Utilizarea Rețelelor Neuronale în Recunoașterea Vorbirii

1. Aspecte generale

Recunoasterea vorbirii este unul din domeniile prelucrarii de semnal vocal de deosebit interes în momentul de fata. Succesul tehnologiei de recunoastere a vorbirii este strâns legat de masura în care este cunoscut mecanismul perceptiei umane. Multi autori considera ca auzul, care permite recunoasterea si întelegerea vorbirii, este cel mai evoluat din cele cinci simturi ale omului, desi pe cale auditiva omul culege doar 11% din informatii în timp ce prin vaz se obtin peste 85%. Din semnalul acustic receptionat de ureche, pe cel mai înalt nivel se extrag sau se decodifica concepte?. Pentru decodificarea semnalului acustic, raspunsul auditiv este integrat pe toata secventa temporala ce contine codul informational. Se stie foarte putin despre unde si mai ales despre cum sunt decodificate în creier aceste concepte, despre rolul informatiei anterioare si ale contextului, despre rolul altor factori care ajuta sau dimpotriva îngreuneaza întelegerea vorbirii. Descifrarea acestor fenomene în legatura cu vorbirea ne-ar putea ajuta în lamurirea modului în care oamenii gândesc, cum formeaza concepte, cum stabilesc relatii conceptuale, gândirea si vorbirea umana fiind strâns legate. Ideea unei masini care sa auda, sa înteleaga si sa actioneze fara greseala, sigur, dupa o informatie vorbita de om este înca de domeniul viitorului. Totusi, pasi în directia câstigarii masinii ca partener de dialog pentru om sunt din ce în ce mai însemnati si tehnicile noi de calcul paralel, de modelari neurale, statistice si fuzzy îsi vor aduce contributia la înfaptuirea acestui dialog

Datorita proprietatilor esentiale ale retelelor neuronale artificiale, gama aplicatiilor care utilizeaza aceste tipuri de retele este extrem de larga.

Multidisciplinaritatea teoriei calcului neuronal se rasfrânge spre aria aplicatiilor acestuia, mergând de la inginerie, informatica, medicina, economie si pâna la domenii umaniste ca sociologia, lingvistica sau psihologia. Importanta si impactul asupra noastra ale retelelor neuronale au fost subliniate în mod plastic de L. Cooper (laureat al premiului Nobel), care afirma: Nu numai ca vom învata sa traim cu aceste masini, dar într-o buna zi ne vom întreba cum de am trait fara ele pâna atunci?. Principalele aplicatii ale retelelor neuronale sunt urmatoarele: prelucrari de imagini, recunoasterea formelor vizuale prin metode conexioniste (recunoasterea scrisului, recunoasterea amprentelor digitale, etc.), recunoasterea vorbirii si, nu în ultimul rând, aplicatii ale retelelor neuronale în medicina.

Prelucrarile de imagini au ca obiect transformarile necesare prezentarii clasificatorului doar a datelor esentiale pentru luarea deciziei. Filtrarea zgomotelor, accentuarea si detectia contururilor, subtierea formelor, segmentarea imaginii si extragerea caracteristicilor sunt cele mai importante operatii de preprocesare. Eficacitatea deosebita a structurilor paralele conexioniste în rezolvarea problemelor de clasificare a fost subliniata în numeroase lucrari. Principalele avantaje ale retelelor neuronale fata de alte metode de clasificare sunt: toleranta superioara la zgomote, invarianta deosebita la deformari geometrice (rotatii, translatii sau scalari), posibilitatea omiterii unor etape de preprocesare a imaginii, robustete superioara în raport cu diferite distorsiuni sau cu forme incomplete si un efort de calcul mai mic.

Una dintre cele mai provocatoare probleme aplicative în inteligenta artificiala, a carei rezolvare globala ramâne înca deschisa, este recunoasterea vorbirii fluente si independente de vorbitor. Dificultatea deosebita a acestei probleme se datoreaza caracterului dinamic, nestationar, al semnalului vocal, precum si a variabilitatii mari, chiar si în cazul aceluiasi vorbitor.

2. Retele Neurale

2.1 Notiuni introductive

Ideea de a cauta în structura sistemului nervos o sursa de inspiratie pentru conceptie sistemelor de tratare a informatiei nu este noua. În anul 1943, în încercarea de a explica modul în care creierul uman realizeaza functii booleene, W. McCulloch si S. Pitts, (McCulloch 43) au propus modelarea celulei nervoase (neuronul), printr-un automat cu prag denumit neuron formal. Acest model este, în linii generale, acceptat si astazi.

Progresele înregistrate în neurologie si psihologie au determinat aparitia unor modele matematice ale învatarii. Un astfel de model a fost propus în 1949 de catre D.O.Hebb. Modelul Hebb a reprezentat punctul de plecare în tentativele întreprinse în deceniul urmator de realizare a unor retele neuronale artificiale capabile sa învete.

În 1958 Krank Rosenblatt a publicat prima sa carte despre perceptron. Acesta era un model probabilistic pentru memorarea si organizarea informatiei în creier. Un alt model de retea neurala, cunoscut ca ADALINE (Adaptive Linear Neuron) a fost propus la începutul anilor 60 de catre Bernard Windrow. Retelele realizate în aceasta perioada au fost aplicate pentru rezolvarea unor probleme cum ar fi recunoasterea unor structuri specifice în electrocardiograme sau perceptia artificiala. Astazi se poate spune ca acestea sunt aplicatii de recunoastere a formelor.

Primele succese ale retelelor neurale au determinat o mare emotie în lumea stiintifica. Specialistii erau aproape unanimi în a considera ca si alte procese asociate cu inteligenta si memoria umana pot fi modelate prin astfel de retele eventual mai complicate.

2.2 Prezentare generala în analogie cu creierul uman

Retelele neurale au prezentat în ultimii ani o explozie de interes, si sunt aplicate cu succes într-o foarte larga sfera de domenii, în arii diverse, cum ar fi finantele, medicina, ingineria, geologia si fizica. Într-adevar, oriunde sunt probleme de predictie, clasificare sau control, retelele neurale au fost introduse cu succes.

O Retea Neurala Artificiala (RNA) (ANN - Artificial Neural Network) este, în principiu, un sistem modelat dupa creierul uman, desi câteva retele neurale nu sunt chiar asa de apropiate de structura creierului, iar altele nu au la mijloc o baza biologica a creierului. Oricum, majoritatea retelelor neurale, au o mare similaritate cu creierul biologic. Retelele neurale s-au dezvoltat în cadrul domeniului Inteligentei Artificiale; în special, atacând imitativ toleranta la greseli si capacitatea de a învata a sistemelor neurale biologice, modelând la un nivel foarte jos structura creierului (Petterson, 1996).