Enrico Boccalaro Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo per la Camera dei deputati

Transcript

1 Enrico Boccalaro Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo per la Camera dei deputati 1 - Premessa; 2 - Intelligenza artificiale e sistemi esperti; 3 - Sintesi e riconoscimento vocale; 4 - La sperimentazione Camera; 5 - Prospettive di nuove applicazioni; 6 - Interpretazione del linguaggio naturale; 7 - Drafting legislativo; 8 - Osservazioni conclusive. La scienza scopre/l industria applica/l uomo si adegua (motto della Fiera Mondiale di Chicago 1933) L uomo propone/la scienza studia/la tecnologia si adegua (motto centrato sull individuo del CALTECH) 1 - Premessa Con il motto di Donald Norman, uno dei padri riconosciuti di Scienza della Cognizione presso il California Institute of Technology, si vuole presentare nella seguente relazione lo stato della sperimentazione presso la Camera dei deputati delle tecnologie inerenti il riconoscimento del linguaggio sia scritto sia parlato: il motto del 1933, che ancor troppo spesso si riscontra sistematicamente messo in atto anche nei settori di tecnologie informatiche più direttamente connessi alle esigenze personali quale l automazione di ufficio, può essere finalmente ribaltato con l avvento delle nuove tecnologie. Se, infatti, negli ultimi dieci anni si può registrare uno sviluppo straordinario degli elaboratori elettronici con incrementi esponenziali di capacità di calcolo e di memorizzazione, non si può ancora constatare un analogo sviluppo nello sfruttamento di questa enorme potenza elaborativa per facilitare l uso dell elaboratore stesso: basti considerare, a questo proposito, che l introduzione di interfacce grafiche e di strumenti di interazione a finestre ed icone tramite mouse risale ormai ad oltre un decennio. Tra i sistemi di comunicazione utente/macchina un ruolo sempre più rilevante può essere pertanto svolto dal linguaggio parlato, che rappresenta il mezzo di comunicazione più naturale per l uomo. Il suo uso, ad integrazione di altri apparati di input/output (schermi, tastiere, mouse) oppure addirittura in sostituzione degli stessi, amplia in maniera notevolissima lo spettro delle applicazioni degli elaboratori e la gamma dei servizi che essi possono rendere accessibili e soprattutto può far risulta- 135

2 136 Enrico Boccalaro re più efficace e, come usualmente indicato, più ergonomico, il modo di lavorare con gli strumenti informatici. A questo proposito, occorre ricordare che, a seguito della direttiva CEE del 29 maggio 1990, l ordinamento ha già indicato (Dlgs 626/94 e 242/96), congiuntamente alle prescrizioni in materia di sicurezza e di salute per le attività lavorative svolte su videoterminali, precisi obblighi sull applicazione dei principi di ergonomia per quanto concerne l interfaccia elaboratore/uomo e che diversi standard normativi (ISO 9241) siano prossimi a definizione ufficiale. La stessa metodologia di progettazione dei prodotti software è sempre più diffusamente orientata a definire le basi funzionali dei sistemi a partire dalle esigenze strettamente utente, secondo le tecniche c.d. user-centered, ed i rapporti tra informatica e linguaggio naturale passano obbligatoriamente attraverso tali metodologie. Le tecnologie direttamente connesse all evoluzione degli apparati di interazione uomo/macchina sulla base del linguaggio umano mirano, come di seguito illustrato, a fornire strumenti, i cosiddetti sistemi esperti, atti in primo luogo a riconoscere il linguaggio parlato e in secondo luogo a comprendere lo stesso, individuando dagli elementi significanti del linguaggio le intenzionalità espresse. 2 - Intelligenza artificiale e sistemi esperti Possiamo definire l intelligenza artificiale (AI) come un insieme di tecniche per la risoluzione di problemi che mirano, imitando il modo di pensare o di prendere decisioni dell uomo, di riprodurre gli stessi risultati di tali processi. Le domande che si pone l ingegnere della conoscenza (così viene chiamato chi cerca di costruire queste tecniche) sono: come agirebbe un esperto per risolvere questo problema? Su cosa si basano le sue decisioni? Un esperto di una materia non è solito ragionare per algoritmi, ossia non usa lo stesso approccio che si adotta sul computer che calcola Z partendo dalle variabili A, B, C... attraverso una sequenza più o meno complessa di formule, e al contempo, è abituato a prendere decisioni anche quando non ha a disposizione tutti gli elementi di un problema o ne ha di alcuni una conoscenza stimata valida solamente fino ad un certo livello di affidabilità. Dopo la seconda guerra mondiale alcuni scienziati, principalmente statunitensi ed inglesi, incominciarono a costruire alcuni prototipi di quelli che oggi sono i moderni computer. In particolare, nella scuola inglese, Alari Turing propose lo sviluppo di una architettura basata

3 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 137 sull utilizzo di certi operatori logici individuando l utilità dell elaboratore nella manipolazione di simboli, parole, frasi. La scuola americana invece si indirizzò principalmente verso architetture adatte alla manipolazione numerica di grosse quantità di dati attraverso l utilizzo di operatori aritmetici, fondando i presupposti della costruzione dei computer attualmente in uso. Una frazione di scienziati ha però continuato lungo la strada iniziata da Turing: strada all epoca assai più complessa, tenuto conto della bassa potenza dei sistemi di allora, per le richieste di macchine dell AI, che utilizzano processori dedicati alla manipolazione di simboli (processori LISP e PROLOG). Parallelamente agli sviluppi tecnologici, la psicologia ha studiato sempre più in dettaglio i modi in cui l uomo apprende, organizza la sua conoscenza e la applica nella risoluzione di un problema. Dalla fusione di questi due indirizzi è nata quella che noi oggi chiamiamo AI, e che fa oggetto principale di investigazione le tecniche di risoluzione dei problemi (ragionamento, deduzione), i modelli di rappresentazione della conoscenza, la comprensione del linguaggio parlato e scritto. La base tecnologica che realizza i principi dell AI in macchine automatiche è costituita dai cosiddetti sistemi esperti, ossia, secondo la ormai storica definizione di Edward Feigenbaum, «programmi intelligenti che usano una base di conoscenza e delle procedure di inferenza per risolvere problemi che sono sufficientemente difficili da richiedere una dose significativa di esperienza per la loro risoluzione». Si è cosi evidenziata una prima suddivisione strutturale dei sistemi esperti in base di conoscenza, costituita da regole che caratterizzano un determinato argomento e dai fatti ad esse applicati (organizzati in entità logiche denominate frame), e in motore inferenziale costituito dai modi di controllo e di procedere tra regole. Le tecniche inferenziali usualmente utilizzate sono quelle di forward-chaining che, partendo dalle premesse asserite dall utente, passano all applicazione di regole successive basate su tali premesse finchè si giunge alla risoluzione del problema. Non sempre con tale approccio si riscontra la individuazione ottimale della soluzione del problema o della migliore soluzione in assoluto. Le tecniche complementari impiegate sono quelle di backward-chaining, che partono da una soluzione ipotetica del problema per verificarne, a ritroso, sulla base di conoscenza, le premesse. I migliori risultati sono conseguibili dall utilizzo combinato di entrambe le tecnologie. Si evidenzia, a questo punto, come, diversamente dai programmi classici, è il sistema elaborativo che individua l algoritmo risolvente e non il programmatore che lo fornisce.

4 138 Enrico Boccalaro I sistemi esperti, elaborati a partire dagli anni 70, hanno ormai una base di realizzazioni piuttosto consolidata e valutata nel mondo in almeno sistemi effettivamente operativi con volumi di mercato di migliaia di miliardi. Anche la pubblica amministrazione ha all attivo, nel quadro del piano di sviluppo dell innovazione informatica nel sistema pubblico, significative esperienze principalmente nelle seguenti aree: Sistemi di aiuto nelle decisioni: principalmente in aree settoriali quali il trattamento pensionistico, l infortunistica, la formazione del personale, la gestione bancaria, si prospettano come sistemi atti a agevolare i processi di valutazione, analogia, interpretazione di basi normative specialistiche. Fra i più recenti, SEFORM e SEINPS (sviluppati all interno dell INPS) si prefiggono di offrire strumenti di indagine per la razionalizzazione ed il controllo dell organizzazione aziendale sotto il profilo della formazione e dell individuazione dei curricula ottimali a svolgere le diverse mansioni. Sistemi per il controllo e la generazioni di testi: ad essi sono demandati funzioni di controllo di testi prodotti dalle amministrazioni e di generazione di modelli testuali sulla base di specificazioni astratte o contenutistiche, con rilevanti implicazioni di semplificazione, omogeneità, razionalizzazione e, non ultimo, di chiarezza e trasparenza della amministrazione. Tra essi, Errata Corrige PA, nato nell ambito del progetto finalizzato del Dipartimento della funzione pubblica per la semplificazione del linguaggio burocratico, è il prodotto recentemente diffuso nelle diverse amministrazioni. Sistemi per l analisi dei testi legislativi: sistemi che affrontano le problematiche del trattamento dei riferimenti normativi, di creazione automatica del consolidamento normativo, di ausilio alla stesure delle leggi (legislative drafting). I sistemi Lexedit, sviluppato presso I IDG di Firenze, Norma dal CIRFID per il comune di Bologna, ARIANNA presso la regione Piemonte sono una prima risposta operativa a tali problematiche. Sistemi di interazione per l accesso di informazioni: sistemi evoluti per agevolare il reperimento delle informazioni sotto il duplice profilo della precisione (pertinenza dei risultati della ricerca agli obiettivi dell utente) e della esaustività (completezza delle informazioni ottenute rispetto alle esistenti); per esempio il sistema RENOS di documentazione tributaria del Ministero delle finanze. Sistemi di riconoscimento/sintesi vocale: prodotti di riconoscimento del linguaggio naturale parlato sia per attività di dettatura automatica (DragonDictate, VoiceType, ARES), sia per gestione informazioni su base vo-

5 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 139 cale telefonica unitamente a prodotti di sintesi vocale (Informazione numeriche elenco abbonati (1412) della TELECOM, RAILTEL delle F.S.). Sistemi di traduzione automatica: a partire dalle esigenze di generazione multilingue dei progetti dell Unione europea come EUROTRA, che ha già consentito l impiego operativo di strumenti automatici di traduzione presso gli uffici traduzione di Bruxelles, si ricorda il sistema GIST presso la provincia autonoma di Bolzano. 3 - Sintesi e riconoscimento vocale I primi studi sulle tecnologie della sintesi e del riconoscimento vocale risalgono alla seconda metà degli anni 40 ed alcune applicazioni commerciali sono presenti già agli inizi degli anni 80; le sue basi teoriche, principalmente sulla predizione statistica di sequenze di parole, risalgono addirittura agli inizi del 900 (è nel 1902 che Andrei Markov stabilì la probabilità di tutte le sequenze di parole dell Eugenio Onegin di Pu skin). Tuttavia, solo con l avvento dei personal computer, di velocità e capacità di memoria paragonabili o superiori a quelle dei tradizionali sistemi mainframe (prima metà anni 90), le applicazioni vocali riescono ad uscire da una progettazione di nicchia, limitata a settori specifici (principalmente militare e medico), per cominciare a diffondersi nel mercato non specializzato. Nel 1986, il mercato del riconoscimento vocale aveva il trascurabile valore di circa 19 milioni di dollari. Nel 1992 tale valore si era incrementato di oltre il 700%, arrivando a 159 milioni. Nel tempo di due anni, si è registrato un raddoppio del mercato (347 milioni nel 1994, secondo Computer Resellers News 1995). Parallelamente si evidenzia una drastica riduzione dei costi di tali sistemi, talché, su indicazione della Voice Information Association, organismo internazionale che raggruppa gli esponenti della ricerca e della produzione di tecnologie vocali, a partire dal 1996 si preferisce indicare il numero di sistemi installati in luogo del volume di spesa: essi ammontano a poco più di 600 mila nel 1996, si prevede superino i 3 milioni nel 1997 e si stima raggiungano i 13 milioni nel corso del La tecnologia della voce in uscita dall elaboratore ha già raggiunto buoni livelli di sviluppo e di commercializzazione ed offre la possibilità di generare la pronuncia di qualsiasi parola, frase, periodo di una determinata lingua a partire dal testo memorizzato su supporto elettronico. I sistemi in uso si basano su schede sonore in grado di fornire la emissione di suoni elementari (fonemi), ciascuno dei quali è caratterizzato da almeno 4 diversi livelli di tono.

6 140 Enrico Boccalaro Il processo di sintesi consiste nel determinare, per ogni data parola, la sequenza di suoni che produca la migliore pronuncia. Per ottemperare a ciò occorre: trascrivere foneticamente la parola e la sua accentazione (in base ad un insieme di regole basate sull analisi linguistica o a set predefiniti di parole foneticamente preregistrate); individuare la coarticolazione ottimale, determinando la miglior stima di durata e tono di ogni fonema in base ad un insieme di regole che analizzano i contesti fonetici di ogni parola; produrre il segnale da parte della scheda vocale sulla base della sequenza dei suoni elementari determinata nelle fasi precedenti. Inizialmente i sistemi commercializzati, di derivazione statunitense, presentavano una intellegibilità e resa nella lingua italiana piuttosto scadente, e solo con la predisposizione di progetti di ricerca finalizzati quali «Tecnologie Bio-mediche e Sanitarie» (CNR) e l incremento di potenza elaborativa dei sistemi si sono ottenuti sensibili miglioramenti; infatti, i sistemi attuali evidenziano maggiore chiarezza, gradevolezza ed intellegibilità del parlato e la possibilità di disporre di vasti dizionari (fino a parole) aggiuntivi di pronuncia di parole foneticamente irregolari. Ulteriori investimenti nel settore hanno recentemente permesso una ottimale traduzione vocale anche dei sistemi operativi ad icone (es. WIN- DOWS), talché oggi è possibile tradurre le informazioni visive di un qualunque schermo PC in informazioni vocali (ad es. con il sistema VIRGO e Screen Power Windows delle soc. Baum e Telesensory). Ma, per gli elaboratori, ascoltare si è rivelato più difficile che parlare. Sicuramente questo è principalmente imputabile al fatto che è estremamente più facile al sistema percettivo umano adattarsi alle imperfezioni dei sintetizzatori vocali che non per il sistema vocale umano enunciare le parole con precisione e ripetibilità tali da semplificare il problema del riconoscimento vocale. Come funziona un sistema di riconoscimento vocale? Per il seguito della relazione, si reputa utile considerare le seguenti componenti fondamentali, che rappresentano lo schema considerato ormai classico della tecnologia del riconoscimento, proposto da David B. Roe nel 1995: Modulo di campionamento e digitalizzazione: il segnale elettrico analogico captato dal microfono viene campionato (frequenza usuale 22 kilohertz) e digitalizzato; Modulo di etichettatura suono elementare: a partire dai dati precedenti viene ricostruito un suono elementare di durata standard (1/100 di secondo) e di valori di spettro di energia tra 200 fondamentali;

7 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 141 Modulo di ricostruzione parola: a partire dai suoni elementari si ricostruisce la sequenza di fonemi associati a ciascuna parola (modello acustico di parola); Modulo di comparazione vocabolario in linea: a ciascuna parola nel dizionario è associata una trascrizione fonetica da comparare col modello acustico di parola creato, sulla base ulteriore del modello probabilistico (modello nascosto di Markov) di pronuncia dello specifico utente (creato in fase di addestramento e dinamicamente aggiornato in fase di dettatura); Modulo di analizzatore di contesto: per risolvere ambiguità lessicali è attivato un confronto con il modello linguistico basato su coppie o terne di parole che individua, date una o due parole, la successiva probabilisticamente più vicina (modello markoviano a bigrammi o trigrammi). I riconoscitori della voce non hanno una unica struttura ed un unico insieme di caratteristiche ma variano notevolmente a seconda del tipo di applicazione per la quale sono stati predisposti. Per un sistema di riconoscimento di comandi, ad esempio per consentire la navigazione tra applicazioni a finestre, il vocabolario a disposizione può essere estremamente limitato e non necessita pertanto di modulo di analizzatore di contesto. Diversamente, un sistema di dettatura di testi deve disporre di un vocabolario esteso e richiede un utilizzo significativo del modello linguistico, per risolvere i numerosi casi di ambiguità acustica rilevati. Un sistema di riconoscimento da utilizzare in remoto via telefono invece deve essere in grado di riconoscere la voce di qualsiasi parlatore, anche in presenza di segnale acustico a minore fedeltà e non esente da disturbi, a causa della linea telefonica. Esistono pertanto alcuni parametri di base che caratterizzano i sistemi di riconoscimento e che ne determinano i campi di applicabilità: dimensione del vocabolario: può variare da poche decine di parole, come per alcuni riconoscitori telefonici, fino a diverse decine di migliaia per i sistemi di dettatura; tipo di vocabolario: esistono basi lessicali che risiedono su RAM del computer (le uniche direttamente utilizzabili in corso di riconoscimento) oppure su HD, con tempi di accesso notevolmente inferiori rispetto alle prime menzionate e tali da poter essere utilizzate solo in fasi successive alla dettatura (ad es. per la correzione); d altronde, esse consentono l aggiornamento automatico del dizionario su RAM sulla base delle frequenze di impiego delle singole parole e pertanto costituiscono un valido supporto alla definizione della base lessicale su RAM effettivamente im-

8 142 Enrico Boccalaro piegata. Esistono inoltre vocabolari predisposti per un uso generalizzato oppure specialistico (medico, giuridico, giornalistico) a seconda del tipo di utenza prevista; tipo di parlato: i sistemi attualmente più diffusi richiedono una dettatura con interposizione di una pausa tra le singole parole di durata stimata, a seconda delle applicazioni, da 1/4 ad 1/8 di secondo (discrete speech). Sistemi più avanzati, ancora a dizionari limitati, consentono una dettatura più fluida senza pause (continuous speech). In prospettiva più ampia si sta sperimentando la capacità di riconoscimento di un parlatore naturale, separando i dati acustici di effettiva comunicazione verbale dai dati addizionali di rumore e di locuzioni paraverbali (natural speech); dipendenza dal parlatore: i più diffusi sistemi a vocabolario esteso richiedono tassativamente una fase preliminare di addestramento acustico da eseguire con ogni singolo utilizzatore, che deve dettare (e correggere) insiemi predefiniti di frasi o parole; precisione e velocità: sono i dati sostanziali per una misura delle prestazioni dei sistemi di dettatura e si aggirano statisticamente tra i valori dell per cento come precisione di riconoscimento a velocità di dettura tra le 50 e le 100 parole al minuto. Le caratteristiche riportate sono comunque estremamente mutevoli, non approfonditamente diffuse, stante il clima di estrema concorrenzialità in atto, e suscettibili di profonde revisioni, stante la rapidissima evoluzione tecnologica che si registra nel settore, spesso attingendo a tecnologie già consolidate ed operando in tal modo sinergie di straordinaria efficacia. A titolo di esempio, occorre ricordare l impiego di tecnologie di estrazione di informazioni acustiche di derivazione dalla telefonia mobile (GSM) che ha consentito l introduzione dei sistemi indipendenti dal parlatore (speaker independent) sul finire del Per tali sistemi ci si avvale (anziché del tradizionale modulo di campionamento e digitalizzazione) di decodificatori a predizione CELP (code-excited linear predictor) che estraggono dal segnale vocale i soli elementi risonanti (i cosiddetti formant) caratteristici della posizione di labbra e lingua nell emissione vocale. La parte restante del segnale vocale risulta essere estremamente ridondante: per essa si adottano tecniche di codifica e compressione estremamente efficaci (fino a 2.4 Kbps invece dei 64 Kbps dei sistemi tradizionali), con evidenti vantaggi nella trasmissione di telefonia mobile. Dalla fine del 1996 i decodificatori CELP, utilizzati ormai estesamente nei telefoni GSM, sono direttamente implementabili su personal computer Pentium dotati di processore MMX, evidenziando il ruolo determinante dei formant nella fase di riconoscimento al punto da

9 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 143 consentire l introduzione di sistemi di riconoscimento vocale indipendenti dal parlatore. È interessante notare che, mentre le frequenze acustiche in gioco nei fenomeni vocali arrivano a molte migliaia di Hertz, le frequenze dei segnali di controllo che attraverso i nervi motori portano al movimento degli organi acustici sono dell ordine delle decine di Hertz, con un contenuto informativo pertanto sensibilmente minore. Considerato inoltre il ruolo ridondante di gran parte delle informazioni vocali emerso con la tecnologia dei formant, è lecito supporre che l apparato vocale eserciti in un certo senso una funzione di modulazione del segnale ad alta frequenza (per migliore trasmissibilità nell aria) e di arricchimento del segnale con informazioni ridondanti (per migliorare l intellegibilità in presenza di attenuazioni, di diversi parlatori o di rumore di fondo). 4 - La sperimentazione Camera Nel corso del apparvero sul mercato alcuni prodotti di riconoscimento vocale sui quali il Servizio informatica, d intesa con il Servizio stenografia, operò una prima ricognizione tecnico-funzionale, con l obiettivo di individuare un sistema che consentisse la progressiva sostituzione delle attività di immissione dattilografica con attività di dettatura a computer e, nel contempo, si integrasse a regime con il work-flow già informatizzato, delle attività di resocontazione stenografica (creazione singoli «pezzi», assemblaggio e revisione via posta elettronica, spedizione telematica alle officine tipografiche con conversione automatica in formato tipografico). I primi sistemi (IBM Speech Server 1.1) di cui il Servizio informatica, nel luglio del 1994, prese visione erano sperimentalmente utilizzati dagli uffici di resocontazione del Senato su workstation IBM RISC/6000: l utilizzo presso l ambiente informatizzato Camera, secondo lo studio di fattibilità redatto nel settembre 1994, evidenziò la sensibile onerosità di impiego. Con il mese di ottobre 1994 apparvero sul mercato italiano due gruppi di sistemi particolarmente innovativi e di costi contenuti, capaci di operare su personal computer di caratteristiche sostanzialmente standard, prodotti dalle soc. Dragon e IBM, per i quali, dopo aver effettuato preliminari ricognizioni tecniche e funzionali, si approntò una presentazione nel gennaio 1995 presso gli uffici dell Estensore del processo verbale, cui parteciparono il Segretario generale ed alcuni capi servizio: si ravvisarono in tale sede notevole interesse e la conseguente necessità di procedere ad una sperimentazione effettiva presso i Servizi del personale e di stenografia.

10 144 Enrico Boccalaro Sulla base di approfondimenti ulteriori, si pose l esigenza di procedere sperimentalmente «sul campo», congiuntamente ai Servizi utente, sui due prodotti che apparivano più interessanti per le esigenze dell Amministrazione: il VoiceType 1.1 della soc. IBM e il DragonDictate 1.2 della soc. Dragon, per identificare successivamente, sulla base della sperimentazione condotta, la soluzione più confacente alle esigenze dell Amministrazione (delibera del collegio dei Questori del 2 agosto 1995 per il progetto Speech Server). Si evidenziò inoltre l esigenza di sperimentarne successivamente il possibile utilizzo per attività professionali maggiormente coinvolte in processi decisionali (decision area), per le quali le esigenze di estemporaneità nella redazione di testi e la estrema semplificazione degli strumenti informatici sono maggiormente avvertite. La sperimentazione è stata condotta dal Servizio informatica a partire da dicembre 1995 e, congiuntamente ai Servizi del personale e di stenografia, a partire da maggio 1996 fino a marzo 1997, coinvolgendo 7 persone dei Servizi indicati. Nel corso dei mesi dedicati alle attività di sperimentazione, i prodotti inizialmente presi in esame hanno subito notevoli miglioramenti tecnologici e sono stati immessi sul mercato nuovi release dei quali, non appena tali prodotti si sono resi disponibili, è stata condotta la sperimentazione della Camera dei deputati. La rapidissima evoluzione tecnologica che la sperimentazione ha dovuto fronteggiare, e che ha reso necessario l impiego di postazioni più potenti (processor Pentium 133 nel 1996 e Pentium 200 Pro nel 1997) e sistemi operativi a 32 Bit (WINDOWS 95) non richiesti in fase di definizione del progetto, evidenzia la vitalità degli investimenti in corso nell area dello speech recognition ma anche la velocità di obsolescenza dei prodotti disponibili e la necessità di opportune misure da porre in atto nell introduzione operativa su vasta utenza. In particolare, per quanto concerne il prodotto IBM VoiceType, si sono esaminati in successione: IBM VoiceType 1.1; IBM Voice Type 1.1.1; IBM VoiceType 1.32; IBM VoiceType Word; IBM VoiceType 3.0; IBM VoiceType Per il prodotto DragonDictate, la sperimentazione è stata condotta esaminando i seguenti release: DragonDictate 1.2; DragonDictate 1.4;

11 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 145 DragonDictate 2.2 WINDOWS 3.11; DragonDictate 2.2 WINDOWS 95. Parallelamente alla verifica sperimentale delle prestazioni dei prodotti presso gli utenti, si è avviata una fase progettuale che ha comportato la predisposizione di appositi programmi software con l obiettivo di superare le limitazioni riscontrate nel corso della sperimentazione stessa: tale fase è stata condotta di stretta intesa con le utenze e con la loro collaborazione nelle fasi di individuazione delle specifiche funzionali e dei test, secondo la citata metodologia di sviluppo software usercentered. Particolare rilievo è stato attribuito alle modalità di utilizzo degli stenografi, sia per i modi di dettatura orientata ad interi periodi, sia per le interazioni tra fase di lettura e decodifica dello stenoscritto ed il riascolto eventuale su registratore e la fase contestuale di dettatura a computer. In particolare le aree progettuali sviluppate hanno consentito: Dettatura diretta in ambiente word-processor (anziché su generica finestra di dettatura, per evidenti semplificazioni nell utilizzo); Controllo vocale dei comandi di formattazione testo (per consentire vocalmente sia l immissione del testo, sia la relativa editazione); Compatibilità con l ambiente di automazione d ufficio dei sistemi dipartimentali legislativi (per integrare i nuovi sistemi con quelli tradizionali); Utilizzo di un Dizionario di Lessico Parlamentare (derivato da quello predisposto per il Senato su RISC/6000); Creazioni di macro vocali di dettatura (dirette ad un miglioramento della produttività e della ergonomia); Gestione centralizzata su server delle postazioni di dettatura (diretta ad una semplificazione e maggiore affidabilità delle fasi di manutenzione operativa). La sperimentazione presso i Servizi si è conclusa, in una prima fase nel dicembre 1996 con la produzione operativa di resoconti di sedute di Organi collegiali, redatti vocalmente sull editore di testi MS WORD ed assemblati sui sistemi dipartimentali legislativi, secondo gli obiettivi di integrazione con l ambiente informatizzato preesistente, e ha riguardato principalmente la misura delle caratteristiche prestazionali dei sistemi (in termini di accuratezza di riconoscimento e velocità di dettatura per un utilizzo prolungato) e la misura del livello di soddisfacimento delle utenze operativamente coinvolte, in rapporto sia alle fasi di affinamento del profilo vocale e di correzione dei testi sia ai miglioramenti di facilità d uso predisposti: i risultati, riportati nella relazione conclusiva del

12 146 Enrico Boccalaro dicembre 1996, sono stati presentati al Presidente Violante nel gennaio 1997 nel corso di una sessione dimostrativa. I principali rilievi emersi, almeno per i prodotti risultati più confacenti alle necessità dell Amministrazione, hanno riguardato non la velocità di dettatura e il tasso di errore, considerati sostanzialmente rispondenti alle esigenze dell utenza e paragonabili a quelli riscontrabili nella attività con i sistemi tradizionali, ma alcune complessità riscontrate nelle fasi di apprendimento automatico operate dal sistema sulle specifiche caratteristiche vocali di ciascun utente e la onerosità e la sensazione di affaticamento nell utilizzo prolungato della dettatura a scansione (discrete speech). Per quanto concerne le suddette fasi di autoapprendimento, è da evidenziare la decisa svolta tecnologica in atto, precedentemente riportata, che consente, a partire dagli ultimi mesi del 1996, di utilizzare sistemi a caratteristiche di riconoscimento sempre più prossime ad una sostanziale speaker independence: a partire già dal gennaio 1997 si è accertato ciò nella fase di sperimentazione successiva, condotta con le stesse utenze, riscontrando notevoli semplificazioni su tali fasi. Per la intrinseca macchinosità rilevata a proposito della dettatura a scansione, invece, sono da registrare i recentissimi (giugno 1997) annunci di prodotti commerciali, a dizionario limitato, di riconoscimento della voce in parlato continuo. È allo studio un progetto della Camera dei deputati per impiegare la nuova tecnologia sulla base della predisposizione di una base linguistica di lessico parlamentare a partire dal dizionario attualmente utilizzato per la dettatura a scansione. I primi risultati sperimentali potranno essere conseguiti probabilmente entro la fine del 1997, aprendo ampie prospettive di utilizzo anche in settori di resocontazione di estrema immediatezza, quali il resoconto sommario delle sedute di Assemblea. Si prevede pertanto una introduzione dei sistemi di riconoscimento anche per altri settori dell Amministrazione (ad es. è pianificata per settembre 1997 una prima sperimentazione per la redazione dei Bollettini delle Commissioni), allargando la platea degli utilizzatori e approfondendo in tal modo le implicazioni logistiche ed organizzative connesse all impiego su vasta scala. 5 - Prospettive di nuove applicazioni Un intero settore di applicazioni ormai sperimentate nel mondo e di cui anche la Camera dei deputati ha recentemente presentato un primo prototipo nel corso della già citata presentazione al Presidente Violante,

13 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 147 riguarda la interrogazione a voce di banche dati e di shell di sistemi esperti. In questo caso, il binomio interrogazione a voce e linguaggio naturale nel sistema di interrogazione in luogo del linguaggio formalizzato del sistema di retrieval rende il colloquio con il sistema semplice ed amichevole. L elaboratore deve essere in grado di accettare comandi formulati nel modo più vario e naturale, evitando che l utente sia costretto ad apprendere codici ed espressioni specialistiche proprie del sistema di ricerca utilizzato, e che variano spesso da sistema a sistema. Nel prototipo presentato, consistente in un sistema di interazione a voce di applicazioni INTRANET, quali il regolamento di Amministrazione e contabilità e l elenco anagrafico dei deputati e funzioni di posta elettronica (dettatura, spedizione e ricezione messaggi), si sono principalmente sfruttate le seguenti funzionalità recentemente offerte dai sistemi di riconoscimento: speaker independence, ossia indipendenza del riconoscimento dalle caratteristiche del parlatore, in modo da poter far utilizzare l applicazione da qualsiasi utente, anche occasionale, senza necessità di alcun addestramento propedeutico; commands autotracking, ossia la capacità di referenziare automaticamente in tempo reale i comandi evocati a voce con quelli presenti a video; programmazione interattiva macro, in modo da agevolmente predisporre insiemi di comandi vocali ad hoc. Con maggiori investimenti, è già correntemente possibile progettare e sviluppare applicazioni c.d. speech aware, consistenti in normali applicazioni client/server (ad. es. di immissione dati o di consultazione banche dati), che prevedono l utilizzo interno di moduli programmativi interamente devoluti alle funzioni di riconoscimento vocale. Con l integrazione di queste applicazioni con l immissione di vocabolari specifici per mezzo di particolari compilatori grammaticali a stati finiti, è possibile ridefinire completamente i modi di interazione con le interfacce utente di tutte applicazioni, compresi i più diffusi browser di accesso ad INTERNET, quali Netscape Navigator, Internet Explorer e Spyglass Mosaic. Il progetto Esprit MASK (Multi-media Automated Service Kiosk), sviluppato da un consorzio di società di Francia, Gran Bretagna e Spagna, combina tecnologie di: riconoscimento vocale, interfacce multi-mediali,

14 148 Enrico Boccalaro comprensione del linguaggio naturale, controllo del dialogo naturale, per predisporre un terminale intelligente di informazioni rivolto al pubblico, disegnato specificamente per l utilizzo presso l ente ferrovie francese (SNCF), ma con sostanziali caratteristiche di estensibilità presso enti pubblici e banche. È in corso di analisi di fattibilità presso il Servizio informatica lo sviluppo di un sistema analogo, con funzioni di diffusione di informazioni di sportello rivolte al cittadino, integrando la sperimentazione effettuata dal progetto Speech Server per il riconoscimento vocale di tipo speaker independent con le tecnologie inerenti l interpretazione del linguaggio naturale, di cui si illustra lo stato dell arte nei paragrafi successivi. Una ulteriore ricaduta di straordinaria importanza dovuta alle capacità di un elaboratore di gestire il dialogo naturale con un utente è connessa all utilizzo congiunto con i normali servizi di telefonia, nell ambito della tecnologia CTI (Computer-Telephony Integration), termine stabilito sia dall ACTAS (Alliance of Computer-based Telephony Application Suppliers), sia dall ACTIUS (Association of Computer Telephony Integration Users and Suppliers) per definire l integrazione funzionale di: reti telefoniche; tecnologia per la commutazione di voce e dati; applicazioni informatiche con relative banche dati; voice processing; multi-media processing. Obiettivo della CTI è la gestione efficace ed efficiente del traffico informativo su linee telefoniche per erogare servizi di assistenza e di lavoro cooperativo integrando computer e telefono, principalmente nelle aree dei Call Center, della automazione d ufficio e del SOHO (Small Office Home Office), di cui il telelavoro e la ripartizione del personale in attività microimprenditoriali sono gli elementi attualmente operativi in diverse realtà lavorative italiane, sia pubbliche sia private. In particolare, la CTI presenta ampie potenzialità di utilizzo in diversi campi applicativi, quali: Integrazione voce-dati, ossia la possibilità di trascrire contemporaneamente ai dati del computer informazioni vocali a commento o, in ambito videoconferenza, in modo interattivo; Instradamento automatico delle chiamate, sulla base delle informazioni del destinatario fornite in modo vocale; Indagini demoscopiche, con la gestione automatizzata del ciclo di informazioni su campioni statistici di popolazione;

15 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 149 Servizio informazioni, con la gestione interattiva vocale del dialogo con l utente. Le possibili utilizzazioni nell ambito della Camera dei deputati sono di evidente individuazione, sia nell area della automazione di ufficio, di immissione dati e di catalogazione, sia nei servizi di smistamento telefonico e di assistenza tecnica e, in modo ancor più rilevante, nei servizi di informazione remota per il cittadino. A questo proposito, sono già disponibili sul mercato italiano, sviluppati dai laboratori CSELT, sistemi personalizzabili di riconoscimento vocale su linea telefonica a vocabolario controllato e prefissato e sistemi di sintesi vocale da testo, il cui uso combinato ha già permesso l implementazione di servizi interattivi vocali quali il sistema RAILTEL di informazione delle Ferrovie dello Stato. Con esso, digitando un apposito numero verde, è possibile ottenere orari di partenza/arrivo dei treni sulle tratte nazionali specificando in linguaggio naturale destinazioni ed orari preferiti. Ad uno stadio più avanzato è sicuramente il sistema AlethYP di France Telecom, sistema di consultazione delle pagine gialle basato su un dizionario di riconoscimento più vasto e, fatto ancor più rilevante, basato su un sistema esperto di analisi linguistica: esempio di sinergia tra tecniche di riconoscimento del linguaggio parlato con tecniche di analisi contenutistica. Queste tecnologie di analisi contenutistica su dati vocali, usualmente denominate di Natural Language Processing (NLP), sono ancora in fase sperimentale ma nascono storicamente da studi ed applicazioni già parzialmente consolidate condotte sul linguaggio scritto con obiettivi di interpretazione del linguaggio naturale e si prospettano come strumenti fondamentali in una vasta area di applicazioni con dirette ripercussioni per l Amministrazione stessa della Camera, come illustrato nei due paragrafi seguenti. 6 - Interpretazione del linguaggio naturale L analisi computazionale dei testi costituisce da tempo una delle attività di base del filologo; a titolo di esempio si può ricordare la ricerca di Mendenhall sulla paternità delle opere di Shakespeare: egli analizzò la lunghezza delle forme in Shakespeare, Bacone, Johnson (quante di lunghezza uno, quante di lunghezza due, etc.) fino ad assommare un corpus di quasi due milioni di forme. Ovviamente non utilizzò un elaboratore, ma si suole attribuirgli l utilizzo di un metodo sostanzialmente informatico.

16 150 Enrico Boccalaro La linguistica computazionale in senso stretto fu iniziata in Italia da R. Busa nel 1948, con l indice e la concordanza dell intera opera di S. Tommaso e con numerosi progetti automatici condotti con l Istituto di Linguistica Computazionale di Pisa nel decennio successivo, segnando significativi risultati in aree settoriali come gli analizzatori di concordanze e i lemmatizzatori. Verso la fine degli anni 60 prevale una sostanziale sfiducia nel raggiungimento degli ambiziosi obiettivi prefissati e solo negli anni 90, dopo un periodo ventennale definito di Black-out, parallelamente alla elevata crescita tecnologica dei sistemi di calcolo ed alla corrispondente sensibile riduzione dei costi elaborativi, si registra una vera e propria rinascita della tecnologia dell analisi dei testi. Uno degli elementi trainanti in questo nuovo scenario è certamente costituito dalle sempre più emergenti richieste di strumenti di Trattamento Automatico delle Lingue (TAL), nella consapevolezza di dover predisporre applicazioni che consentano, oltre al supporto delle tradizionali professionalità linguistiche (lessicografi, traduttori, insegnanti), un ausilio ormai reputato indispensabile per le esigenze generali evidenziatesi nella c.d. società dell informazione. Per essa, le operazioni sulle informazioni, la tempestività, la quantità e la qualità delle stesse sono elementi ormai considerati cruciali per lo sviluppo economico e per le ripercussioni nella c.d. democrazia elettronica: la predisposizione di strumenti che operino nella mole ormai sterminata di documenti testuali messi a disposizione dalla tecnologia (ad es. INTERNET), con obiettivi di traduzione automatica, di estrazione delle informazioni stimate utili e di sostanziale semplificazione nell accesso alle informazioni stesse costituisce pertanto un fattore fondamentale nel conseguimento di questi obiettivi. A livello europeo, molte sono ormai le iniziative per promuovere lo sviluppo ed il potenziamento della cosiddetta industria delle lingue. Sono stati lanciati progetti (quali EAGLES, PAROLE, SPEECHDAT, EuroWordNet, ELRA) che hanno il compito di creare le specifiche funzionali e i nuclei iniziali di diversi tipi di strumenti linguistici informatizzati e su tale infrastrutture di base poter predisporre le applicazioni di mercato. A questo proposito, significativa è l esperienza di WORDNET, strumento computazionale per la lingua inglese, sviluppato presso la università di Princeton da George Miller. Consta di più di lemmi organizzati in classi di sinonimi ed è caratterizzato come una matrice lessicale a due dimensioni: le relazioni lessicali e le relazioni concettuali costituiscono gli assi di ricerca. WordNet è disponibile in versione elet-

17 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 151 tronica nel c.d. public domain, fatto che ha contribuito grandemente alla sua diffusione ed al suo utilizzo in molte applicazioni nel campo della elaborazione del linguaggio naturale. L Istituto per la Ricerca Scientifica e Tecnologica (IRST) di Trento ha recentemente predisposto una versione italiana basata sulla condivisibilità per la lingua italiana di gran parte delle relazioni concettuali definite per la versione inglese. Un altro esteso settore linguistico-computazionale infrastrutturale è quello dei corpora, ossia della memorizzazione ed organizzazione di testi per materia, quali il corpus dell IRST estratto dal Sole-24Ore (40MW) o il corpus relativo alla legge sull IVA del GELN (Gruppo per l Elaborazione del Linguaggio Naturale) dell Università di Roma. I corpora per temi costituiscono lo strumento di base per l attivazione di tecniche di elaborazione del linguaggio naturale scritto, per i sistemi di riconoscimento vocale (si pensi al dizionario di lessico parlamentare predisposto nel corso della sperimentazione), e per i sistemi avanzati di information retrieval. A questo riguardo, si è ormai delineato il percorso di evoluzione dei sistemi di reperimento testi, a partire dalle tradizionali tecniche più o meno sofisticate su base parole (keyword-in-context) a sistemi che, sfruttando le nuove capacità di elaborazione linguistica, renderanno possibile il c.d. search by an idea, ossia utilizzeranno le informazioni di tipo contestuale estratte dalla base documentale per offrire strumenti di ricerca più puntuali. Questi strumenti di IE (information extraction) di cui si prevede la predisposizione sono d altra parte ormai paradigmatici per la costituzione dei sistemi di information retrieval moderni. Le conferenze TREC (Text Retrieval Conference), riconosciute come punto di riferimento per analisi comparative tra prodotti di mercato nell ambito IR, hanno già nel 1995 attestato come aree fondamentali di investimento congiunto ricerca/produzione sui sistemi di IR le seguenti: Creazione automatica di classi di sinonimi; Riconoscimento automatico dell articolazione interna dell unità documentale; Creazione automatica di sintesi dei contenuti. 7. Drafting legislativo Nel settore della produzione legislativa si registra da tempo un intenso rapporto di sinergia tra coloro che si occupano di tecnica di

18 152 Enrico Boccalaro redazione degli atti normativi e delle relative modellizzazioni teoriche (legistica) ed esperti di informatica giuridica applicata (legimatica), con il comune intento di pervenire ad una sostanziale informatizzazione del processo di produzione normativa stesso. I primi sistemi, sviluppati a partire dagli anni 70, per l analisi automatica della legislazione si basavano essenzialmente sulla ipotesi di poter pervenire ad una completa formalizzazione del sistema normativo, a partire dalla quale innescare funzioni di validazione e controllo automatici. È interessante rilevare che, anche nella tecnologia della progettazione dei sistemi software, si sia assistito, negli stessi anni, ad un analogo tentativo di formalizzazione delle specifiche funzionali (tradizionalmente espresse in linguaggio naturale), per consentire una produzione semiautomatica del codice di programmazione. Tali ipotesi si sono successivamente rivelate in parte inattuabili, sia sul piano della validità teorica (almeno per i sistemi normativi), sia sul piano realizzativo. Con minori ambizioni, ma indubbiamente con maggiore efficacia, si evidenziano negli ultimi anni diverse sperimentazioni tese ad offrire al legislatore strumenti di scrittura elettronica del testo che prevedano un ambiente integrato di redazione (ambiente di normazione), con funzioni di consultazione evoluta di banche dati legislative (navigazione ipertestuale), di assistenza tecnico-formale alla redazione (diagnosi formale), di analisi semantica dei dati normativi (diagnosi contenutistica). In analogia, anche le metodologie di sviluppo dei sistemi software tendono oggi a predisporre un ambiente di sviluppo dotato di strumenti semiautomatici (CASE). A partire pertanto dalla predisposizione di uno strumento informatico idoneo a compiere sul testo legislativo verifiche di tipo tecnico-formale in modo semiautomatico, consistenti essenzialmente in: controlli sul linguaggio formale (corretto uso di ortografia, lessico, sintassi e stile) controlli sulla struttura formale del testo legislativo (corretta redazione degli elementi del testo ufficiale) controlli sulla struttura gerarchica (corretto uso delle partizioni gerarchiche del testo legislativo, quali parte, titolo, articolo, comma, etc.) e sui riferimenti normativi, si prevede la predisposizione di ulteriori strumenti informatici atti ad effettuare azioni di diagnosi contenutistica sul testo normativo, affrontando alcuni aspetti della analisi della struttura funzionale del testo legislativo, ossia della suddivisione del corpo della legge in enunciati che ottemperano a funzionalità diverse (parti definitorie, sanzionatorie, co-

19 Informatica e linguaggio naturale - applicazioni e prospettive di sviluppo 153 stitutive, etc.): su tali strumenti le tecnologie di analisi del linguaggio naturale sin qui esaminate concorrono in modo determinante. Gli obiettivi finali degli strumenti di diagnosi contenutistica prevedono la possibilità di qualificare ed isolare, nei corpora legislativi già esistenti, le porzioni di testo inerenti alle diverse funzionalità, in modo da creare archivi ausiliari di definizioni e proposizioni (definizionario), archivi di particolari modelli, o categorie di modelli (raggruppati secondo le diverse finalità emergenti dal testo normativo) da utilizzare come schema-tipo nel processo di redazione delle nuove leggi e da offrire, in modo interattivo, alla consultazione del legislatore, entro la scrivania elettronica prevista come ambiente di normazione informatizzato. Ciò consentirebbe, nell ampio margine di discrezionalità lasciato al legislatore, l utilizzo suggeritivo di definizioni, proposizioni e formule atte a garantire maggiore uniformità nel testo e, con graduale processo di affinamento, maggiore precisione e rigore. Tali obiettivi trovano piena rispondenza nelle recenti approvazioni del Consiglio dell OCSE dei criteri di verifica (checklist) per l assunzione di decisioni in materia di interventi normativi e nelle raccomandazioni sulla «compatibilità del linguaggio e della struttura utilizzati con altre disposizioni normative». In una prospettiva più vasta, ma con risultati che si rivelano già oggi significativi se applicati in aree settoriali ben definite e strutturate (principalmente economia, finanza, e, in ambito giuridico, tributaria e contrattualistica), si può prevedere di offrire al legislatore strumenti avanzati basati sul case based reasoning, sulla possibilità cioè di ricercare casi significativi già memorizzati e porre in correlazione analogica la nuova situazione da risolvere con le soluzioni precedenti esistenti. Le indicazioni di struttura funzionale da predisporre sui testi legislativi potrebbero concorrere a fornire un supporto mirato ed efficiente a tali strumenti decisionali, combinando sostanzialmente ragionamento basato su casi a ragionamento basato su regole. Questi obiettivi a largo spettro di ausilio redazionale al drafting prevedono come primo atto la costituzione di strumenti informatici di analisi linguistico-morfologiche e contenutistiche dei testi legislativi esistenti: per mezzo di essi si può procedere, con obiettivi a breve termine, a conseguire nuovi e significativi strumenti di: estrazione automatica dei riferimenti normativi, in modo da predisporre un sistema di navigazione ipertestuale tra le diverse disposizioni normative sulla base di riferimenti, rinvii ed abrogazioni; estrazione automatica di elementi di indicizzazione degli atti legislativi e parlamentari in genere, quali il titolo, gli articoli, gli oratori, etc., per la predisposizione ad es. di pagine WEB;

20 154 Enrico Boccalaro estrazione automatica di elementi di classificazione di testi normativi come strumento di ausilio alle attività di classificazione per la predisposizione delle banche dati di legislazioni settoriali; individuazione automatica di segmenti di testo legislativo, secondo obiettivi di contenuto (definizioni, sanzioni, etc.), per la predisposizione di sistemi di reperimento informazioni su banche dati più accurati (cd. intelligent information retrieval); Per quanto concerne l individuazione di aree specifiche di intervento a breve termine nell ambito della Camera dei deputati per il settore della diagnosi contenutistica applicata al drafting legislativo, si sono già effettuate alcune ricognizioni preliminari di fattibilità sulle due aree di seguito illustrate: area regolamentare ed area degli emendamenti, con obiettivi di approfondimento classificativo e di documentazione nel primo caso e di miglioramento gestionale nel secondo. Per l area regolamentare si propone la creazione di un sistema-prototipo di schematizzazione strutturale, di classificazione e di navigazione del corpus del Regolamento Camera basato sulla schematizzazione «Tipi di Regole» di G.U. Rescigno per quanto concerne: regole costitutive; regole sanzionatorie; regole definitorie; regole attributive di competenze. Questa prima fase del progetto, da ampliare su domini normativi similari (ad es. Regolamento Senato), costituisce un primo punto di verifica di strumenti di analisi della struttura funzionale del testo legislativo. Per l area degli emendamenti, si prevede la predisposizione di un sistema esperto atto ad operare nella fase di ricezione e vaglio degli emendamenti presentati in Assemblea, con obiettivi di assistenza nelle attività di determinazione dell ordine di votazione e, in prospettiva più estesa, di ausilio nella fase di consolidamento del testo legislativo. In questo progetto, che prevede l approntamento di un visore dati sul flusso documentale rappresentato dai singoli emendamenti presentati, si vanno principalmente ad esercitare funzioni di Information extraction sui testi legislativi (sfruttando il particolare sublanguage a dominio ristretto degli emendamenti) e si costituiscono i primi elementi di flusso legislativo informatizzato, in previsione del collegamento del Servizio Assemblea via posta elettronica con i Gruppi parlamentari. La mole di emendamenti gestiti mensilmente, calcolati nell arco dei mesi della XIII legislatura, è mediamente pari a ( emendamenti in 8 mesi lavorativi); si