. Во-первых, в нее надо добавить уровень слов и помимо этого добавить возбуждающие и тормозные связи от букв к словам (рис. 5.16).
Рис. 5.16. Сеть с активацией «сверху вниз».В этой сети между буквами и словами, а также между признаками и буквами имеются возбуждающие и тормозные связи, и некоторые возбуждающие связи идут от слов к буквам.
Кроме того, надо добавить возбуждающие связи, идущие от слов обратно к буквам; эти последние будут обеспечивать обратную связь «сверху вниз», и тогда можно будет объяснить, почему при кратковременном предъявлении буква легче воспринимается в составе слова, чем когда она предъявляется отдельно. Если, например, буква R предъявляется отдельно, активируются ее признаки — вертикальная линия, левая диагональ и кривая, выгнутая вправо, — и эта активация распространяется к узлу буквы R. Поскольку буква предъявлялась на очень короткое время, не все признаки могли успеть активироваться и результирующая активация узла буквы R могла оказаться недостаточной для опознания. Если же буква R предъявляется в составе слова «RED» (красный), то помимо активации, идущей от признаков R к буквенному узлу R, имеет место активация от признаков Е и D к буквенным узлам; все эти частично активированные буквы частично активируют узел слова RED, который в свою очередь по обратным связям активирует свои буквы, используя соединения «сверху вниз».
Все это приводит к тому, что когда буква R предъявляется в составе слова, у нее возникает дополнительный источник активации, а именно сигнал, поступающий вниз от слова; вот почему букву, предъявленную в составе слова, распознать легче, чем предъявленную отдельно. На материале слов и букв были получены и многие другие результаты, согласующиеся с многосвязной моделью (McClelland & Rumelhart, 1981).
Такие модели также успешно используются в устройствах для чтения рукописного текста и распознавания речи (Coren, Ward & Enns, 1999).