Reconocimiento del habla - un ejemplo fructífero

Recuerdo una vez que estábamos escuchando a Alejandro Dolina por radio con algunos amigos de la universidad a altas horas de la noche (hace ya mucho tiempo) y apenas se captaba la señal. Nadie lograba descifrar lo que Dolina decía. Yo comenté que debido a que yo tampoco comprendía, pensaba presentar un reclamo formal a la universidad. Había cursado la materia Procesamiento de Señales y estaba cursando la materia Reconocimiento del Habla (Prof. Franco), y por lo visto no me estaba ayudando en nada cuando intentaba aplicarlo a una situación de la vida diaria.
Surgen de esta tonta anécdota varias puntas interesantes. Por un lado es un ejemplo claro de que yo, como reconocedor del habla en forma implícita, no necesito saber nada sobre el reconocimiento del habla en forma explícita (en el sentido en que Sagan mencionaba que no sabemos cómo digerir una manzana, aunque en este caso el ejemplo está más pegado al problema de la cognición al centrarse en la percepción).
Como segunda cuestión surge que el saber sobre reconocimiento del habla en forma explícita no mejora en nada mi trabajo de reconocimiento del habla, y esto no se debe a una falla en mi actitud hacia el aprendizaje que desde lo académico se pretendía que yo lograse, ni a que el saber académico involucrado no estuviese bien logrado.
Como tercera cuestión, parecería que la introspección tiene poco que ofrecer para que yo comprenda sobre el modo en que el reconocimiento del habla como problema tiene alguna posibilidad de solución. Es verdad que podría ofrecer algún que otro aspecto útil (en el sentido de que me podría servir para chequear el modelo abstracto, en el sentido de pensar si el modelo abstracto puesto en situación daría por resultado un tipo de fenomenología como la experimentada por mi).
Como cuarta cuestión, el problema del reconocimiento del habla desde el punto de vista más abstracto intenta resolver el problema en forma general (como un sistema podría ser capaz de reconocer el habla de un humano). La comprensión de este problema general implica el reconocimiento de la complejidad inherente a esta función. ¿De qué modos sería posible resolver este problema, dadas estas restricciones?
Esta pregunta tiene una respuesta diferentes si entre las restricciones se agrega la de que el sistema debe formar parte de un organismo biológico. ¿Cómo se resuelve este problema con este tipo de herramientas?

Tiene también costados interesantes respecto de
- la cuestión de lo semántico y lo sintáctico (¿qué nivel merecería llamarse sintáctico y cuál semántico?) ,
- la multiplicidad de niveles jerárquicos (habría más de dos niveles en los que podría pensarse en una "interpretación": el nivel físico implica la señal sonora "wysiwyg", el nivel perceptivo implica una interpretación en función de las categorías preexistentes, el conjunto de elementos interpretados daría lugar a una interpretación de segundo orden para determinar un fonema, y de órdenes superiores para determinar una palabra, una frase, un discurso, y un sentido posiblemente no literal del discurso).
- suponiendo que un organismo tuviese la posibilidad (aunque sólo fuese en potencia) de cambiar sus categorías perceptivas "pre-chomskianas" <>, ¿cuál sería el modo de llevarlo a cabo? ¿qué tipo de mecansimo cognitivo sería necesario poner en funcionamiento para probar un nuevo método y luego reimplantarlo?