ЧЕЛОВЕЧЕСКИЙ ФАКТОР

Методы обеспечения адаптивного взаимодействия

В табл. 2.5 перечислен ряд методов обеспечения адаптивного взаимодействия между пользователем, машиной и задачей с указанием соответствующего программного обеспечения. Хотя эту таблицу нельзя считать полной, содержащийся в ней спи­сок методов служит хорошей иллюстрацией многочисленных альтернативных методик проектирования, предназначенных для использования разработчиками адаптивных программных интерфейсов. Как показано в таблице, адаптивное програм­мное обеспечение взаимодействия между человеком и ЭВМ подразделяется на адаптивные диалоговые системы, адаптив­ные консультативные системы и адаптивные обучающие си­стемы. Системы всех трех категорий предназначены для ока­зания помощи пользователю, но в конкретных системах, как правило, особое внимание уделяется лишь каким-то опреде­ленным аспектам взаимодействия человек-—ЭВМ.

Адаптивные диалоговые системы

Различные методы проектирования диалога, перечисленные в табл. 2.5, включают в себя такие средства ввода—вывода ин­формации, как естественный язык, речевой информационный обмен и графика. Предоставляя эти различные каналы комму­никации, адаптивная диалоговая система «пытается говорить языком неопытного пользователя». Например, при работе с электронной почтой главе какой-либо компании не пришлось бы вводить команды с клавиатуры, если бы адаптивная диало­говая система обеспечивала также речевой интерфейс, «пони­мающий» естественный язык. Очевидно, что для качественного адаптивного интерфейса потребуется обеспечение возможности работы с альтернативными вариантами организации диалога [3, 67].

Проектированию интерфейсов, использующих естествен­ный разговорный язык, были посвящены работы нескольких исследователей. Однако серьезная проблема в разработке подобных диалогов заключается в том, что пользователи, как правило, испытывают затруднения при подборе для сложных команд и процедур точных словесных формулировок на естест­венном языке [94, 127]. Отсюда возникает задача создания та­ких программ обработки естественноязыковых конструкций, которые предоставили бы системе возможность правильно по­нимать команды пользователя даже при их неточных формули­ровках. Иногда может оказаться необходимым ведение диало­гов, «разъясняющих» машине смысл информации, вводимой пользователем на естественном языке, подобных предложен­ным в работе [25]. Такая система в случае выявления во вве­денной программе двусмысленности либо задает пользовате­лю вопрос, предполагающий ответ «Да/Нет», либо просит пользователя выбрать нужную команду из набора альтерна­тив или более четко сформулировать команду.

При разработке программных интерфейсов, использующих естественный язык, для улучшения качества диалога можно также пойти на ограничение круга вопросов, которые должна понимать система. Фрагментарно этот метод был применен при 'создании системы bLIZA [150]. Указанная система обеспечи­вает видимость «разумной» машины, выполняющей роль меди­ка-консультанта в ситуации «врач — пациент», используя для этого только возможности, предоставляемые программой обра-

Таблица 2 5. Варианты адаптивных коммуникационных интерфейсов человек — ЭВМ

Адаптивные диалоговые системы

1. Интерфейсы, использующие естественный язык

А) Интерфейсы с процедурами уточнения и пояснения диалогов [25]

Б) Интерфейсы целевого назначения [150, 152, 159]

В) Интерфейсы, управляемые с помощью меню [143]

2. Интерфейсы с речевой формой обмена информацией

А) Интерфейсы с процедурами адаптивной подстройки [70, 104]

Б) Интерфейсы, способные к контекстному исправлению ошибок пользова­теля [12, 17, 138]

3. Интерфейсы, использующие графическое представление информации

А) Интерфейсы, в которых графический материал способствует проведе­нию мысленных экспериментов [71]

Б) Интерфейсы с режимом одновременной работы в нескольких комму­никационных окнах на экране дисплея [20]

Адаптивные консультативные системы помощи пользователю

1. Активные, пассивные и «творческие» программы-посредники [149]

2. Узкоспециальные экспертные системы [18, 130]

3. Системы помощи пользователю в принятии решений [1, 4]

4. Диалоговые системы с неявной формой коммуникации [115]

5. Диалоговые системы типа DWIM [142]

6. Система пояснений, использующая краткое описание команды, указание последовательности выполняемых ею процедур и объяснение вероятных ошибок [31]

7. Системы контекстно-завнсимой помощи [46]

8. Система стандартизации способов доступа к памяти [87]

9. Системы с использованием конкретных обучающих примеров [62]

10. Система, исправляющая стиль [56, 84]

11. Системы, реализующие методологию «экскурсовода» [32]

Адаптивные обучающие системы

1. Системы с выводом на экран результатов выполнения текущей работы пользователя [76]

2. Диалоговые системы, использующие прн обучении метод Сократа [139]

3. Диалоговые системы, использующие метод подбора тематических приме­ров [24]

4. Обучающая система, основанная на методе управляемых открытий [19]

5. Системы диагностики и исправления неверных действий пользователя [40,

411

Ботки ключевых слов. Данная система понимает только очень небольшую часть вводимой пользователем информации, так как ее программное обеспечение позволяет лишь поделить вве­денный текст на составные части, а затем восстанавливать его уже по набору ключевых слов. Тем не менее метод обра­ботки информации с помощью выделения ключевых слов мо­жет быть приемлемым для построения отдельных адаптивных интерфейсов.

Применение интерфейсов специального назначения более реалистично для ведения диалогов, использующих естествен­ный язык, в системе оперативного доступа к базе данных [159] а консультативной системе помощи пользователю [152]. В обе­их указанных работах показано, что применение естественного языка в диалоге человек—ЭВМ может быть достаточно успеш­ным, если наделить систему «знанием» наиболее существенных семантических и прагматических понятий, употребляемых в сфере деятельности, для которой она разрабатывается. Так, система LUNAR [159] обрабатывает узкоспециальную инфор­мацию по лунной геологии, в то время как система Консуль­тант по операционной системе UNIX [152] использует подроб­ное описание различных аспектов управления файлами в этой операционной системе.

Третий способ проектирования диалога человек — ЭВМ на естественном языке еще больше ограничивает возможности взаимодействия. Отмечена высокая эффективность использова­ния ограниченного естественного языка в интерфейсе типа ме­ню, ориентированном на оконную форму представления инфор­мации. Такой программный интерфейс сам формирует для си­стемы команды на естественном языке, основываясь на вы­бранных пользователем ключевых словах, высвечиваемых в ок­нах экрана дисплея. В этом случае система фактически управ­ляет процессом генерирования команд пользователем и, сле - іовательно, исключается возможность задания им неверных команд. Более того, оказывается, что пользователи не испыты­вают трудностей в усвоении последовательности действий при ведении диалога, так как построенное предложение представ­ляет собой своеобразную карту ранее выполненных действий. В поддержку этого метода проектирования свидетельствуют также результаты исследований по психологии поведения че­ловека, которые показывают, что людям свойственно ограни­чивать список используемых ими как общеупотребительных слов, так и узкопрофессиональных терминов [78, 94]. Таким образом, можно сделать вывод, что создание адаптивных диалогов на языке, близком к естественному, — цель вполне достижимая.

При проектировании диалогов с речевой формой обмена информацией (см. табл. 2.5) особое внимание уделяется про­блеме использования адаптивных систем автоматического рас­познавания речи для повышения точности распознавания. На­пример, выпускаемые в настоящее время промышленностью автоматические распознаватели речи, как правило, не явля­ются универсальными и для использования их определенным человеком необходимо предоставить машине образцы произ­несения им всех слов, которые он будет употреблять при вво­де (этот процесс называется регистрацией). Автоматическое распознавание речи в условиях непосредственной работы поль­зователя часто ухудшается вследствие влияния на речевой сигнал различных факторов, которые не отражены в хранящих­ся шаблонах, как, например, в случае изменения речи в стрес­совом состоянии, при высокой умственной нагрузке или когда на поступающий в ЭВМ речевой сигнал накладывается фоно­вый шум. Процедуры настройки для автоматического обновле­ния речевых шаблонов в конкретных условиях работы могут обеспечить существенное улучшение качества распознавания по сравнению с использованием неизменяемых зарегистриро­ванных образцов речи [70, 104].

В интерфейсы с автоматическим распознаванием речи можно попытаться ввести элементы интеллекта путем приме­нения процедур автоматической коррекции ошибок, связанных с данным контекстом. Если для ведения диалога исполь­зуется ограниченный синтаксис, можно спроектировать интер­фейс таким образом, чтобы машина выявляла ошибочно со­ставленные вводимые последовательности команд, видоизме­няла их до наиболее вероятных наборов команд и затем, если это необходимо, представляла корректировку для подтвержде­ния пользователю. В работе [17] указаны наиболее характер­ные операции, выполняемые программным обеспечением интер­фейсов с автоматическим распознаванием речи, такие, как вы­явление фоновых эффектов, воздействующих на вводимую речь, определение значений слов, принимаемых по умолчанию, и автоматическая проверка системой правильности «понима­ния» ею речи человека. При использовании этих методов [138] было установлено, что точность автоматического распознава­ния может быть увеличена с 76 до 97%.

Были разработаны и более сложные способы исправления ошибок при автоматическом распознавании речи, включающие использование методики персонифицированных звуковых ря­дов; списки недопустимых звукосочетаний, используемые для предсказания наиболее вероятных следующих фрагментов ре­чи, и использование полученной информации, например данных о предыдущей работе пользователей в подобных диалогах [12]. Тесты на восприятие ЭВМ естественного языка при авто­матическом распознавании речи с использованием такой ин­формации для корректировки ошибок обеспечили 77%-ное по­нимание 6000 правильно произнесенных предложений [13].

Последняя из перечисленных в табл. 2.5 подгруппа вариан­тов диалога для адаптивных интерфейсов связана с проблемой представления графических изображений. Применение графи­ческих изображений становится довольно распространенным при работе с обычными вычислительными системами и может быть полезно в адаптивных интерфейсах при обобщении боль­ших объемов информации. Эффективность использования гра - фики при ведении диалога в адаптивных интерфейсах под - —ерждается системой STEAMER [71]. Используемый в STEA - ER графический интерфейс был создан для оценки возмож - істи предоставления обучаемым качественных моделей слож­ной имитационной двигательной установки. Графические моде­ли, изображаемые на экране дисплея, могут видоизменяться обучаемыми, что помогает последним проводить мысленные эксперименты, приводящие к пониманию ими количественных взаимосвязей между отдельными параметрами двигательной установки. Этот пример отражает сложный характер связей между представлением информации и методами коммуникации в адаптивных человеко-машинных системах. Обычно достаточ­но трудными для понимания оказываются количественные мо­дели типа «черного ящика». Однако, как показало использо­вание системы STEAMER, графическое представление данных может в некоторой степени облегчить решение этих коммуни­кационных проблем.

Дальнейшее совершенствование методов графического представления информации привело к возможности создания изображений с высокой разрешающей способностью, представ­ляемых в двоичном коде и используемых в командных языках и в программах текстообработки. Это позволяет пользователю выполнять задачу с помощью нескольких «коммуникационных окон», допуская тем самым функционирование параллельных каналов связи между человеком и ЭВМ [20]. Таким образом, диалог неопытного пользователя с адаптивной системой мо­жет осуществляться через несколько коммуникационных окон на экране дисплея.

Адаптивные консультативные системы помощи пользователю

Кроме того, что настраивающийся интерфейс способен вести диалог на языке неопытного пользователя, можно наделить его также и возможностью оказания человеку помощи в освое­нии языка, на котором «говорит» ЭВМ. Так, например, пер­вый способ проектирования подобных систем (см. табл. 2.5) предусматривает наличие программы-посредника между поль­зователем и его задачей, исполняющей мониторные функции и обеспечивающей пользователя автоматическим инструктажем по работе с системными процедурами. Несколько типов такой программы-посредника были предложены для разработки [149]. Она может быть активной, пассивной и даже «творче­ской». Программа первого типа устанавливает связь с пользо­вателем и переводит его сообщения на язык, понятный маши­не, в то время как пассивный вариант программы допускает ведение диалога непосредственно между пользователем и машиной. «Творческая» программа-посредник берет на себя выполнение системных функций, автоматически вызывая в каждый нужный момент другие программы помощи для ре­шения обычных и обучающих задач.

Обеспечению пользователя такого рода консультациями большое значение придается также и при проектировании экс­пертных систем. (Более подробно экспертные системы обсуж­даются в гл. 3 тома 3.) Кратко характеризуя эти программы «искусственного интеллекта», отметим, что их назначение — решать наиболее трудные вопросы некоторой конкретной обла­сти человеческой деятельности. Примеры экспертных систем как узкоспециальных консультантов для неопытных пользова­телей включают программу структурного анализа проблем ор­ганической химии DENDRAL [18] и программу диагностики инфекционных заболеваний крови MYCIN [130]. Отметим, что неопытные пользователи подобных экспертных систем со­ставляют отдельный класс начинающих пользователей ЭВМ. Высококвалифицированные инженеры и специалисты предпо­читают работать со сложноорганизованными интерфейсами, в которых машина аргументирует свои решения и в свою оче­редь может принимать советы от человека. Таким образом, проблема передачи пользователю научно-технической инфор­мации узкоспециального назначения, содержащейся в исполь­зуемых экспертными системами базах данных, представляется решающей для их успешного применения.

Третья группа адаптивных систем данного типа (см. табл. 2.5) разрабатывается для оказания помощи пользователям в задачах принятия решений. Необходимость в такой помощи вытекает из широкого разнообразия возможных способов при­нятия человеком решений, многие из которых являются дале­ко не оптимальными [10, 151]. Поэтому было выдвинуто пред­ложение по созданию систем, которые придали бы процессу принятия решений более структурированный вид, не оказывая при этом влияния на стиль работы и методологические пред­почтения пользователя [1, 4]. Действительно, в тесной связи с разработкой таких систем находится проектирование челове­ко-машинных диалогов с неявной формой коммуникации [115]. Такая неявная связь позволяет ЭВМ работать с не­опытным пользователем, помогая ему и не препятствуя при этом ходу выполнения задачи.

Следующий метод организации помощи пользователю реа­лизуется в режиме работы ЭВМ, условно называемом «делай то, что я говорю» (do what I mean — DWIM), который был разработан для программной среды INTERLISP [142]. В этом применении подсистема DWIM осуществляет в основном функции корректора неверно составленных команд, который может быть вызван из отдельных подсистем INTERLISP, что позволяет автоматически выявлять и исправлять ошибки в командах. Данный режим работы освобождает программиста от утомительных переписываний неверных команд в програм­ме на языке высокого уровня, а также предоставляет системе INTERLISP ограниченную автономию действий на основе ин­формации, вытекающей из контекста. Не приходится и гово­рить о том, что проектировщик адаптивных интерфейсов дол­жен быть крайне осторожен при разработке системы типа DWIM. Рассмотрим, например, ситуацию, в которой использо­вание режима DWIM может привести к крайне нежелатель­ным последствиям: пользователь пытается загрузить дисковые файлы с помощью команды DEPiRINT*, но пишет ее неверно, как DEPENT*. В зависимости от алгоритма корректировки интерфейс DWIM может стереть все пользовательские файлы, заменив введенную команду на DELETE*. Для предотвраще­ния выполнения машиной неверных или нежелательных команд пользователя параллельно с разработкой интерфейса DWIM необходимо проектировать и оценивать ранее упомянутые про­цедуры диалоговых подтверждений и с учетом явных ограниче­ний.

В работе [31] одной из целей автоматизированного проек­тирования являлось также и уменьшение нагрузки на пользо­вателя. Была разработана система пояснений CADHELP, кото­рая подстраивается к требованиям пользователей с примене­нием трехступенчатого описания: краткое описание команды и ее назначения, ее стандартное объяснение с указанием по­следовательности выполняемых процедур и предоставление информации, содержащей список наиболее вероятных ошибок. Пояснения системы CADHELP обеспечивают пользователя так­же информацией, хранящейся в системе автоматизированного проектирования, что позволяет ему уделять больше времени решению главной задачи разработки электрических цепей. Используя подобные системы, неопытный пользователь ожида­ет (и это вполне оправданно) получить возможность творче­ской работы и свободного проектирования вместо того, чтобы заучивать сложные автоматизированные процедуры.

При осуществлении аналогичного метода проектирования различные системы подобного типа могут оказывать заметную помощь неопытному пользователю. Известна специальная про­грамма для автоматизированных систем, способная оказывать пользователю помощь в зависимости от конкретных условий работы [46]. Создан также метод совмещения вспомогатель­ной информации с работой программных средств, позволяющий сопровождать каждый шаг в последовательности ввода поль­зователем команд соответствующими синтаксическими руковод­ствами. Исследования Маркуса [87] показывают, что при ра­боте с системами оперативного доступа к библиографическим базам данных объем информации, получаемой неопытными пользователями, может быть значительно увеличен в случае включения в систему автоматизированного «помощника», пред­назначенного для стандартизации способов доступа к несколь­ким базам данных на основе базового набора команд. Нако­нец, согласно результатам работы [62], использование кон­кретных обучающих примеров вполне возможно и в системах текстового редактирования, разрабатываемых для неопытных пользователей.

Последние два способа ведения диалога для машинных консультативных систем, указанные в табл. 2.5, отводят адап­тивным интерфейсам роль советчика. Например, система, на­зываемая «Рабочее место автора», дает советы по стилистике при формировании описаний работы с операционной системой UNIX. Проведя анализ работы человека, использующего си­стему «Рабочее место автора», Гингрич [56] обнаружил, что такой автоматизированный «помощник» позволяет увеличить число выявленных ошибок и сократить продолжительность этапа редактирования. Как правило, пользователям нравится как объективный, так и приватный характер советов автома­тического «ассистента».

Для подобных целей используют и так называемую мето­дологию экскурсовода [32], позволяющую предотвращать ту­пиковые ситуации в ходе диалога между неопытным пользова­телем и ЭВМ. Разработана система, постоянно регистрирую­щая выполняемые пользователем действия и на основании их анализа оценивающая, способен ли пользователь довести за­дачу до конца по заранее указанному плану [32]. Если ока­зывается, что он не в состоянии самостоятельно завершить ре­шение задачи, автоматически вызывается компьютерный на­ставник, именуемый «экскурсоводом», который помогает пользо­вателю выйти из затруднительного положения.

Адаптивные обучающие системы

Последний класс методик создания адаптивных интерфейсов, представленный в табл. 2.5, используется при проектировании систем обучения и инструктировании неопытных пользовате­лей [106]. В случаях, когда отсутствует возможность обеспе­чить пользователя при его работе на ЭВМ каким-ннбудь аль­тернативным языком общения с машиной или же автоматизи­рованной системой помощи, вероятно, остается единственный способ повысить качественный уровень ведения диалога — обу­чить пользователей работе с автоматическими процедурами. Вследствие того что требования, предъявляемые к процессу обучения отдельных лиц, как правило, различаются, для не­опытных пользователей рекомендуется создание индивидуаль­ных условий обучения. Использование индивидуального подхо­да связано с разработкой диагностических обучающих моделей и применением соответствующих методик обучения. Для до­стижения этих целей применяются как адаптивные обучающие системы, так и автоматизированные системы обучения с эле­ментами систем искусственного интеллекта.

Результаты широкомасштабных исследований адаптивных обучающих систем, использующих поведенческие методы, поз­воляют предполагать, что подобные системы следует разраба­тывать таким образом, чтобы они могли адаптироваться соот­ветственно данным обратной связи и обеспечивать пользовате­лей информацией, которая как бы «ведет» обучающегося по задаче, что может существенно повысить эффективность обу­чения. Особо подчеркивается тот факт [76], что для создания качественных адаптивных обучающих систем в их програм­мное обеспечение следует включить программы вывода на эк­ран результатов текущей работы пользователя, так как сами по себе такие системы не допускают осуществления обратной связи с обучаемыми. Результаты проведенного исследования свидетельствуют о широких возможностях адаптивных комму­никационных систем человек — ЭВМ, которые еще предстоит изучить в дальнейшем.

Что же касается разработки интеллектуальных обучающих систем, то в этом случае методики проектирования адаптивных интерфейсов, как правило, связаны с проблемой выбора формы обучения. Так, например, в основу системы, предложенной ав­торами работы [139], был положен метод сократовой логики. На практике функционирование данной системы сводилось к следующему: машина достаточно активно проводит опрос поль­зователей и пытается выявить при этом их неверные концепту­альные представления, которые являются наиболее очевид­ными в случае, когда пользователь дает на заданные вопросы логически противоречивые ответы. Другими словами, система, использующая метод сократовой логики, составляет вопросы для пользователя таким образом, чтобы выявить все аспекты его неправильного представления. В аналогичном обучающем диалоге [24] в качестве формы обучения применен метод под­бора тематических примеров. Данный диалог был использован для проведения эксперимента по обучению пользователей диаг­ностическим правилам в системе MYCIN. Компьютерный «на­ставник» подробно объяснял функционирование MYCIN на конкретных примерах. Диалоги, в которых применяется метод обучения с помощью тематических примеров, акцентируют внимание пользователя непосредственно на задаче, решаемой им с помощью ЭВМ, и представляются достаточно эффектив­ным методом решения соответствующих задач.

В противоположность этим двум методам обучения, пред­полагающим, что сама система управляет процессом его про­ведения, авторы работы [19] предложили использование обу­чающего диалога, в котором ведущая роль отводится пользо­вателю. Разработанный ими метод обучения можно кратко охарактеризовать как метод управляемых открытий. При его использовании обучающая система позволяет пользователю до­статочно свободно исследовать поставленную задачу с целью постижения ее основных понятий и внутренних взаимосвязей под неявным руководством ЭВМ. Машина вмешивается в рабо­ту неопытного пользователя только в том случае, когда для ис­правления его неправильных концептуальных представлений необходимо предоставить ему специальные инструкции.

При рассмотрении данных трех методик проектирования диалоговых обучающих систем становится очевидным, что ос­новное внимание в них уделяется вопросам диагностики и ис­правления неверных действий пользователя. Обучающий ин­терфейс должен непрерывно «наблюдать» за последователь­ностью действий человека и давать указания в случаях, когда это необходимо.

Важность аспектов диагностики и исправления ошибок при использовании методов проектирования обучающих систем подтверждается и результатами исследования, проведенного авторами работы [41], которые продемонстрировали эффек­тивный способ обучения неопытных пользователей методам быстрого поиска файлов. Полученные результаты показывают, что автоматизированный «консультант», оставляющий право выбора действий за человеком, в сочетании с точной диагно­стической моделью помогает неопытному пользователю на­много быстрее овладеть методами поиска, чем система, в кото­рой ЭВМ дает «советы», обязательные к исполнению, а диаг­ностические модели имеют более «расплывчатую» форму. Од­нако, как отмечают сами исследователи, вследствие все воз­растающего применения данного метода обучения для повы­шения его эффективности при проектировании систем, предна­значенных для начинающих пользователей, необходимо прове­сти его дополнительные исследования и оценивание.