تعليم آلةٍ 149,000 كلمة، بـ22 لغة

كلمة واحدة، وكل الأشكال التي تتخذها

تُلعب WordChess على لوحة 25×25 بقاموس إنجليزي من 148,941 كلمة ⁶، يبلغ متوسط طول مداخله 8.6 حرف، ويصل أطولها إلى 27 حرفًا. هذا هو الجزء السهل. فقائمة الكلمات المقبولة ليست سوى مجموعة من السلاسل النصية التي ستقبلها اللعبة. أما الجزء المثير فهو أن تُخبر اللاعب بما تعنيه السلسلة الموجودة على اللوحة، وأن تفعل ذلك باثنتين وعشرين لغة في آن واحد.

يرسم المعجميون خطًا فاصلًا حادًا بين المدخل المعجمي (lemma) وصيغه المُصرَّفة. المدخل المعجمي هو الكلمة الرئيسية التي تبحث عنها: run (يركض)، وhouse (بيت)، وbe (يكون). وحوله يدور نموذج تصريفي من الصيغ السطحية: runs وran وrunning. تحمل كل منها المعنى الجوهري نفسه، مرتديةً لباسًا مختلفًا لدور نحوي مختلف. ³ ويُنفق القاموس نثره على المدخل المعجمي، ويترك الظلال تشير إلى موطنها.

يتوقف عدد الظلال التي تلقيها الكلمة على اللغة. فالإنجليزية لغة تحليلية: تعتمد على ترتيب الكلمات وعلى كلمات مساعدة صغيرة، ولذا نادرًا ما يكون للفعل أكثر من حفنة من الصيغ. أما الفنلندية فلغة إلصاقية، تبني المعنى بلصق اللواحق على الجذع. فالاسم الفنلندي الواحد يُصرَّف في نحو خمس عشرة حالة إعرابية، في المفرد والجمع، قبل أن تتراكم فوقها لواحق الملكية واللواصق؛ ويبلغ العدد العملي للصيغ المختلفة الآلاف. ⁴ وتضغط المجرية عبارة إنجليزية كاملة، in my house (في بيتي)، في كلمة واحدة هي házamban. ⁵

أين تسكن التعريفات

تأتي التعريفات من ويكاموس (Wiktionary)، القاموس الحر الذي يستطيع أي شخص تحريره. وهو هائل ومتعدد اللغات: يمتد المشروع عبر ما يزيد كثيرًا على مئة نسخة لغوية نشطة وعشرات الملايين من المداخل، يكتبها متطوعون بصورة تعاونية لا هيئة تحرير مأجورة. ¹ وبالنسبة إلى لعبة تعمل بـ22 لغة، لا يقترب أي معجم حر آخر من هذه التغطية.

لكن التغطية على الورق ليست تغطية يمكنك استخراجها فعلًا. فويكاموس يخزّن الصيغ المُصرَّفة بطريقة تُعفي المحررين البشر من كتابة الشرح نفسه عشرة آلاف مرة. فبدلًا من كتابة التعريف كاملًا، يحمل المدخل غير المعجمي قالبًا من نوع «صيغة من» (form-of)، وهو مؤشر صغير يقول في جوهره: «هذه صيغة نحوية معينة من ذلك المدخل المعجمي». ² فمدخل smoulders (تشتعل ببطء) ليس نثرًا، بل قالب يُعرض على هيئة «third-person singular simple present form of smoulder» (أي صيغة المضارع البسيط للمفرد الغائب من smoulder). ¹

هذه المؤشرات ليست تفصيلًا هامشيًا. ففي ويكاموس الإنجليزي، من بين نحو 1.27 مليون تعريف، هناك قرابة 478,000، أي أكثر من الثلث بكثير، هي تعريفات من نوع «صيغة من» لا معانٍ مكتوبة بالكامل. ¹ البيانات موجودة. إنها مطويّة فحسب.

الشرح هو فكّ القالب

إذن لم يكن التحدي الحقيقي يومًا أن «الكلمة مفقودة». بل كان أن معنى الكلمة قابع داخل قالب كان المحلّل الساذج سيرميه. وقد بُنيت تعريفات WordChess بقراءة ملفات ويكاموس الخام وتوسيع قوالب التصريف لغةً لغة، وتعليم المحلّل ما يعنيه كل مؤشر، وإعادة كتابته شرحًا بسيطًا. ⁶

كل لغة تُخفي صيغها خلف آلية مختلفة. فالإسبانية تضع صيغ الأفعال خلف {{forma verbo}}، الذي يُحلّ إلى «صيغة فعلية من X». والألمانية تستخدم {{Grundformverweis Dekl/Konj}} للأسماء المُعرَبة والأفعال المُصرَّفة. والفنلندية تعتمد على {{taivutusmuoto}}. أما الروسية فكثيرًا ما لا تخزّن أي قالب صيغة على الإطلاق، إذ تكون الكلمة المُصرَّفة مجرد إعادة توجيه (собаки → собака) يجب تتبعها لاستعادة شرح من نوع «صيغة من». ⁶ عالج كل اصطلاح من هذه، فتقفز التغطية.

مقيسة من ملاحظات تصميم هذا المشروع وبنائه. النسب المئوية هي حصة مداخل القاموس التي تحمل تعريفًا صالحًا للاستخدام أو شرحًا محلولًا من نوع «صيغة من».

سلسلة نصية، وجملة عنها

من المفيد أن نكون صادقين بشأن ما تحمله اللعبة الآن. حين تُظهر WordChess أن собаки صيغة من собака، «كلب»، فإنها لم تفهم شيئًا. لقد ربطت سلسلة نصية بسلسلة أخرى، أي بشرح، باتباع المؤشرات نفسها التي تركها محرر بشري. هذا هو ردّ الكلمات إلى مداخلها المعجمية (lemmatization)، أحد أعمدة معالجة اللغات الطبيعية: ردّ الصيغة السطحية إلى أصلها كي يكون لدى الآلة عدد أقل من الأشياء المتمايزة التي عليها تتبّعها. ⁷

تلك معرفة حقيقية ومفيدة. فهي تتيح للعبة أن تجيب عن سؤال «ما هذه الكلمة؟» في أثينا أو أمستردام دون معجميّ بين موظفيها. لكنها معرفةٌ بالبحث، لا معرفةٌ بالمعنى. الشرح وعدٌ بأن الشخص الذي يقرؤه سيتعرّف الكلمة. الآلة تحمل الوعد، والقارئ يقدّم المعنى.