Revisió del 02:04, 20 oct 2013 modifica Langtoolbot (discussió \| contribucions) Bots 1.187.315 edits m Corregit: sió de la intel•ligència artificia -> sió de la intel·ligència artificia ← Edició anterior		Revisió del 02:04, 20 oct 2013 modifica desfés Langtoolbot (discussió \| contribucions) Bots 1.187.315 edits m Corregit: ters, com il•lustren Bledsoe i -> ters, com il·lustren Bledsoe i Edició següent →
Línia 69: Gran part dels esforços de la lingüística computacional moderna s’han concentrat sobre la comprensió. Amb la proliferació d’internet i la facilitat d’accés al llenguatge humà escrit, la capacitat de crear un programa capaç d’entendre el llenguatge humà tindria abundants i interessants possibilitats, incloent la millora dels motors de cerca, servei al client automatitzat i la educació en línia. Els primers treballs sobre la comprensió van incloure l’aplicació d’estadística bayesiana a la tasca de reconeixement òptic de caràcters, com ~~il•lustren~~il·lustren Bledsoe i Browning que, en 1959, generaren un gran diccionari de possibles lletres a través de l’aprenentatge de lletres d’exemple i, a continuació, la probabilitat que qualsevol dels exemples apresos coincidís amb la nova entrada fou combinada per prendre la decisió final. Entre la resta d’exemples per aplicar l’estadística bayesiana a l’anàlisi del llenguatge cal destacar el treball de Mosteller i Wallace (1963) en què s’utilitzà una anàlisi de les paraules utilitzades en els documents federalistes per tractar de determinar la seva autoria, concloent que Madison fou probablement l’autor dels documents. En 1979, [[Terry Winograd ]] va desenvolupar un motor de [[processament de llenguatge natural]] capaç d’interpretar naturalment instruccions escrites en un entorn governat per una senzilla regla. El programa d’anàlisi sintàctic del llenguatge principal en aquest projecte fou anomenat [[SHRDLU]], que era capaç de dur a terme una conversació amb l’usuari, en cert mode, natural a través d’instruccions, però només dins el context de prova en què es desenvolupà la tasca. Aquest context va consistir en blocs de diferents formes i colors i SHRDLA fou capaç d’interpretar instruccions com “Troba un bloc més alt que el que tens a les mans i posa’l dins la capsa”, així com fent preguntes tals com “No entenc a quina piràmide et refereixes” en resposta a l’entrada de l’usuari. Tot i que impressionant, aquest tipus de processament del llenguatge natural ha demostrat ser molt més difícil fora de l’abast limitat del context de prova. Igualment, un projecte desenvolupat per la [[NASA]], anomenat [[LUNAR]], fou dissenyat per proporcionar respostes a preguntes, escrites naturalment, sobre l’anàlisi geològic de les roques lunars portades per les missions de les naus Apolo. Aquest tipus de problemes es coneixen com a [cerca de respostes].

Lingüística computacional: diferència entre les revisions