Abstrakt
Schopnost naučení neznámého cílového jazyka na základě daných vstupních příkladů hraje významnou roli v umělé inteligenci. Vstup obvykle sestává z příkladů slov a cílem je uhodnout vhodný model (např. automat nebo gramatiku), který je konzistentní se zadanými daty.
Pro dosažení lepších učících výsledků někteří autoři dodávají dodatečné informace na vstupu. Inspirování tzv. redukční analýzou dodávají tipy na způsob zjednodušování vstupních slov za účelem jejich iterativního zpracování a následně zkouší odvodit model redukční analýzy.
Několik prací používalo jen velmi omezený přístup k ohodnocování navržených učících algoritmů. Jiné používají poměrně pokročilou metodu založenou na gramatikách, schopnou nějakým způsobem dodat vstupní data obohacená o zmíněné tipy na zjednodušení vět.
Cílem tohoto článku je analyzovat onu metodu založenou na gramatikách, ukázat její nedostatky, dokázat některé teoretické limity podobných metod a navrhnout nový přístup k ohodnocování algoritmů.