Szia Aller-gen-etikus!
Mára a garázsban összetákolt számítógépek mintájára az ilyen szoftverek kora is sajnos lejárt.
Nem tudom, hogy pontosan mit értesz ez alatt, leírom hogy én hogy látom: (ha az összetákol szó negatív jelentésétől eltekintünk, és inkább behelyettesítjük a szebb kísérletezés szóra): a kísérletezés szerepe akkor csökken le, amikor egyértelművé, kiforrottá válik egy adott témakör technológiája. A gépi fordítás nem ilyen, még mindenki sötétben tapogatózik, tehát nem lépett még át a kiforrott nagy bizniszt jelentő 'szoftveriparba', tehát a kísérletezés ideje még nem járt le, javában tart.
Néhány fordítási kategóriát felvázolok:
Ezekkel nem sok újat mondtál, nyilván az alacsonyabb szinvonalat igénylő, megértést támogató fordítás az első bástya, amit a gépi fordítás megpróbél bevenni.
Gondold csak meg, nem csak neked jutott eszedbe ez, minden országban vannak nyelvtudományi intézetek, vállalkozások ezeknél kézenfekvő, hogy a nyelvi hátterét kidolgozzák s a piacra lépjenek egy ilyen termékkel. Elkéne gondolkozni azon, hogy miért nincs ilyen.
Egyrészt világszerte van ilyen. Tehát szűkítsük le a kérdésedet Magyaroszágra: A nyelvtudományi intézetek láthatólag nem képesek ilyesmire, úgy tudom voltak induló projektek, amiknek az eredményért nem látni. Másrészt gondolom nem is céljuk állandóan ekkora kihívásokkal küzdeni, ráadásul ez nem teljesen elméleti munka, programozási tudást is igényel, ami gondolom egy nyelvtudományi intézetben nem egy elfekvő erőforrás. Akár szégyennek is nevezhetjük, hogy amekkora erőforrásaik vannak, nem tudtak összehozni valamilyen fordítóprogramot, de ha láttál már akadémiai fejlesztést, akkor ezen nem csodálkozol.
Ami a cégeekt illeti, ma Magyarországon tudtommal egyetlen cég döntött úgy, hogy ebbe a kutatásba komoly pénzt hajlandó beleölni (több tíz emberévnyit), ez a Morphologic Kft., akiknek mostanában alakul(t) ki ilyen megértéstámogató eszközük, bár nem próbáltam még ki.
Szabadidőben legfeljebb a első szintjéig lehet eljutni.
Nem csak szabadidőmben akarom ezt csinálni, remélem ez egy múló állapot, hogy szabadidőmben csinálom. Az enginet és a mögötte lévő elméletet folyamatosan fejlesztem.
Ha már olyan nyelvre fordítunk ami nemeket is alkalmaz, és más neme van az asztalnak, mint a tányérnak ott már egyértelműsíteni kell és akkor mi alapján fog dönteni a gépi fordító tudáshalmaz hiányában?
Nem tudáshalmaz hiányában fog dönteni. Ma is van a rendszeremben egy primitív szemantikai modell, és nem félek szemantikai témájú könyveket olvasni, illetve komolyabb szemantikai modelleket kitalálni. A legújabb modell terveim szerint a 'szemantikai réteg' nem más mint döntések halamza. Ez élesen le van választva a nyelvtani elemző modultól. A nyelvtani elemző modul 'döntésképtelen', ezért olyan kimenetet ad ki, hogy hát vagy ez a struktúra érvényes itt, vagy az, itt lehet ez is, meg az is, kedves szemantikai modul, döntsél ebben a temérdek kérdésben.
A döntési modellt nem akarom előre rögzíteni. Többféle stratégiával is nekimegyek majd ugyanannak a problémának, bizonyára hibrid megoldásnál kötök majd ki: statisztikai módszereket fogok keverni szabályalapúakkal, a keresési térben lehet, hogy direktben fogok keresni, de lehet, hogy genetikus algoritmust is használok majd.
Hiába van jó szemantikai modell, a szintaktikai modell kulcsfontosságú, és az én esetemben még inkább itt bukik el sok mondat. Egy buta, döntésképtelen szintaktikai elemzőt sem gyerekjáték megírni, most elsősorban a szintaxis leíró nyelv leíróerejét próbálom növelni, ehhez olyan absztrakciókat kell bevezetnem, amelyeket eddig nem kezeltem. Pl. tipusfüggetlen generalizált elemző szabályok:
az and, or, stb... szavakkal való kombinációk a nyelv egy csomó szintjén előfordulnak. Pl. 'A, B and C' vagy 'A and-or B' stb... egy csomó esetben releváns szintaktikai elrendezés, ha A,B,C ugyanolyan típusúak, de mindegy milyen típusúak. Tehát bevezethető a * (csillag) 'kombináció': Ahol eddig a szabálybázisban A állt, oda tehetek *A-t, ekkor A mindenféle ilyen and-or stb... jellegű kombinációját leírtam. Ki fogom egészíteni a nyelvtani elemzőmet az opcionális elemek kényelmesebb leírásával, stb...
A magyar nyelv pedig az aglutináló jellege folytán még nehezebb helyzetben van a gépi felismerés terén mint pl a fuzionáló, flektáló nyelvek.
Ez a típushiba árulja el, hogy nem igazán értesz a dologhoz. A morfoszintaktika triviális probléma akár a magyar nyelv esetében is a többi felmerülő problémához képest. Elmondanám, hogy a Word-ben lévő helyesírásellenőrző már nagyon régen tud 'ragozni', egyébként ezt az alfeleadatot az én programom is gyakorlatilag tökéletesen kezeli.
Nem beszélve arról, hogy még nem készült mahgyar nyelv tudományos igényű leírása ami nélkül nem teljes a dolog.
Ez megint egy vicces kijelentés. Mi az hogy tudományos igényű leírás? Szegény nyelvészek ezen dolgoznak, ez egy nagyon nem triviális munka. Az egész nyelvészet erről szól: Modelleket alkotnak, melyek egyre egzaktabbak, egyre jobban közelítik magát a nyelvet, de már ne is haragudj, soha nem lesznek tökéletesek, ls persze hogy gyerekcipőben járnak, hiszen a nyelv iszonyatosan bonyolult. Tulajdonképpen én magam is az angol és a magyar nyelv 'tudományos igényű' modelljén dolgozok, hiszen egy fordítóprogram nem más, mint 2 nyelv egyfajta modellezése.
Az az érzésem, hogy csak egy-két fát látsz mindössze. S közben nem vetted észre, hogy erdőben vagy, mit erdőben: dzsungelban.
Amennyiben célod használható, eladható termék lenne, szóval ezt nem lehet így kalákában, fusiban létrehozni
Érdekes, hogy pont olyan ember mondja ezt, aki láthatólag nem ért komolyabban a témához. Eddig akivel leveleztem erről, az volt a benyomásom, hogy minél jobban ért valaki a nyelvészethez, annál pozitívabban áll a dologhoz, egy nyelvésszel szokam is levelezni részproblémák lehetséges megoldási stratégiáiról.
Ami meg a fusit illeti: az informatikához konyítok valamelyest, erről még papírom is van:) nyelvészetből pedig folyamatosan hozom fel magam szakkönyveket olvasva, és sokat elmélkedve, nem hiszem, hogy kevesebb esélyem lenne eben a témában, mint másnak.
5 év múlva meglátjuk, én egy végtelenül türelmes ember vagyok.:) |