Тем не менее, кое-какие успехи у ABBYY есть. Они разработали машинный переводчик на базе Compreno с качеством перевода лучше, чем у Google Translate.

Leonid Kudryavtsevиз ссылке...О серьезности намерений ABBYY.... многолетний труд более чем трехсот сотрудников компании ... 475 млн рублей, что составляет половину финансирования проекта ...

Дальше не читал - просто не интересно.
====
Помню, в свое время ряд деятелей продвигали хрень "тезаурус Гарнье". С помощью которой надеялись описать то, что изображено на картине. Что бы по данному описанию можно было искать.... там много было интересных вещей, но самое крутое это "крик"....

Вот Вам интересное и нужное направление "научной деятельности" и " компьютерной лингвистики". Вроде проект Минерва радостно продолжается, EU до сих пор его финансирует... Можете свою посильную помощь внести. А то, подозреваю, за прошедшие 10 лет вряд ли дальше "тезауруса Гарнье" с "криком" дело продвинулось.

Правда интересно еще посмотреть, что авторы JPEG 2000 наворотили. Они без всякой лингвистики предлагали поиск по похожести сделать.

Первая попавшаяся статься 2001 по проблеме
http://www.elbib.ru/index.phtml?page=elbib/rus/journal/2001/part2/KM
Минерва
http://www.minervaplus.ru/about_mp/mec_1.htm
Крик
http://lurkmore.to/Крик
Распознавание образов здесь не сгодится? Забабашить нейросеть, обучить ее, на выходе - требуемый ответ...
Кстати, IBM разработала нейрочип с миллионом нейронов для подобных целей.

caballero"Претендовать" можно на что угодно. Пока нет у программы сознания как у человека до тех пор она не будет понимать смысл - будет чистая математика - решение статичтических задач по оптимизации и вероятностям
Ребята из ABBYY заявляют, что
Compreno представляет собой технологию синтаксического и семантического анализа текста, которая опирается на универсальную для всех языков иерархию понятий и модель отношений между этими понятиями, говорят в Abbyy. В основе Compreno лежит универсальное дерево семантических понятий, которое обеспечивает понимание и анализ текстов на основе их смыслов , а не просто визуального представления.

Первое решение на базе новой технологии получило название Abbyy Intelligent Search. Оно предназначено для поиска в корпоративных системах и предоставляет результаты поиска с высокой релевантностью, поскольку учитывает не только все формы слов, но и их значения, смысловые связи между словами, расстояние между словами в искомой фразе и контекст употребления , рассказали CNews в Abbyy.

Важной особенностью смыслового анализа документов является тот факт, что в результатах поиска есть возможность фильтровать слова по их значениям. Пользователь может выбрать, хочет ли он найти среди документов, например, слово «fire» в значении «стрелять», «поджигать» или «увольнять».

Второе из представленных решений, Abbyy Intelligent Tagger, автоматически находит в текстах так называемые "сущности" (названия организаций, персон, гео-объекты, даты и денежные суммы) и размещает их в метаданных документа. В результате, информацию в корпоративных хранилищах можно классифицировать, сортировать или фильтровать по какому-либо признаку.

"Используя выявленные сущности, можно качественно улучшить целый ряд организационных процессов, связанных с анализом содержимого и ключевых параметров документов. Например, повысить приоритет обработки документов, поступающих от самых важных клиентов, создать правила для автоматического сбора сведений о клиенте или партнере, оптимизировать маршрутизацию документа по определенным критериям бизнес-процессов, упростить очистку документов от персональных и конфиденциальных данных", — говорят в Abbyy.

sobolevКонкретно с compreno есть проблема - эта штука не работает. Ну, то есть, инвестиции конечно получены и даже работа проведена большая, но результата, хотя бы маленького, нет.
Кто его знает, если довести compreno до ума, может быть результат будет.

Leonid KudryavtsevMartin114...Достаточно иметь хорошего филолога со знанием лексической семантики и хорошего программиста...
Блажен кто верует.
Еще 20 000 ведер и золотой ключик у нас в кармане ( C )
Говорят, что сейчас проблема заключается в недостаточных вычислительных мощностях. Как говорил Владимир Иванович Селегей, научный руководитель проекта машинного перевода в ABBYY, "увольте одного филолога из проекта - получите выигрыш в производительности в 10 раз". :)

sobolevMartin114Ребята из ABBYY заявляют, что...

Офигенная концепция. Именно то, что нужно. Конкретно с compreno есть проблема - эта штука не работает. Ну, то есть, инвестиции конечно получены и даже работа проведена большая, но результата, хотя бы маленького, нет.
Результаты приведены например здесь:
ABBYY Для оценки возможностей системы ниже представлен пример перевода кусочка статьи Google's «Babel fish» heralds future of translation средствами статистического переводчика и платформы ABBYY. Комментарии, как говорится, излишни.

Исходник:

If we tried manually to give the system those languages, it would be a hopeless task. The only possible way we could do this is to harness the power of machine computation. We build statistical models that are automatically training themselves and learning all the time.

ABBYY Compreno:

Если бы мы попытались вручную дать системе те языки, это было бы безнадёжной задачей. Единственный возможный способ, которым мы могли бы сделать это, состоит в том, чтобы использовать силу машинного вычисления. Мы создаём статистические модели, которые автоматически обучаются и учатся всё время.

Статистический переводчик:

Если бы мы попытались вручную, чтобы дать системе этих языков, то было бы безнадежной задачей. Единственно возможным путем мы могли бы сделать это, чтобы использовать возможности машины вычислений. Мы строим статистические модели, которые автоматически обучение себя и учитесь все время.

В команде ABBYY в России работают аспиранты, доценты, 31 кандидат наук и 3 доктора наук. ( отсюда )

SheratonЯ думаю скоро компьютерная лингвистика, будет бороздить просторы вселенной.
Программа смогла написать газетную статью лучше, чем журналист - статья 2011-го года.

SheratonЯ думаю скоро компьютерная лингвистика, будет бороздить просторы вселенной.
Разработана система IBM Watson, основанная на статистической обработке документов.
IBM Watson — суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, созданный группой исследователей под руководством Дэвида Феруччи. Его создание — часть проекта DeepQA. Основная задача Уотсона — понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных
В феврале 2011 года суперкомпьютер принял участие в телешоу Jeopardy! (российский аналог — «Своя игра»)[3]. Его соперниками были Брэд Раттер — обладатель самого большого выигрыша в программе, и Кен Дженнингс — рекордсмен по длительности беспроигрышной серии. Компьютер одержал победу, получив 1 млн долларов, в то время, как Дженнингс и Раттер получили, соответственно, по 300 и 200 тысяч.
Watson состоит из 90 серверов IBM p750, каждый из которых оснащён четырьмя восьмиядерными процессорами архитектуры POWER7. Суммарная оперативная память — более 15 терабайт.

Система имела доступ к 200 млн страниц структурированной и неструктурированной информации объёмом в 4 терабайта[4], включая полный текст Википедии. Во время игры Watson не имел доступа к интернету.

Компания IBM анонсировала новые проекты по использованию возможностей IBM Watson и когнитивных вычислительных технологий. IBM Watson – инновационная платформа, которая лежит в основе новой эры вычислений благодаря способности понимать естественные языки, а также обрабатывать огромные массивы больших данных с целью извлечения ценной информации и дальнейшего самообучения.

IBM продолжает развивать технологию Watson по всему миру и рада поделиться следующими новостями:

• На сегодняшний день IBM работает с заказчиками из 25 стран, расположенными на шести континентах; список стран включает ЮАР, Австралию, Великобританию, Таиланд, Канаду и США;
• Watson приступил к изучению испанского языка в рамках партнерства с CaixaBank;
• Компании-партнеры IBM Watson представляют новые приложения на базе Watson для сфер туризма, розничной торговли, ИТ-услуг, здравоохранения и некоммерческого сектора;
• IBM открывает штаб-квартиру Watson Group в районе «Кремниевая аллея» г. Нью-Йорк, а также пять новых клиентских центров Watson по всему миру.

«Watson является движущей силой новой эры вычислений, помогая организациям по всему миру запускать новые проекты, определять целевые рынки и трансформировать целые отрасли, – прокомментировал Майк Родин (Mike Rhodin), старший вице-президент IBM Watson Group. – Более того, Watson лежит в основе создания новых рынков и целой экосистемы, в которую входят наши заказчики, партнеры, разработчики, венчурные компании, университеты и их студенты. Судьба нового поколения инноваций находится в руках тех, кто ищет связи в разрозненных и не очевидных массивах данных с помощью Watson».
Отсюда: Вики , Хабр.
Существует также другая система ответа на вопросы, www.wolframalpha.com . В отличие от Watson, который основан на статистической обработке документов, Wolfram Aplha работает со знаниями: запрос он переводит в логический запрос, после чего производит вычисления. Сравнение IBM Watson и Wolfram Alpha приведено здесь:

Так что, несмотря на скептицизм, работа в области NLP - Natural Language Processing идет.

авторПредставители компаний IBM и WellPoint провели совместную конференцию, на которой объявили о начале коммерческой эксплуатации медицинской системы IBM Watson. Шесть экземпляров IBM Watson уже «трудоустроены» в больницы США в качестве врачей-диагностов.

За два года учёбы Watson изучил 605 тыс. медицинских документов, в общей сложности 2 миллиона страниц текста. Перед началом врачебной практики компьютер проанализировал 25 тыс. историй болезни и проработал 14,7 тыс. для тонкой настройки алгоритмов. С целью пополнения базы знаний компания IBM заключила соглашение с одним из ведущих центров изучения рака Memorial Sloan Kettering, где собран огромный архив медицинской информации. Watson способен не только ставить диагнозы, но и определять наиболее оптимальный курс лечения. Во многих случаях показывает точность диагностики лучше, чем врачи-люди.

Представитель компании WellPoint на пресс-конференции привёл такой пример. Точность назначения оптимального лечения после диагностирования рака лёгких в больницах США составляет 50%. То есть в половине случаев врачи рекомендуют не самый идеальный курс лечения и препаратов. Так вот, у компьютера IBM Watson точность назначения оптимального лечения составляет 90%. При расчёте он учитывает малейшие нюансы из медицинской карты больного и его генетическую информацию. Лечащий врач может со своего iPad вносить дополнительную информацию в компьютерную систему Watson в текстовом виде, например, написать «у пациента появилась кровь в мокроте при отхаркивании» — компьютер поймёт сказанное и через 30 секунд выдаст уточнённый диагноз и обновлённый курс лечения.
Хабр

Leonid KudryavtsevВсе это хорошо, но интересно, как обстоят дела с точки зрения закона.

когда пациент из-за неверного диагноза умрет, кто сидеть будет?

Когда у процессора ножка за ножку закоротит, то кто по статьям УК РФ 118, 293 и пр. отвечать будет?
Можно просчитать надежность работы системы, вероятность ошибки из-за технического сбоя, вероятность ошибки алгоритма и вероятность ошибки врача-человека. Если сумма первых двух меньше третьего - то можно делать вывод о годности системы к работе.
И вовсе необязательно исключать человека из цепочки принятия решений - последнее слово может оставаться за человеком (или консилиумом врачей).

Извиняюсь, неправильно ввел ссылку:
Martin114SheratonЯ думаю скоро компьютерная лингвистика, будет бороздить просторы вселенной.
Разработана система IBM Watson, основанная на статистической обработке документов.
Существует также другая система ответа на вопросы, www.wolframalpha.com . В отличие от Watson, который основан на статистической обработке документов, Wolfram Aplha работает со знаниями: запрос он переводит в логический запрос, после чего производит вычисления. Сравнение IBM Watson и Wolfram Alpha приведено здесь: http://blog.stephenwolfram.com/2011/01/jeopardy-ibm-and-wolframalpha/

Martin114Leonid KudryavtsevВсе это хорошо, но интересно, как обстоят дела с точки зрения закона.

когда пациент из-за неверного диагноза умрет, кто сидеть будет?

Когда у процессора ножка за ножку закоротит, то кто по статьям УК РФ 118, 293 и пр. отвечать будет?
Можно просчитать надежность работы системы, вероятность ошибки из-за технического сбоя, вероятность ошибки алгоритма и вероятность ошибки врача-человека. Если сумма первых двух меньше третьего - то можно делать вывод о годности системы к работе.
И вовсе необязательно исключать человека из цепочки принятия решений - последнее слово может оставаться за человеком (или консилиумом врачей).
Опять извиняюсь, опять наврал с теорией вероятности: нужно перемножить вероятность безотказной работы суперкомпьютера и вероятность безошибочной работы алгоритма и сравнить с вероятностью правильного диагноза врача-человека (или консилиума врачей).