На каком языке информация обрабатывается компьютером в BASIC

Обновлено: 21.11.2024

Обработка естественного языка направлена на создание машин, которые понимают и реагируют на текстовые или голосовые данные, а также реагируют собственным текстом или речью почти так же, как люди.

Что такое обработка естественного языка?

Обработка естественного языка (NLP) относится к области компьютерных наук, а точнее к области искусственного интеллекта или ИИ, связанной с предоставлением компьютерам возможности понимать текст и произносимые слова почти так же, как люди.

НЛП объединяет вычислительную лингвистику — моделирование человеческого языка на основе правил — со статистическими моделями, машинным обучением и моделями глубокого обучения. Вместе эти технологии позволяют компьютерам обрабатывать человеческий язык в виде текстовых или голосовых данных и «понимать» его полное значение, включая намерения и чувства говорящего или пишущего.

НЛП управляет компьютерными программами, которые переводят текст с одного языка на другой, реагируют на голосовые команды и быстро обобщают большие объемы текста — даже в режиме реального времени. Скорее всего, вы взаимодействовали с НЛП в виде голосовых систем GPS, цифровых помощников, программного обеспечения для диктовки речи в текст, чат-ботов для обслуживания клиентов и других потребительских удобств. Но NLP также играет все более важную роль в корпоративных решениях, помогающих упростить бизнес-операции, повысить производительность сотрудников и упростить критически важные бизнес-процессы.

Задания НЛП

Человеческий язык полон неоднозначностей, из-за чего невероятно сложно написать программное обеспечение, точно определяющее предполагаемое значение текстовых или голосовых данных. Омонимы, омофоны, сарказм, идиомы, метафоры, исключения из грамматики и использования, вариации в структуре предложений — это лишь некоторые из нарушений человеческого языка, на изучение которых у людей уходят годы, но программисты должны научить приложения, управляемые естественным языком, распознавать и с самого начала точно понять, будут ли эти приложения полезными.

Некоторые задачи НЛП разбивают человеческий текст и голосовые данные таким образом, чтобы помочь компьютеру разобраться в том, что он получает. Некоторые из этих задач включают следующее:

Распознавание речи, также называемое преобразованием речи в текст, представляет собой задачу надежного преобразования голосовых данных в текстовые данные. Распознавание речи требуется для любого приложения, которое следует голосовым командам или отвечает на голосовые вопросы. Что особенно затрудняет распознавание речи, так это то, как люди говорят: быстро, нечленораздельно, с разным ударением и интонацией, с разным акцентом и часто с неправильной грамматикой.
Тегирование части речи, также называемое грамматическим тегированием, представляет собой процесс определения части речи определенного слова или фрагмента текста на основе его использования и контекста. Часть речи определяет «сделать» как глагол в «Я могу сделать бумажный самолетик» и как существительное в «Какой марки автомобиля у тебя есть?»
Устранение многозначности слова — это выбор значения слова с несколькими значениями в процессе семантического анализа, который определяет слово, которое имеет наибольший смысл в данном контексте. Например, устранение неоднозначности смысла слова помогает отличить значение глагола "сделать" в словах "сделать оценку" (достичь) и "сделать ставку" (место).
Распознавание именованных объектов, или NEM, идентифицирует слова или фразы как полезные объекты. NEM определяет «Кентукки» как местоположение или «Фред» как мужское имя.
Разрешение по взаимной ссылке — это задача определить, относятся ли два слова к одному и тому же объекту и когда. Наиболее распространенным примером является определение лица или объекта, к которому относится определенное местоимение (например, «она» = «Мэри»), но это также может включать в себя определение метафоры или идиомы в тексте (например, пример, в котором « медведь не животное, а большой волосатый человек).
Анализ настроений пытается извлечь из текста субъективные качества — отношение, эмоции, сарказм, замешательство, подозрительность.
Создание естественного языка иногда называют противоположностью распознаванию речи или преобразованию речи в текст. это задача перевода структурированной информации на человеческий язык.

Инструменты и подходы НЛП

Python и набор инструментов для работы с естественными языками (NLTK)

Язык программирования Python предоставляет широкий спектр инструментов и библиотек для решения конкретных задач НЛП. Многие из них можно найти в Natural Language Toolkit, или NLTK, коллекции библиотек, программ и образовательных ресурсов с открытым исходным кодом для создания программ НЛП.

NLTK включает библиотеки для многих из перечисленных выше задач НЛП, а также библиотеки для подзадач, таких как синтаксический анализ предложений, сегментация слов, формирование корней и лемматизация (методы обрезки слов до их корней) и токенизация (для разбиения фраз, предложения, абзацы и отрывки в токены, помогающие компьютеру лучше понять текст).Он также включает библиотеки для реализации таких возможностей, как семантическое мышление, возможность делать логические выводы на основе фактов, извлеченных из текста.

Статистическое НЛП, машинное обучение и глубокое обучение

Самые ранние приложения НЛП представляли собой написанные вручную системы, основанные на правилах, которые могли выполнять определенные задачи НЛП, но не могли легко масштабироваться, чтобы справиться с кажущимся бесконечным потоком исключений или растущими объемами текстовых и голосовых данных.

Войдите в статистический NLP, который сочетает компьютерные алгоритмы с машинным обучением и моделями глубокого обучения для автоматического извлечения, классификации и маркировки элементов текстовых и голосовых данных, а затем присваивает статистическую вероятность каждому возможному значению этих элементов. Сегодня модели глубокого обучения и методы обучения, основанные на сверточных нейронных сетях (CNN) и рекуррентных нейронных сетях (RNN), позволяют системам НЛП «обучаться» в процессе работы и извлекать все более точный смысл из огромных объемов необработанного, неструктурированного и неразмеченного текста. и наборы голосовых данных.

Для более глубокого изучения нюансов между этими технологиями и их подходами к обучению см. раздел «Искусственный интеллект, машинное обучение, глубокое обучение и нейронные сети: в чем разница?»

Случаи использования НЛП

Обработка естественного языка является движущей силой искусственного интеллекта во многих современных реальных приложениях. Вот несколько примеров:

Обнаружение спама. Возможно, вы не считаете обнаружение спама решением NLP, но лучшие технологии обнаружения спама используют возможности классификации текста NLP для сканирования электронных писем на наличие языка, который часто указывает на спам или фишинг. Эти индикаторы могут включать чрезмерное использование финансовых терминов, характерную плохую грамматику, угрожающий язык, неуместную срочность, неправильно написанные названия компаний и многое другое. Обнаружение спама — одна из немногих проблем NLP, которые эксперты считают «почти решенными» (хотя вы можете возразить, что это не соответствует вашему опыту работы с электронной почтой).
Машинный перевод. Google Translate — это пример общедоступной технологии НЛП в действии. По-настоящему полезный машинный перевод включает в себя нечто большее, чем замену слов одного языка словами другого. Эффективный перевод должен точно отражать смысл и тон исходного языка и переводить их в текст с тем же значением и желаемым воздействием на выходной язык. Инструменты машинного перевода делают успехи в плане точности. Отличный способ протестировать любой инструмент машинного перевода — перевести текст на один язык, а затем вернуться к оригиналу. Часто цитируемый классический пример: не так давно при переводе «Дух хочет, но плоть слаба» с английского на русский и обратно давался «Водка хороша, но мясо тухлое». ». Сегодня результатом является «Дух желает, но плоть немощна», что не идеально, но в переводе с английского на русский внушает гораздо больше доверия.
Виртуальные агенты и чат-боты. Виртуальные агенты, такие как Siri от Apple и Alexa от Amazon, используют распознавание речи для распознавания шаблонов в голосовых командах и генерации естественного языка, чтобы реагировать соответствующим действием или полезными комментариями. Чат-боты выполняют ту же магию в ответ на введенный текст. Лучшие из них также учатся распознавать контекстуальные подсказки о человеческих запросах и использовать их для предоставления еще лучших ответов или вариантов с течением времени. Следующим улучшением для этих приложений является функция ответов на вопросы, возможность отвечать на наши вопросы — ожидаемые или нет — соответствующими и полезными ответами своими словами.
Анализ настроений в социальных сетях. НЛП стало важным бизнес-инструментом для выявления скрытых данных из каналов социальных сетей. Анализ настроений может анализировать язык, используемый в сообщениях, ответах, обзорах и т. д. в социальных сетях, чтобы определять отношение и эмоции, связанные с продуктами, рекламными акциями и событиями. Эту информацию компании могут использовать при разработке продуктов, рекламных кампаниях и т. д.
Обобщение текста. Обобщение текста использует методы НЛП для анализа огромных объемов цифрового текста и создания резюме и синопсисов для указателей, исследовательских баз данных или занятых читателей, у которых нет времени читать полный текст. Лучшие приложения для реферирования текста используют семантические рассуждения и генерацию естественного языка (NLG), чтобы добавить полезный контекст и выводы к рефератам.

Обработка естественного языка и IBM Watson

- Находите высококачественные ответы и богатые идеи из ваших сложных корпоративных документов — таблиц, PDF-файлов, больших данных и многого другого — с помощью поиска ИИ.Позвольте своим сотрудникам принимать более обоснованные решения и экономить время с помощью поисковой системы в реальном времени и возможностей анализа текста, которые выполняют извлечение текста и анализируют отношения и шаблоны, скрытые в неструктурированных данных. Watson Discovery использует настраиваемые модели NLP и методы машинного обучения, чтобы предоставить пользователям ИИ, который понимает уникальный язык их отрасли и бизнеса. Explore Watson Discovery (NLU) — анализируйте текст в форматах неструктурированных данных, включая HTML, веб-страницы, социальные сети и т. д. Улучшите свое понимание человеческого языка, используя этот набор инструментов естественного языка для определения понятий, ключевых слов, категорий, семантики и эмоций, а также для выполнения классификации текста, извлечения сущностей, распознавания именованных сущностей (NER), анализа тональности и суммирования. Изучите Watson Natural Language Understanding — улучшите качество обслуживания клиентов при одновременном снижении затрат. Watson Assistant — это чат-бот на основе искусственного интеллекта с простым в использовании визуальным конструктором, который позволяет развертывать виртуальных агентов по любому каналу за считанные минуты. Узнайте больше о Watson Assistant

Разработанный специально для медицинских и медико-биологических областей, IBM Watson Annotator for Clinical Data извлекает ключевые клинические понятия из текстов на естественном языке, таких как состояния, лекарства, аллергии и процедуры. Глубокие контекстуальные идеи и значения для ключевых клинических атрибутов позволяют получить более значимые данные. Потенциальные источники данных включают в себя клинические записи, выписки из больницы, протоколы клинических испытаний и литературные данные.

Машинный язык, в котором код дополнения цифры является дополнением кода цифры.

Связанные термины:

Скачать в формате PDF

Об этой странице

Что такое сборка?

МАЙКЛ Л. ШМИТ, процессор Pentium™, 1995 г.

Машинный язык

Машинный язык — это язык, понятный компьютеру. Это очень сложно понять, но это единственное, с чем может работать компьютер. Все программы и языки программирования в конечном итоге генерируют или запускают программы на машинном языке. Машинный язык состоит из инструкций и данных, которые представляют собой двоичные числа. Машинный язык обычно отображается в шестнадцатеричной форме, чтобы его было немного легче читать. Язык ассемблера почти такой же, как машинный язык, за исключением того, что инструкции, переменные и адреса имеют имена, а не просто шестнадцатеричные числа.

Обзор исследования поддерживаемого инструментами тестирования проектов, основанных на требованиях, на основе моделей

Ралука Маринеску, . Пол Петтерссон, Достижения в области компьютеров, 2015 г.

6.4 АсмЛ

Затем мы выбираем репрезентативный инструмент категории записи до/после и применяем его к нашему рабочему примеру.

Архитектура

Сара Л. Харрис, Дэвид Харрис, в Digital Design and Computer Architecture, 2022

6.4.7 Интерпретация кода машинного языка

Для интерпретации машинного языка необходимо расшифровать поля каждого 32-битного командного слова. В разных инструкциях используются разные форматы, но все форматы имеют общее 7-битное поле кода операции. Таким образом, лучше всего начать с просмотра кода операции, чтобы определить, является ли это инструкцией типа R, I, S/B или U/J.

Перевод машинного языка на язык ассемблера

Переведите следующий код машинного языка на язык ассемблера.

Решение

Во-первых, мы представляем каждую инструкцию в двоичном виде и смотрим на семь младших значащих битов, чтобы найти код операции для каждой инструкции.

0100 0001 1111 1110 1000 0011 1011 0011 (0x41FE83B3)

1111 1101 1010 0100 1000 0010 1001 0011 (0xFDA48293)

Код операции определяет, как интерпретировать остальные биты. Код операции первой инструкции — 0110011₂ ; Итак, согласно Таблице B.1 в Приложении B, это инструкция R-типа, и мы можем разделить остальные биты на поля R-типа, как показано в верхней части рисунка 6.28. Код операции второй инструкции — 0010011₂ , что означает, что это инструкция I-типа. Мы группируем оставшиеся биты в формат I-типа, как показано на рис. 6.28, где показан ассемблерный код, эквивалентный двум машинным инструкциям.

Рисунок 6.28. Преобразование машинного кода в ассемблерный код

Языки программирования

ХАРВИ М. ДЕЙТЕЛЬ, БАРБАРА ДЕЙТЕЛЬ, Введение в обработку информации, 1986 г.

Язык ассемблера

Сегодня программисты редко пишут программы на машинном языке. Вместо этого они используют более понятные языки ассемблера или языки высокого уровня. Эти языки частично ответственны за широкое использование компьютеров в настоящее время.

Программисты, обремененные программированием на машинном языке, начали использовать сокращения, похожие на английские, для различных инструкций машинного языка. Эти аббревиатуры, называемые мнемоникой (вспомогательные средства запоминания), относятся к действию, которое необходимо предпринять, и имеют больше смысла для программиста.Например, вместо того, чтобы писать «+ 20» для обозначения сложения, программист может написать мнемоническое «ДОБАВИТЬ»; «SUB» может использоваться для вычитания, «DIV» — для деления и т.п. Даже местам хранения были даны имена. Если бы ячейка 92 содержала сумму, ее можно было бы назвать «ИТОГО» или «СУММА» вместо 92. Получившиеся программы было намного легче понять и модифицировать. Например, в программе расчета заработной платы, которая вычитает общую сумму вычетов из валовой заработной платы для расчета чистой заработной платы, могут появиться следующие инструкции на ассемблере:

К сожалению, компьютеры не могли понять эти программы, поэтому мнемоники все равно приходилось переводить на машинный язык для обработки. В профессии программиста возникла аристократия. «Высший класс» состоял из программистов, которые писали программы с использованием англоподобной мнемотехники. Затем «простолюдины», которых называли ассемблерами, брали эти программы и вручную переводили их на машинный язык — довольно механическая работа. В 1950-х годах программисты поняли, что этот перевод может быть выполнен компьютерами быстрее и точнее, чем люди, и поэтому была написана первая программа на ассемблере, или программа-переводчик (рис. 9-1). Программа инструкций, написанная на языке ассемблера, известна как исходная программа; программа на ассемблере переводит ее в программу на машинном языке, называемую объектной программой.

Рисунок 9-1. Программа на ассемблере переводит программу на языке ассемблера (исходную программу) в программу на машинном языке (объектную программу).

Программы можно было писать быстрее на языке ассемблера, чем на машинном языке, хотя их все равно приходилось переводить на машинный язык, прежде чем они могли быть выполнены (см. рис. 9-2). Работа по переводу была более чем оправдана благодаря увеличению скорости программирования и уменьшению количества ошибок.

Рисунок 9-2. Пример мнемоники на языке ассемблера, используемой в некоторых мейнфреймах IBM. Полный набор инструкций предлагает около 200 мнемонических кодов. Коды операций показаны в шестнадцатеричной системе счисления (с основанием 16).

Программы на языке ассемблера также зависят от машины и не переносимы. Программистам приходится писать большое количество инструкций, чтобы выполнять даже простые действия, а программы по-прежнему выглядят на компьютерном языке ( рис. 9-3 ).

Возможно, в настоящее время языки ассемблера в основном используются при написании операционных систем — программ, управляющих оборудованием и делающих его более доступным для пользователей компьютеров (см. главу 12 ).

Макроинструкции

Следующим шагом в процессе эволюции стало введение макрокоманд . Макроинструкция — это одна инструкция, которая транслируется в несколько инструкций машинного языка. С помощью одной макрокоманды программист может указать действие, для которого обычно требуется несколько инструкций на языке ассемблера. Например, простой макрос SUM A, B, C может использоваться для добавления A к B и сохранения результатов в C.

Всякий раз, когда программа на ассемблере сталкивается с макрокомандой, она сначала выполняет раскрытие макроса. Он создает серию инструкций на языке ассемблера для выполнения функции макроса. Например, СУММА A, B, C может быть расширена до

а затем ассемблер переводил эти инструкции на машинный язык.

Изучение вычислительного языка (обновление главы 15)

Менно ван Заанен, Коллин де ла Игуэра, Справочник по логике и языку (второе издание), 2011 г.

16.1 Введение

При работе с языком (машинное) обучение может принимать различные формы, наиболее важными из которых являются те, которые связаны с изучением формальных языков и грамматик на основе данных. Вопросы в этом контексте находились на пересечении областей индуктивного вывода и компьютерной лингвистики в течение последних 50 лет. Возвращаясь к новаторской работе, Хомский (1955) и Соломонов (1964) по совершенно разным причинам интересовались системами или программами, которые могли бы выводить язык при представлении информации о нем.

Голд (1967) чуть позже предложил объединяющую парадигму под названием идентификация в пределе, а термин грамматический вывод, по-видимому, появился в докторской диссертации Хорнинга (1969).

Вне области лингвистики исследователи и инженеры, занимающиеся распознаванием образов, под влиянием Фу (1974) изобрели алгоритмы и изучали подклассы языков и грамматик с точки зрения того, что можно или нельзя изучить ( Фу и Бут, 1975 г.).

Исследователи в области машинного обучения занимались смежными проблемами (самой известной из них была задача вывода детерминированного конечного автомата на основе примеров и контрпримеров строк). Angluin (1981, 1987) ввел важную настройку активного обучения или обучения на основе запросов, в то время как Питт и Вармут (1993) и Питт (1989) дали несколько результатов, вдохновленных сложностью. , показывая сложность различных проблем обучения.

В более прикладных областях, таких как вычислительная биология, исследователи также работали над изучением грамматик или автоматов из строк, например Brazma et al. (1998) . Точно так же, исходя из компьютерной лингвистики, можно указать на работы, связанные с изучением языка с более сложными грамматическими формализмами (Канадзава, 1998), более статистическими подходами, основанными на построении языковых моделей, или различными системами, введенными для автоматического построения грамматик из предложений (Адриаанс , 1992; ван Заанен, 2000). Обзоры связанных работ в конкретных областях можно найти у Сакакибара (1997 г.), де ла Хигера (2005 г.) и Вольф (2006 г.) .

При рассмотрении истории теории формального обучения можно выделить несколько тенденций. Из «интуитивных» подходов, описанных в ранних исследованиях, возникли более фундаментальные идеи. Основываясь на этих идеях и более широком доступе данных, больше исследований было направлено на прикладное изучение языков. В последнее время наблюдается тенденция требовать более теоретически обоснованных доказательств в прикладной области, в основном из-за увеличения размера проблем и важности наличия гарантий на результаты. Эти тенденции привели к междисциплинарному характеру формального изучения языка. Здесь можно найти аспекты изучения естественного языка (как области применения), машинного обучения и теории информации.

При попытке найти общие черты работы в области изучения языков следует учитывать как минимум два аспекта. Обучение происходит в обстановке. Проблемы в этом измерении — это свойства обучающих данных, такие как положительные/отрицательные экземпляры, количество или уровень шума, а также мера успеха. Другое измерение связано с парадигмами в отношении обобщения обучающих данных. Цель изучения языка состоит в том, чтобы найти язык, который используется для генерации обучающих данных. Этот язык обычно более общий, чем обучающие данные, и требует подхода к обобщению.

Эта глава организована по параметрам обучения и парадигм. Во-первых, мы рассмотрим различные настройки обучения и их параметры. Во-вторых, обсуждаются различные парадигмы обучения, после чего делается вывод.

Обработка информации – это манипулирование данными для получения полезной информации. он включает в себя сбор информации в формате, доступном для извлечения и анализа. Обработка информации включает в себя получение необработанной информации и превращение ее в более полезную, помещая ее в контекст. В общем, обработка информации означает обработку новых данных, которая включает в себя ряд шагов: получение, ввод, проверку, манипулирование, хранение, вывод, передачу, извлечение и удаление. Будущий доступ к файлам и их обновление включают один или несколько из этих шагов. Обработка информации дает людям базовые навыки использования компьютера для эффективной и действенной обработки многих типов информации. Термин

часто ассоциируется именно с компьютерными операциями.

ВЛИЯНИЕ ОБРАБОТКИ ИНФОРМАЦИИ

Обработка информации оказала огромное влияние на современное общество. Рынок становится все более сложным из-за растущей доступности данных и информации. Людям необходимо четкое понимание того, как создавать, получать доступ, использовать и управлять информацией, что необходимо в рабочей среде. Людям необходимо понимать взаимосвязь между отдельными людьми, деловым миром на национальном и международном уровнях и правительством, чтобы конструктивно участвовать как в качестве потребителей, так и производителей. Эти общие компетенции должны сочетаться с теми, которые ведут к трудоустройству в бизнесе, а также к углубленному изучению бизнеса.

По данным компании IDC, занимающейся анализом рынка, к 2007 году офисы по всему миру должны были произвести 4,5 трлн страниц печатной информации. При управлении документами необходимо учитывать три важнейших фактора: (1) более эффективное управление документами; (2) контроль затрат, связанных с обрабатываемыми документами, и (3) более эффективное использование имеющихся ресурсов. Каждая организация, будь то малая или крупная, заинтересована в технологии обработки информации.Более разумное управление документами в офисной среде имеет важное значение. Предприятия добавляют интеллект и структуру к цифровым и бумажным документам, чтобы оптимизировать бизнес-процессы и облегчить интеграцию в системы структурированных данных. Акцент делается не на отказе от бумаги, а на более эффективной обработке информации, содержащейся в документах. Акцент сместился на адаптацию технологий и управление ими для наилучшего удовлетворения потребностей.

ВЛИЯНИЕ ОБРАБОТКИ ИНФОРМАЦИИ

Информация генерирует идеи и определяет решения. Документы обусловлены соблюдением нормативных требований, а также необходимостью общения с клиентами, поставщиками и сотрудниками — при работе с мультимедиа, решениями для бизнес-процессов и соответствующими инвестициями. Вопросы, которые следует рассмотреть, включают следующее:

Какие приемы, процедуры и методы используются для обмена полезной информацией?
Каковы возможности и ограничения аппаратного и программного обеспечения?
Как можно увеличить скорость работы, функциональность и емкость?
Как организация и отдельные лица будут использовать информацию; например, будет ли информация использоваться для поддержки стратегических, тактических или оперативных решений, а также для информирования, убеждения, обучения или развлечения пользователей?
Какие методы используются для представления дизайна решений и выходных данных, включая диаграммы вход-процесс-выход, иерархические диаграммы, макеты экранов/распечаток, блок-схемы или раскадровки; какие приемы, такие как гиперссылки, кнопки, значки, оглавление, указатель или нумерация страниц, используются для навигации по сложным документам?

На многих предприятиях офисные файлы завалены бумажными документами. Такая ситуация требует больших затрат времени и средств и расстраивает как клиентов, так и сотрудников, что часто приводит к задержкам в обслуживании. Автоматизируя бумажно-емкие процессы, организации могут добиться значительного повышения производительности.

Всплеск информации и контента создал проблемы для бизнеса, в том числе:

Неспособность пользователей найти необходимую информацию
Отсутствие четкой организации для упрощения навигации по репозиториям и веб-сайтам.
Ручная пометка тегами занимает слишком много времени.
Невозможность персонализировать контент для отдельных пользователей и клиентов.

УПРАВЛЕНИЕ ОБРАБОТКОЙ ИНФОРМАЦИИ

Компании в двадцать первом веке сложны, изменчивы и ориентированы на клиента, поэтому им необходимо установить и применять соответствующие процедуры и методы управления файлами для эффективного и действенного хранения, передачи и удаления данных и информации. Автоматизируя процедуры сбора, обработки, управления и доставки бизнес-документов, организации могут обеспечить целостность данных и защитить данные от изменения.

Внедрение цифровых технологий позволило офисам изменить использование бумаги. В начале 1990-х исследование Xerox показало, что офисы не стремились использовать меньше бумаги, а сохраняли меньше бумаги. Многие офисные работники хранят бумагу для чтения, комментирования и обмена информацией в целях обсуждения; многие предприятия по-прежнему полагаются на бумагу для таких форм документов, как счета-фактуры, контракты и корреспонденция клиентов. Бумажные копии и/или микрофильмы также архивируются многими предприятиями и организациями по юридическим причинам.

Компаниям необходимо тщательно изучить процесс документооборота. Это включает четыре этапа/этапа: захват, управление, хранение и доставка. Каждый шаг поддерживает передачу содержимого бумажного документа в электронный формат для маршрутизации и использования в конкретных приложениях. Ричард В. Хейман и Энтони С. Пикарди (2005) заявили, что «управление жизненным циклом информации теперь стало возможным. Интеллектуальные документы имеют встроенный в них жизненный цикл и перемещаются по основе систем корпоративных транзакций. Понимание контента, цифровые права , а интеграция продолжает развиваться и будет встроена во все большее число интеллектуальных приложений."

Многие деловые документы регулируются такими нормативными актами, как Закон Сарбейнса-Оксли от 2002 г. и Закон о переносимости и подотчетности медицинского страхования от 1996 года. Эти законы призваны защищать информационную безопасность, точность и конфиденциальность и определять, как организации получают, обрабатывают , использовать, хранить, защищать и делиться деловой информацией.

Бизнес требует, чтобы информация была доступна в режиме реального времени. Реальное время связано со скоростью — управление информацией в режиме реального времени позволяет получать информацию там, где она должна быть, и тогда, когда она должна быть там, будь то микросекунды, минуты или дни. Информация оказывает влияние, когда она связана с контекстом, с другой информацией и с людьми. Контекст повышает ценность хранимой информации. Бизнес-лидерам нужна легкодоступная информация.Они хотят, чтобы их бизнес отображался в режиме реального времени, чтобы решения принимались тогда, когда это необходимо, без отслеживания данных и создания отчетов.

Традиционно в большинстве предприятий, организаций и корпораций информация была изолирована в рамках определенного отдела на персональном компьютере отдельного сотрудника, в отдельной базе данных или в картотеке. Однако предприятия внедрили несколько решений для хранения различных данных, но остаются вопросы о том, как консолидировать и использовать хранилища информации для предоставления более качественных продуктов и услуг, сохраняя при этом прибыль.

Важно хранить всю информацию в одной настоящей корпоративной системе. Появилось управление корпоративными ресурсами (ERM). Внедрение ERM в бизнес-сектор помогло предприятиям управлять людьми и рабочими нагрузками, а также контролировать бизнес-процессы. Процессы и системы связи, которые расширяются по всему миру и мгновенно реагируют, требуют гибкости. Процессы, а также системы должны быть интегрированы, чтобы получать измеримые результаты. ERM служит средством управления информацией. Он упорядочивает данные, чтобы сделать их более полезными для отдельных отделов, что позволяет им работать более эффективно, а также создает оптимизированные процессы для сокращения расходов.

В организации может быть сложно изменить внутренние процессы. Компании должны отказаться от старых способов сохранения и защиты данных. Данные должны совместно использоваться внутри организации в системе, основанной на правилах и ролях; функции отчетности необходимо упорядочить, ограничив принятие решений немногими избранными. Открытые линии связи и сотрудничества внутри организации, а также с партнерами, поставщиками и клиентами помогают организации повысить эффективность работы.

Постоянно меняющиеся бизнес-требования означают, что рабочие процессы необходимо обновлять по мере изменения потребностей. Может потребоваться индивидуальная настройка. Предприятиям необходимо определить и изменить функции рабочего процесса. Решения, которые устраняют разрыв между мирами бэк-офиса и фронт-офиса, позволяют организациям обмениваться информацией.

В текущей рабочей среде предприятия используют Интернет ежедневно. Интернет больше не является инструментом только для электронной почты, исследований и электронной коммерции. Он стал инструментом глобализации бизнеса; это инструмент, который позволяет организации связать воедино сотрудников, поставщиков и клиентов. Свободный поток информации генерируется по всей стране и за ее пределами.

ПРОБЛЕМЫ ОБРАБОТКИ ИНФОРМАЦИИ

Компании по-прежнему сталкиваются с проблемами, пытаясь пересмотреть внутренние процессы, открыть связь с внешними источниками и интегрировать разрозненные технологические функции. Информация не должна быть изолирована в определенных отделах; он должен быть размещен таким образом, чтобы приносить пользу всей организации.

В современном офисе обработка информации охватывает широкое поле. Он варьируется от текстовой информации до цифровой информации, качественного анализа до количественного анализа, а также глобально от Интернета до одного персонального компьютера.

Компьютерные документы могут потребовать использования комбинации программных пакетов; например, размещение электронной таблицы в текстовом документе или графика электронной таблицы в файле презентации. В обработке текстовой информации задействованы разнообразные манипуляции. Документ можно изменить путем вырезания и вставки текста, а графику можно импортировать в текстовый документ. Используя программное обеспечение для анализа изображений, изображениями можно манипулировать. Цифровая обработка числовых данных может быть выполнена с помощью программ электронных таблиц. С помощью программ для работы с электронными таблицами данные можно запрашивать в виде заявления «что, если», а также можно проиллюстрировать статистический анализ и графическое представление данных.

Интеграция программных приложений – важный аспект использования программного обеспечения, предназначенного для использования в среде Windows. Интеграция относится к обмену информацией между приложениями — приложениями для обработки текстов, электронных таблиц и баз данных. Компьютерное программное обеспечение не только имеет общие черты, но и очень часто совместимо; таким образом, информация, созданная в одном программном пакете, может быть использована в другом.

Распространение компьютерного программного обеспечения кардинально изменило способ создания документов конечными пользователями. По мере того, как компьютерное программное обеспечение с годами становилось все более сложным, программы стали иметь общие черты. Современные офисы используют комбинацию программных пакетов для получения полезной информации. Область обработки информации оказала и продолжает оказывать значительное влияние на общество.

см. также Карьера в области обработки информации; Настольная издательская система; этика обработки информации; Обработка информации: исторические перспективы; Информационные системы; Информационные технологии

библиография

Хейман, Ричард В. и Пикарди, Энтони К. (2005).Краткий прогноз мирового развития программного обеспечения на 2005–2009 годы. Фрамингем, Массачусетс: IDC.

Информация и коммуникация в MTPDP на 2004–2010 гг. (2004 г., 13 ноября). Бюллетень Манилы.

О'Лири, Тимоти Дж., и О'Лири, Линда И. (1996). Интеграция с Microsoft Office. Нью-Йорк: McGraw-Hill.

Оливерио, Мэри Эллен, Пасеварк, Уильям и Уайт, Бонни (2003 г.). Офис: процедуры и технологии (4-е изд.). Мейсон, Огайо: Томсон Юго-Западный.

Шелли, Гэри Б., Кэшман, Томас Дж., и Вермаат, Мисти Э. (2003). Discovering computer 2004: A gateway to information. Boston: Course Technology.

В основе когнитивной психологии лежит идея обработки информации.

Когнитивная психология рассматривает человека как обработчика информации, примерно так же, как компьютер получает информацию и следует программе для получения результата.

Основные предположения

Подход к обработке информации основан на ряде предположений, в том числе:

(1) информация, предоставляемая окружающей средой, обрабатывается рядом систем обработки (например, внимание, восприятие, кратковременная память);
(2) эти системы обработки преобразуют или изменяют информацию в систематическими способами;
(3) цель исследования — определить процессы и структуры, лежащие в основе когнитивных функций;
(4) обработка информации у людей похожа на обработку в компьютерах.

Компьютер — аналогия разума

Развитие компьютеров в 1950-х и 1960-х годах оказало важное влияние на психологию и отчасти стало причиной того, что когнитивный подход стал доминирующим подходом в современной психологии (заменив бихевиоризм).

Компьютер дал когнитивным психологам метафору или аналогию, с которой они могли сравнить мыслительную деятельность человека. Использование компьютера в качестве инструмента для понимания того, как человеческий разум обрабатывает информацию, известно как компьютерная аналогия.

По сути, компьютер кодирует (то есть изменяет) информацию, хранит информацию, использует информацию и производит вывод (извлекает информацию). Идея обработки информации была принята когнитивными психологами как модель того, как работает человеческое мышление.

Например, глаз получает визуальную информацию и кодирует информацию в электрическую нейронную активность, которая возвращается в мозг, где она «хранится» и «кодируется». Эта информация может использоваться другими частями мозга, связанными с умственной деятельностью, такой как память, восприятие и внимание. Результатом (т. е. поведением) может быть, например, чтение того, что вы видите на печатной странице.

Следовательно, подход к обработке информации характеризует мышление как среду, обеспечивающую ввод данных, которые затем преобразуются нашими органами чувств. Информацию можно хранить, извлекать и преобразовывать с помощью «ментальных программ», результатом чего являются поведенческие реакции.

Когнитивная психология повлияла и интегрировалась со многими другими подходами и областями исследований, чтобы создать, например, теорию социального обучения, когнитивную нейропсихологию и искусственный интеллект (ИИ).

Обработка информации и выборочное внимание

Когда мы выборочно обращаем внимание на одно действие, мы, как правило, игнорируем другие стимулы, хотя наше внимание может быть отвлечено чем-то другим, например телефонным звонком или кем-то, кто называет наше имя.

Психологов интересует, что заставляет нас обращать внимание на одно, а не на другое (избирательное внимание); почему мы иногда переключаем наше внимание на то, что раньше оставалось без внимания (например, синдром вечеринки с коктейлем), и на скольких вещах мы можем сосредоточиться одновременно (объем внимания).

Один из способов концептуализации внимания — представить людей как обработчиков информации, которые могут обрабатывать только ограниченный объем информации за раз, не перегружаясь.

Бродбент и другие в 1950-х годах приняли модель мозга как системы обработки информации с ограниченными возможностями, через которую передаются внешние входные данные.

Процессы ввода связаны с анализом стимулов.
Процессы хранения охватывают все, что происходит со стимулами внутри мозга, и могут включать кодирование и манипулирование стимулами.
Процессы вывода отвечают за подготовку соответствующей реакции на стимул.

Критическая оценка

В рамках концепции обработки информации был предложен ряд моделей внимания, в том числе:

Модель фильтра Бродбента (1958 г.), модель затухания Трейсмана (1964 г.) и модель позднего отбора Дойча и Дойча (1963 г.).

Однако при изучении этих моделей и подхода к обработке информации в целом следует учитывать ряд оценочных моментов. К ним относятся:

Последовательная обработка фактически означает, что один процесс должен быть завершен до начала следующего.
Параллельная обработка предполагает, что некоторые или все процессы, связанные с когнитивной задачей, происходят одновременно.

Эксперименты с двумя задачами показали, что возможна параллельная обработка. Трудно определить, обрабатывается ли конкретная задача последовательно или параллельно, так как это, вероятно, зависит (а) от процессов, необходимых для решения задачи, и (б) от количества практики выполнения задачи.

Параллельная обработка, вероятно, чаще используется, когда кто-то обладает высокой квалификацией; например, опытный машинист думает на несколько букв вперед, а новичок сосредотачивается только на одной букве за раз.

Компьютеры можно рассматривать как системы обработки информации, поскольку они:

(i) комбинировать представленную информацию с сохраненной информацией для решения различных проблем, и

НО -

(i) человеческий мозг способен к обширной параллельной обработке, а компьютеры часто полагаются на последовательную обработку;

Большинство лабораторных исследований являются искусственными, и можно сказать, что они не имеют экологической достоверности.

В повседневной жизни когнитивные процессы часто связаны с целью (например, вы уделяете внимание в классе, потому что хотите сдать экзамен), тогда как в лаборатории эксперименты проводятся изолированно от других когнитивных и мотивационных факторов.< /p>

Хотя эти лабораторные эксперименты легко интерпретировать, данные могут быть неприменимы к реальному миру за пределами лаборатории. Были предложены более современные экологически обоснованные подходы к познанию (например, Perceptual Cycle, Neisser, 1976).

Внимание в основном изучалось изолированно от других когнитивных процессов, хотя очевидно, что оно действует как взаимозависимая система со связанными когнитивными процессами восприятия и памяти.

Чем успешнее мы изучаем часть когнитивной системы изолированно, тем меньше наши данные говорят нам о когнитивных способностях в повседневной жизни.

Эти влияния известны как "нисходящие" или "концептуально управляемые" процессы. Например, прочтите треугольник ниже:

Ожидание (обработка «сверху вниз») часто замещает информацию, действительно имеющуюся в стимуле (снизу вверх), на который мы предположительно обращаем внимание. Как вы прочитали текст в треугольнике выше?

Ссылки на стиль APA

Бродбент, Д. (1958). Восприятие и общение. Лондон: Pergamon Press.

Дойч, Дж. А., и Дойч, Д. (1963). Внимание: некоторые теоретические соображения. Психологический обзор, 70, 80–90

Нейссер, У. (1967). Когнитивная психология. Нью-Йорк: Appleton-Century-Crofts.

Трейсман, А. (1964). Избирательное внимание у человека. Британский медицинский бюллетень, 20, 12–16.

Как ссылаться на эту статью:

Контент сайта Simply Psychology предназначен только для информационных и образовательных целей. Наш веб-сайт не предназначен для замены профессиональной медицинской консультации, диагностики или лечения.

Компьютер: это электронное устройство, которое работает (работает) под управлением программ, хранящихся в его собственном блоке памяти.
Компьютер – это электронная машина, которая обрабатывает необработанные данные и выдает информацию на выходе.

Электронное устройство, которое принимает данные в качестве входных данных и преобразует их под воздействием набора специальных инструкций, называемых Программами, для получения желаемого результата (называемого Информация).

Пояснения;
Компьютер описывается как электронное устройство, потому что; он состоит из электронных компонентов и использует для работы электрическую энергию (например, электричество).

Компьютер имеет внутреннюю память, в которой хранятся данные и инструкции, временно ожидающие обработки, и даже хранится промежуточный результат (информация) до того, как он будет передан получателям через устройства вывода.

Он работает с данными, используя выданные инструкции, что означает, что компьютер не может выполнять какую-либо полезную работу самостоятельно. Он может работать только в соответствии с выданными инструкциями.

Компьютер будет принимать данные в одной форме и создавать их в другой форме. Данные обычно хранятся на компьютере во время их обработки.

Программа:
Компьютерная программа представляет собой набор связанных инструкций, написанных на языке компьютера, и используется для выполнения компьютером определенной задачи (или для того, чтобы указать компьютеру, что делать). делать).

Набор связанных инструкций, определяющих, как должны обрабатываться данные.
Набор инструкций, используемых для управления компьютером через процесс.

Данные: набор необработанных фактов, цифр или инструкций, которые не имеют большого значения для пользователя.

Данные могут быть представлены в виде чисел, алфавитов/букв или символов и могут обрабатываться для получения информации.

ВИДЫ ДАННЫХ.
Существует два типа/формы данных:

а). Цифровые (дискретные) данные:
Цифровые данные дискретны по своей природе. Он должен быть представлен в виде чисел, алфавитов или символов, чтобы он мог быть обработан компьютером. Цифровые данные получают путем подсчета. Например. 1, 2, 3…

б). Аналоговые (непрерывные) данные:
Аналоговые данные носят непрерывный характер. Он должен быть представлен в физической природе, чтобы его мог обработать компьютер. Аналоговые данные получают путем измерения. Например. Давление, температура, влажность, длины или токи и т. д. Выходные данные представлены в виде гладких графиков, из которых можно считывать данные.
Обработка данных:
это процесс сбора всех элементов данных вместе и преобразования их в информацию.

Под обработкой понимается то, как данные обрабатываются (или обрабатываются) для преобразования их в информацию.
Обработка может включать вычисление, сравнение или любую другую логику для получения требуемого результата. Обработка данных обычно приводит к получению некоторой значимой информации.

Информация: это данные, которые были уточнены, обобщены и обработаны так, как вы хотите, или в более значимой форме для принятия решений. Информация должна быть точной, своевременной, полной и актуальной.

Характеристики/возможности компьютера.

До 20 века большая часть информации обрабатывалась вручную или с помощью простых машин. Сегодня миллионы людей используют компьютеры в офисах и дома для производства и хранения всех типов информации

Следующее является некоторыми из атрибутов, которые делают компьютеры широко принятыми и используемыми в повседневной деятельности в нашем обществе:

Скорость компьютера обычно связана с технологией, использованной для его создания.

а). Компьютеры первого поколения (1940-е и начало 1950-х годов).

• Компьютеры были построены с использованием вакуумных ламп, а скорость измерялась в миллисекундах. Например, компьютер может выполнять 5000 сложений и 300 умножений в секунду.

б). Компьютеры 2-го поколения (1950-е и начало 1960-х).
Были построены с использованием транзисторов. Скорость их работы увеличилась и измерялась в микросекундах. Например, компьютер может выполнять 1 миллион сложений в секунду.

в). Середина 1960-х.
Интегральная схема (IC), которая объединила нет. транзисторов и диодов вместе на кремниевой микросхеме. Скорость возросла до десятков миллионов операций в секунду.

г). В 1971 году корпорация Intel выпустила очень маленькую микросхему под названием «микропроцессор», которая могла выполнять все операции процессора компьютера. Чип содержал около 1600 транзисторов.

Поэтому, если вы хотите сложить два числа, но по ошибке дадите компьютеру команду «Умножить», компьютер не узнает, что вы намеревались «ДОБАВИТЬ»; это умножит предоставленные числа.

Аналогично, если вы дадите ему инструкцию ADD, но сделаете ошибку и введете неверные данные; скажем, 14 и 83 вместо 14 и 38; тогда компьютер выдаст «неправильный» ответ 97 вместо 52. Однако обратите внимание, что 97 является «правильным» на основе предоставленных данных.

Поэтому вывод, производимый компьютером, надежен настолько, насколько надежны используемые инструкции и предоставленные данные.

Компьютеры обычно непротиворечивы. Это означает, что при одних и тех же данных и одних и тех же инструкциях они будут давать один и тот же ответ при каждом повторении этого конкретного процесса.

Компьютер способен хранить большие объемы данных или инструкций на очень маленьком пространстве.

Компьютер может хранить данные и инструкции для последующего использования, а также создавать/извлекать эти данные, когда это необходимо, чтобы пользователь мог их использовать.

Данные, хранящиеся на компьютере, можно защитить от посторонних лиц с помощью паролей.

В отличие от людей, компьютер может работать непрерывно, не уставая и не скучая. Даже если ему придется выполнить миллион вычислений, последний он сделает с той же скоростью и точностью, что и первый.

Компьютер — это автоматическое устройство. Это связано с тем, что после получения инструкций он руководствуется этими инструкциями и может автоматически выполнять свою работу до тех пор, пока она не будет завершена.

Он также может выполнять различные задания, если существует четко определенная процедура.
8. Универсальность:

Компьютер можно использовать в разных местах для выполнения большого количества различных заданий в зависимости от переданных ему инструкций.

КЛАССИФИКАЦИЯ КОМПЬЮТЕРОВ
Компьютеры бывают разных размеров, веса и формы.
Основные способы классификации компьютеров:
i) Классификация по функциональности
В этой категории компьютеры классифицируются в зависимости от способа обработки данных и типа данных, которые компьютер может обрабатывать.
Примером этих данных являются:
а) аналоговые данные,
б) цифровые данные

ii) Классификация по назначению
iii) Классификация по физическому размеру
iii) Классификация по функциональности

ПО ФИЗИЧЕСКИМ РАЗМЕРАМ

ВИДЫ КОМПЬЮТЕРА

Аналоговый компьютер

Аналоговый компьютер измеряет и отвечает на вопросы методом «СКОЛЬКО». Входные данные — это не число, а физическая величина, такая как температура, давление, скорость, скорость.

Сигналы непрерывны (от 0 до 10 В)
Точность примерно 1%
Высокая скорость
Вывод непрерывен

Время тратится на передачу

АНАЛОГОВЫЙ КОМПЬЮТЕР

ЦИФРОВЫЕ КОМПЬЮТЕРЫ

Цифровой компьютер считает и отвечает на вопросы методом «СКОЛЬКО много». Входные данные представлены числом. Они используются для логических и арифметических операций.

Сигналы имеют два уровня (0 В или 5 В)
Точность не ограничена
медленная последовательная и параллельная обработка
Вывод непрерывен, но получается после завершения вычислений.

МИКРО КОМПЬЮТЕРЫ

Микрокомпьютер — это самая маленькая компьютерная система.Размер варьируется от калькулятора до размера рабочего стола. Его центральный процессор является микропроцессором. Он также известен как Большой дочерний компьютер.

Применение: - персональный компьютер, многопользовательская система, офисы.

Это также небольшие системы общего назначения. Как правило, они более мощные и наиболее полезные по сравнению с микрокомпьютерами. Мини-компьютер также известен как компьютер среднего класса или детский компьютер.

Применение: системы подразделений, сетевые серверы, система рабочих групп.

МЕЙНФРАМНЫЕ КОМПЬЮТЕРЫ

Мэйнфреймы – это те компьютеры, которые предлагают более быструю обработку данных и больший объем памяти. Слово «основной каркас» происходит от металлических каркасов. Он также известен как Отцовский компьютер.

Читайте также: