Sprachliche Mensch-Maschine-Kommunikation

390 23. Verstehen von Sprache
wenn er es getippt hätte.
Eine akustische Aufnahme einer Äußerung enthält außerdem keine
Interpunktionszeichen und keine Unterscheidung zwischen Groß- und Kleinschreibung.
Selbst wir Menschen haben mit Texten ohne Interpunktion
Probleme beim Verstehen. All diese Unterschiede zwischen gesprochener und
geschriebener Sprache lassen vermuten, daß das Verstehen von Gesprochenem
wesentlich schwieriger ist.
Dies trifft in der Regel auch zu, insbesondere auch deshalb, weil die
textuelle Darstellung von einem Spracherkenner erzeugt wird, der schon
bei diktierter Sprache und bei spontaner Sprache noch mehr Fehler macht.
Selbst wenn der Erkenner überhaupt keine Fehler machen würde, wäre die
erkannte Sprache so voller störender Artefakte wie abgebrochener Wörter,
lauter Pausen, und die Grammatik genügt fast nie den Regeln der Syntax,
so daß die Analysemethoden für das Verstehen von Texten hier nicht
ausreichend gut funktionieren.
Allerdings hat gesprochene Sprache auch Merkmale, die normalerweise
nur ihr eigen sind, und sich in Texten nicht widerspiegeln. Dazu gehört zum
Beispiel die Prosodie (s.u.), aber auch andere Kommunikationsmöglichkeiten
wie Gestik, Mimik und Ausdruck von Emotionen. Zumindest die Prosodie
und die emotionale Situation des Sprechers lassen sich im reinen Audiosignal
wiederfinden. Abb. 23.1 zeigt ganz grob, wie ein System, das natürliche
Sprache verstehen soll, aufgebaut ist.
23.2 Prosodie
Prof. Raj Reddy von der Carnegie Mellon University, Pittsburgh, sagte
einmal, daß die Prosodie in der gesprochenen Sprache vergleichbare Bedeutung
habe wie die Zwischenräume in der Schrift. Mit Prosodie wird im
wesentlichen die Melodie und der Rhythmus einer Äußerung bezeichnet.
Die meisten Spracherkenner verwenden zum Erkennen von Wortfolgen keine
zuvor extrahierten prosodischen Informationen. Die in der Aussprache der
selben Wortfolge ohnehin mögliche Variation überwiegt meist die durch die
Melodie aufgesetzte zusätzliche Variation, so daß Spracherkenner in der
Regel keine nennenswerten zusätzlichen Probleme daraus erwachsen, daß
eine Wortfolge einmal als Aussage und einmal als Frage betont werden kann.
In einigen wenigen tonalen Sprachen wie in einigen chinesischen Sprachen
spielt die Melodie innerhalb eines einzelnen Lautes eine Rolle zur Unterscheidung
von Silben und Wörtern. Solche Lautmelodien werden aber nicht
vom Begriff Prosodie subsumiert, sondern lediglich die makroskopischen