Riconoscimento

Biologia

In biologia molecolare, unione reversibile di molecole, che si riconoscono in base alla loro struttura, mediante legami chimici deboli.

Diritto

Nel diritto internazionale, atto unilaterale, compiuto da un soggetto singolarmente, o da più soggetti collettivamente, attraverso il quale si prende atto di una data situazione di fatto o di diritto. Nella prassi, frequente è il r. di Stati o di governi. Il r. non ha tuttavia valore costitutivo della personalità giuridica di uno Stato, poiché questa dipende, in conformità al principio di effettività, dal fatto che il nuovo ente agisca in piena indipendenza nelle relazioni internazionali, su un piano di parità con gli altri soggetti internazionali.  Il r. di Stati ha piuttosto valenza politica, testimoniando la volontà degli Stati preesistenti di intrattenere relazioni internazionali con lo Stato riconosciuto. Esso rileva dal punto di vista giuridico in quanto gli Stati che procedono al r. ritengono che sussistano tutte le condizioni previste dal diritto internazionale per la formazione di un nuovo Stato e non possono assumere comportamenti incompatibili con l’avvenuto riconoscimento. Tale valutazione non ha tuttavia alcun effetto giuridico rispetto agli Stati che invece non effettuano il riconoscimento. Il r. di Stati produce un effetto preclusivo, impedendo allo Stato che effettua il r. di contestare successivamente la situazione riconosciuta o di affermare che lo Stato riconosciuto difetti di personalità giuridica. La valutazione espressa mediante il r. non ha alcuna conseguenza giuridica rispetto agli Stati che non effettuano il riconoscimento.

Il r. di Stati va distinto dal r. di governi, in caso di loro mutamento. Con riferimento a mutamenti rivoluzionari di governo, è frequente nella prassi il r. degli insorti, a cui gli Stati preesistenti possono ritenere conveniente procedere, al fine di assicurare il rispetto da parte degli stessi insorti delle norme di diritto internazionale, soprattutto in materia di protezione dei cittadini stranieri che si trovino nel territorio controllato dal governo insurrezionale.

Tecnica

R. di configurazioni Settore disciplinare (ingl. pattern recognition) originatosi all’inizio del 20° sec. e consistente nella classificazione automatica e nel r. di un dato oggetto e/o evento.

Principi generali

La classificazione è basata sull’analisi delle caratteristiche peculiari (features) di ciò che si vuol riconoscere, individuate in modo da permettere di determinare l’appartenenza degli oggetti e/o eventi a certe categorie predefinite. L’insieme delle caratteristiche viene chiamato anche vettore delle caratteristiche e lo spazio n-dimensionale (dove n è il numero delle caratteristiche) viene detto spazio delle caratteristiche (feature space). Il processo di r. consiste allora nell’applicare un criterio che consenta di passare dalle caratteristiche, opportunamente classificate, alla decisione concernente l’evento o l’oggetto da riconoscere. Le categorie vengono definite operando un’opportuna partizione dello spazio delle caratteristiche.

L’esteso studio dei problemi di classificazione ha portato alla formalizzazione matematica della teoria che sta alla base del progetto dei classificatori automatici. Molto importanti sono i classificatori basati su metodi probabilistici. Nel r. di configurazioni, un approccio più sofisticato del metodo della classificazione descritto, in cui il riconoscitore consiste di un trasduttore, un estrattore di caratteristiche e un classificatore, è quello detto descrittivo, in cui si richiede una descrizione di una configurazione che dovrebbe contenere informazioni sia sulle singole parti della configurazione sia sulle relazioni tra di esse.

Le prime applicazioni di r. di configurazioni avevano lo scopo di aiutare i non vedenti (mediante la trasformazione in segnali acustici o tattili di segnali ottici ottenuti scandendo i caratteri di un testo scritto). A partire dalla metà del 20° sec., la lettura automatica di tracciati (per es., elettrocardiogrammi, elettroencefalogrammi ecc.) ha permesso di riconoscere automaticamente la presenza di caratteristiche rilevanti dal punto di vista medico. In seguito, si è raggiunta la capacità di conteggiare automaticamente, in figure bidimensionali, eventi interessanti per la medicina (per es., conteggio di globuli rossi), per la fisica (rivelazione o conteggio di eventi rappresentati da tracce in una fotografia), per la prospezione terrestre a mezzo di satelliti o per la scansione degli spazi aerei e marittimi a mezzo di radar e sonar. Si è poi passati al r. di oggetti in uno spazio tridimensionale, al loro r. in moto (aggiungendo la dimensione tempo) e alla predizione della loro traiettoria.

R. del parlato

Questa branca del r. di configurazioni (ingl. speech recognition) si propone di dotare le macchine della capacità d’individuare correttamente le parole pronunciate da un parlatore, senza preoccuparsi della comprensione del loro significato. La complessità del problema deriva da aspetti quali la variabilità del segnale vocale, il tipo di parlato, la dimensione del vocabolario, la dipendenza/indipendenza del sistema di r. dal parlatore e il tempo di risposta. Il segnale vocale varia grandemente sia tra individui diversi sia nello stesso individuo in dipendenza delle sue condizioni psicofisiche. Le parole possono essere poi pronunciate in modo continuo, connesso (con l’inserzione di brevi pause tra una parola e l’altra) o isolato. Chiaramente il parlato continuo presenta difficoltà di r. assai superiori a parole pronunciate in modo isolato. È chiaro altresì che l’ambiguità acustica tra le parole aumenta all’aumentare della dimensione del vocabolario. Da quest’ultimo parametro dipende la varietà di parlato che può essere riconosciuta e quindi il tipo di applicazione. Circa la dipendenza/indipendenza dal parlatore, i sistemi di r. dipendenti dal parlatore richiedono una fase iniziale di ‘addestramento’ in cui l’utente pronuncia le parole del dizionario (o parte di esse), mentre ciò non avviene nei sistemi indipendenti dal parlatore (che però, a parità di dimensioni del vocabolario, sono meno accurati). Infine, i sistemi di r. del parlato si dividono in sistemi con risposta in tempo reale o differito.

Un sistema di r. del parlato ha generalmente uno stadio d’ingresso (detto front-end acustico), che trasforma l’onda sonora in una serie di parametri acustici. Il front-end è tipicamente costituito da un microfono, un amplificatore, un convertitore analogico-digitale e uno stadio di elaborazione. Il convertitore opera un campionamento nel tempo e una quantizzazione del segnale. In base al criterio di Nyquist, affinché l’informazione sia preservata, occorre che la frequenza di campionamento sia pari almeno al doppio della massima frequenza del segnale. Si usano perciò in genere da 8000 a 20.000 campioni/s, e il contenuto del segnale che può essere così conservato varia da 4 a 10 kHz. Le informazioni fornite dal convertitore vengono elaborate allo scopo di estrarne i parametri acustici. Questi vengono valutati su intervalli dell’ordine di 10-20 ms (intervallo di tempo in cui si può supporre che le caratteristiche del tratto vocale rimangano costanti).

Circa le tecniche di r., i primi approcci (risalenti agli anni 1960) erano basati o sul confronto delle sequenze di parametri acustici con sequenze di riferimento corrispondenti alle varie parole (pattern matching) o sull’estrazione di determinate caratteristiche dal segnale (feature extraction): il r. avveniva paragonando la presenza/assenza di tali caratteristiche nel segnale di riferimento. Tali tecniche comportavano però che l’utilizzatore pronunciasse tutte le parole del vocabolario ed erano dunque adeguate solo per vocabolari dell’ordine di alcune decine di parole. All’inizio degli anni 1970 risale l’utilizzo di una tecnica di programmazione dinamica per il r. puramente fonetico, denominata dynamic time warping. Essa si rendeva necessaria in quanto due pronunce della stessa parola non danno mai luogo allo stesso spettrogramma a causa di differenze non-lineari nel timbro (frequenza), nell’intensità (ampiezza) e nella durata dei suoni. Parallelamente ai metodi puramente fonetici è sempre di quegli anni l’applicazione al problema di tecniche di intelligenza artificiale: i risultati non sono però stati pari alle attese, soprattutto per le potenze di calcolo richieste, proibitive per l’epoca, e per la difficoltà di trovare rappresentazioni efficaci per tutti i tipi di conoscenza in gioco. Anche l’ipotesi di utilizzo di sistemi esperti, avanzata all’inizio del decennio successivo, non ha prodotto risultati di rilievo.

Maggior successo ebbero i metodi probabilistici, risalenti alla metà degli anni 1970 e basati sui modelli nascosti di Markov. Tra i primi utilizzatori di tale tecnica furono l’università Carnegie Mellon e il centro di ricerca ‘T.J. Watson’ dell’IBM. Mentre prima il punto di riferimento era un campione memorizzato del segnale acustico, in questo nuovo scenario il punto di riferimento è un modello del segnale. Per essere riconosciuto, l’input viene confrontato con dei modelli di riferimento. Detta A l’informazione acustica estratta dal segnale e W una sequenza di parole, scopo del r. di tipo probabilistico è quello di trovare la sequenza di parole che rende massima

dove P(W/A) è la probabilità della sequenza W data l’informazione acustica A. Il problema si riduce a massimizzare P(W) e P(A/W). Il primo compito è svolto dal modello del linguaggio, che è in grado di stimare la probabilità di occorrenza di una parola in un dato contesto; la stima di P(A/W) viene data da un modello acustico del parlato. La stima dei parametri dei due modelli viene realizzata estraendo opportune statistiche da grandi quantità di testo e di parlato, rispettivamente.

L’uso dei modelli probabilistici ha permesso di realizzare sistemi in grado di riconoscere in tempo reale frasi in linguaggio naturale formate a partire da vocabolari contenenti varie decine di migliaia di parole a una velocità dell’ordine di 100 parole/minuto. Ciò ne ha consentito l’impiego nella dettatura automatica di testi per le applicazioni più disparate. Sono inoltre state realizzate applicazioni in cui l’utente è in grado di dialogare a voce con il sistema operativo del calcolatore e/o interagire con quest’ultimo a voce (eventualmente attraverso la linea telefonica) per l’interrogazione di banche dati. In quest’ultimo campo una tecnica spesso usata è quella della localizzazione di parole-chiave (ingl. word-spotting) che permette di riconoscere il senso della richiesta dell’utilizzatore anche senza operarne il r. in maniera completa. Per quanto concerne il parlato continuo, sono state realizzate applicazioni di r. di comandi o di dialogo guidato che fanno uso di ‘grammatiche’ (limitando così il numero di parole che possono essere riconosciute in un certo punto della frase). La frontiera della ricerca è costituita da applicazioni di r. in parlato continuo, indipendenti dal parlatore, e con vocabolari di varie decine di migliaia di parole.

Un approccio basato su reti neurali, tecnica anch’essa essenzialmente statistica, ha finora prodotto risultati troppo parziali (r. di vocali) per poterne valutare l’efficacia globale.

R. del parlatore

Riconoscere un parlatore significa attribuire correttamente un’emissione vocale (parola o frase) alla persona che l’ha emessa. Si distinguono due tipi di applicazioni: a) verifica del parlatore (ingl. speaker verification), consistente nello stabilire se chi parla è effettivamente colui che afferma di essere: il segnale acustico prelevato viene confrontato con uno o più esempi lasciati come riferimento dalla persona in questione (è un procedimento tipicamente applicabile per accessi riservati militari, bancari ecc.); b) identificazione del parlatore, consistente, ascoltando un’emissione vocale, nell’identificare quale persona l’ha emessa, tra tutte coloro di cui esiste un riferimento: si tratta dell’analogo di un sistema di impronte digitali. I due sistemi utilizzano procedimenti simili, ma mentre il primo è indipendente dalle persone che hanno depositato la loro impronta vocale, il secondo ne dipende fortemente, e il r. diventa sempre meno possibile al crescere del numero dei parlatori candidati al riconoscimento.

R. di configurazioni di simboli

Nell’elaborazione automatica di dati espressi in forma di simboli, il r. di configurazioni gioca un ruolo molto importante: infatti, è al manifestarsi o meno di certe configurazioni nei dati che si decide se e quali trasformazioni applicare su di essi. La possibilità di identificare particolari configurazioni in sequenze di simboli è alla base della programmazione (in particolare, nell’analisi dei linguaggi naturali e artificiali), nel calcolo algebrico, nei sistemi di deduzione automatica e nei sistemi esperti. Il r. di configurazioni avviene in questo caso confrontando i dati con un opportuno modello, che contiene la descrizione strutturale dei dati in questione: è così possibile decidere che, per es., nell’insieme delle operazioni aritmetiche su numeri naturali, 3+3 è un’istanza del modello x+x.

Il r. di configurazioni di simboli è un’operazione fondamentale nei sistemi di riscrittura e nei sistemi di produzione. I sistemi di riscrittura sono insiemi finiti di regole del tipo A→B, che si legge ‘A si riscrive con B’ oppure ‘A diventa B’. In essa A e B sono modelli, eventualmente contenenti variabili, con la restrizione che tutte le variabili che compaiono in B compaiano anche in A. La regola di riscrittura x+x→2x è applicabile al dato 7+7−4 e fornisce 2∙7−4, mentre non è applicabile al dato 3+2. I sistemi di produzione sono insiemi finiti di regole del tipo A→B, in cui A viene detto premessa e B conclusione (o azione). Una regola di produzione si legge ‘se A allora B’. I sistemi di produzione sono importanti per la programmazione dei sistemi esperti. In un sistema basato su regole di produzione, la soluzione di un dato problema viene costruita attivando regole al presentarsi di certe configurazioni.

R. visivo

Si tratta di una via d’investigazione apertasi nell’ambito delle ricerche sull’intelligenza artificiale allo scopo di costruire sistemi automatici dotati di capacità sensoriali evolute, che possono configurarsi in una sorta di processo di visione anche se ottenute con funzionalità differenti da quelle presenti nell’apparato visivo.

Nella prima fase, un insieme di trasduttori provvede all’accoppiamento tra il processo sensoriale e il mondo fisico. L’informazione presente nelle misure viene poi estratta e convertita in un’apposita rappresentazione che permetta di identificare le strutture primitive presenti nei dati e le relazioni tra queste. La descrizione simbolica così ottenuta viene paragonata alla cosiddetta conoscenza del mondo, che rappresenta l’insieme delle conoscenze che risiede permanentemente nella memoria dell’osservatore. Ha così luogo quel processo elaborativo che porta all’interpretazione finale della scena osservata. L’aspetto più complesso è la realizzazione di un processo visivo artificiale in tempo reale, ovvero con una rapidità compatibile con la velocità con cui evolvono le condizioni esterne cui la macchina deve adattarsi. L’intero processo di elaborazione può scomporsi in due sottoprocessi, denominati rispettivamente elaborazione di basso e di alto livello. Nel primo lo scopo è la rivelazione e l’estrazione di quelle caratteristiche del segnale indicative della presenza del fenomeno osservabile. L’elaborazione di alto livello comprende i processi dai quali dipende più propriamente il comportamento percettivo del sistema ottenuto attraverso l’analisi comparativa fra quanto rivelato ed estratto dai segnali in ingresso e ciò che è già conosciuto dal sistema. Mentre nella fase di basso livello l’elaborazione è di tipo matematico, nelle fasi di interpretazione prevale un’elaborazione di tipo logico, attraverso la quale è possibile simulare schemi di ragionamento deduttivo, induttivo, analogico.

Nelle applicazioni del r. visivo si possono distinguere due settori: l’automazione dei servizi e l’automazione industriale. Esempi del primo tipo sono la lettura automatica di messaggi scritti, sfruttabile, per es., nello smistamento automatico della corrispondenza e nell’automazione delle procedure d’ufficio attraverso la lettura automatica di documenti. Nel settore dell’automazione industriale, il problema di maggior spicco concerne l’automazione dei processi di fabbricazione: in questo ambito va ricordata la manipolazione di oggetti a scopo di assemblaggio meccanico, l’ispezione automatica di processi produttivi, il trasporto con veicoli a guida automatica basata sulla visione. Nell’ambito della ricerca di ulteriori aree di utilizzo del r. visivo, va menzionato il settore medico, in cui la visione artificiale può aiutare il medico nell’analisi di immagini o il settore della robotica in ambiente ostile, nel quale macchine operatrici necessitano di capacità autonome di adattamento all’ambiente nel quale operano.