Труды КНЦ вып.12 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ вып. 5/2021(12))

организация моделей ЕЯ названа в работе [3] глобальным подходом к организации исследований ЕЯ. Для снижения остроты указанных проблем в настоящей работе предлагается обратный подход к задаче моделирования естественных языков: строить для них системы моделирования на базе технологического инструментария вербализации и распознавания смысла, состоящего из семиотических моделей лексико­ грамматических средств ЕЯ. Децентрализованная модель ЕЯ Г.С. Цейтин в публикации [3] предвосхитил грядущие трудности моделирования ЕЯ, связанные с традиционным глобальным подходом к исследованию языков, и на основе своего большого опыта работы в логике и теории программирования предложил альтернативную идею: рассматривать язык как большое количество отдельных подсистем, взаимодействующих друг с другом, не выделяя заранее какой-либо общей системы, подчиняющей себе все остальные. Однако это направление, насколько можно судить по доступной информации, не получило дальнейшего развития, хотя оно вполне согласуется с распространенными в настоящее время распределенными и многоагентными структурами [4], а также с прагматически-ориентированным подходом к построению лингвистических моделей [5]. На наш взгляд, децентрализованное построение систем моделирования ЕЯ создает обширные возможности применения гибкого прагматически- ориентированного подхода к интеллектуализации подобных систем, особенно при реализации некоторых предложений, рассмотренных ниже. Например, за счет построения и использования сложных семиотических моделей, изначально ориентированных на решение семантически нетривиальных задач. Семиотические модели лексико-грамматических средств ЕЯ Децентрализованная структура [3] ориентируется на традиционную иерархическую модель ЕЯ. Обычно выделяют фонетический (самый поверхностный), морфологический, синтаксический и семантический (самый глубинный) уровни (например, [6]). Модель анализа задает лингвистические знания в алгоритмах анализа, которые позволяют перейти от некоторого более поверхностного уровня к более глубинному. Лингвистические знания, задаваемые синтезирующими моделями, используются в алгоритмах синтеза, позволяющих перейти от некоторого более глубинного уровня к более поверхностному. При работе системы в любом направлении вызываются те из имеющихся в ней лексико-грамматических инструментов, которые соответствуют виду и уровню обрабатываемой информации, то есть инструменты вторичны по отношению к исследуемым данным и не обладают собственным интеллектом. В предлагаемом нами подходе будут использоваться проактивные интеллектуальные средства обработки языковой информации, отвечающие за семантически ориентированное исследование и преобразование данных. Такие инструменты по решаемым задачам аналогичны агентам в многоагентных системах, но в отличие от последних, не проектируются независимыми друг от друга, а функционируют согласованно согласно условиям, формируемым координирующими модулями. Такие модули фактически содержат 59