При автоматизированном распознавании устной речи и рукописного текста на естественных языках возникают проблемы, близкие к проблемам машинного перевода.
То есть, существуют слова, близкие по звучанию, по набору фонем. Например, «шесть» и «шерсть» (рус.), ship and sheep в английском. Человек достаточно легко справляется с различением таких слов за счет понимания контекста, в котором они произнесены, тогда как для компьютерных систем различить такие близкие наборы звуков составляет почти неразрешимую задачу. Следовательно, для распознавания речи нужно не только слышать ее, но еще и понимать о чем идет речь. Человек однозначно воспринимает контекст и восстанавливает («домысливает») нерасслышанные фонемы, в то время как существующие алгоритмы этот контекст просто не учитывают.
Аналогичные проблемы возникают и при распознавании рукописного текста. То есть, вариации в написании символов различными людьми не дают возможности построить однозначное соответствие между рукописным символом и буквой алфавита, что не дает возможности точно построить то или иное слово по его рукописному аналогу.
Наличие эти проблем обусловлено опять же механистическим подходом к распознаванию фонем и символов –делается попытка распознать их как дискретные элементы, не учитывая семантических взаимосвязей.
Здесь, как и в задаче перевода, проблема распознавания решается отражением семантическое пространство для тех гипотез значений, которые наиболее вероятны для звучаний и написаний распознаваемых слов. Изначально рассматриваются все варианты слов, которые могут быть получены из распознанной информации. Так как отражение проводится вместе с предыдущим контекстом, то сразу можно выбрать то понятие, которое наиболее семантически близко к данному контексту и по нему ( если нужно) восстановить то слово, которое требуется распознать.
Одной из проблем современных систем распознавания является восстановление по распознанным фонемам исходного слова. Это связано с тем, что транскрипция ( произношение) каждого слова не обязательно совпадает с его написанием, например лесница, здача, салома и т.д.
Подход с позиций КТПП дает простое решение данной проблемы. Представляется наиболее целесообразным не искать способы написания того или иного набора фонем, а напрямую осуществлять поиск этого набора в ПП, так же как ищутся и слова с целью определения их координат. То есть, по набору фонем определяются координаты соответствующего понятия и в сочетании с определением разрешенной/запрещенной области выдается решение о том или ином понятии уже в письменном, текстовом (или графическом) виде.
Преимущество такого подхода заключается еще и в том, что он позволяет реализовать клиент – серверную архитектуру обработки запроса, то есть распознавание фонем производить на достаточно «тонком» клиенте, а поиск соответствия набора фонем и понятия, производить на сервере – удаленном компьютере. Более того, если набор фонем из запроса не распознан на ближайшем распознающем сервере, то его можно при помощи глобальных телекоммуникационных сетей отослать другим серверам ( например, если запрос сделан на неиспользовавшемся ранее языке), то есть можно построить систему распознавания речи на нескольких (потенциально – на любых) языках.
