11
Еще раз о машинном переводе
Мы уже писали о тех затруднениях, которые возникают при машинном переводе *). В результате должны ихитрумных усилий машину, в общем-то, научили справляться с большимством из них.
Однако есть еще цель «пласти» города более существенных трудностей, о которых мы рассакjem в этой статье. И все они связаны с тайнстевным словом «семантика».
Семантика — наука о значении слов
Первая семантическая трудность заключается в том, что одно и то же слово может обозначать разные вещи, причем в разных языках по-разному: различные значения, закрепленные за словами, не совпадают. Русское слово «стол» чаще всего нужно переводить английским «table», но иногда оно означает «food» («еду»), а в свою очередь английское «table» иногда следует переводить русским словом «таблица».
Кроме того, во всех языках встречаются так называемые оmonимы — слова, которые пишутся одинаково, но имеют разные значения:
«Дайте мне лук!» — а для чего — для стрелбы или для супа?
Далее, в разных языках слова наделены различной эмоциональной нагрузкой и обладают различной способностью употреблять в перечисном смысле. В русском языке и во многих других европейских языках слова «сердце» обозначает, кроме прочего, орран, который народное сознание издана считает главным и наделяет способностью чувствовать, переживать.
А вот в языке кабалака (Западная Африка) эту функцию выполняет слово «печень», в языке жехоноб (разновидность языка майя в Гватемале) в этом смысле употребляется слово, обозначающее брюшную полость. Представьте себе, что
*) См. «Квант» № 9, 1971 г.
12
машина переводит с языка каббалака на русский и выдает вам такую фразу: «У нее макая добра печень».
Следующая непряятность. В разных языках не совпадает «объемы значения», закрепленные за данным словом. Возьмем, например, понятие «брам» и «сестра» и сопоставим их с понятиями «старший и «младший». Получим следующее таблицу:
| Понятие | Венгерский язык | Русский язык | Малайский язык |
| :— | :— | :— | :— |
| старший брат | batya | брам | sudara |
| младший брат | occs | | |
| старшая сестра | néne | sesstra | |
| младшая сестра | húg | | |
Венгерский язык выражает каждое из четырех понятий отдельным словом, русский — «скленвает» их по два, а малайский — покрывает все понятия одним словом. Легко переводить эти слова с vengерского языка на малайский и вообще в направлении слова направо по таблице. А если нужно, наоборот, перевести слова «sudara» с малайского языка на vengерский? Человек-переводчик обращится здесь к контексту и попытается выяснить пол и возраст обозначемого этим словом лица, а затем выберет нужный vengерский эквивалент. Но как научить этой непростой операции машину?
«Необычные» и затрудняющие перевод значения могут иметь и такие, казалось бы, «одинаковые» для всех языков слова, как личные местимения. Вы сейчас убедитесь в этом.
Заданча 1. В языке хануно (один из языков Филиппин) имеются следующее местимения (и только они):
дah — они tah — я и мы
kuh — я tam — мы (включая мебя)
mih — мы (без мебя) yah — он, она
muh — мы yuh — вы
По каким признакам следует классифицировать эти местимения по смыслу? Русские местимения классифицируются по следующим признакам: число (этот признак имеет два значения: единственное и множественное), род (три значения: мужской, женский и средний), пицо (три значения).
Система этих признаков не подходит для классификации местимений языка хануно, так как пооду приведенные местимения не отличются (русским «он» и «она» соответствует одно и то же местимение «yah»); что же касается лица и числа, то в языке хануно улавливаются более тонкие различия, чем в русском (так, вместе одного русского местимения первого лица множественного числа имеет три).
В данном случае можно найти более подходящие признаки для классификации, которые удовлетворяют все смысловые различия приведенных местимений.
Задан и е. Подберите такие смысловые признаки (причем их должно быть минимальное количество, и каждыйровно с двумя значениями), чтобы приведенные местимения представляли собой все возможные комбинации значений и чтобы при этом никакие две комбинации не повторились.
13
Но и это еще не все. В каждом языке есть устойчивые словосочетания, которые обозначают не совсем то, или даже совсем не то, что значат составляющие их слова по отдельности. Это так называемые фразеологические обороты: «бить баклиши», «в ус не думь», «валять дурака» и т. п.
Воображим что: мы научили машину предолевать все описанные выше трудности. Берем английскую фразу:
«The President said that the article was red herring».
Счастливые, ждем перевод. И получаем:
«Президент сказал: что стамья является красной селедкой».
Гм… Понятно? Не очень. Но спросите любого переводчика, и он мгновенно рассеет ваш неодумение, потому что фраза на самом деле переводится так:
«Президент сказал, что эта стамья — утка (ложь, ерунда)».
Сразу все стало на свои места. Значит, добавляем в машину еще одно правило (сколько их там уже записано?!): словосочетание «красная селедка» заменить словом «утка» (а еще лучше—поскольку утки бывают не только газетные, но и жаренные — «ложь» или «ерунда»). Но фразеологических оборотов много, неужели писать на каждое слово?
А ведь человек, знающий язык, переводит так легко и просто!
Чтобы предолеть эти и другие семантические (да и не только семантические) трудности, чтобы правильно выбрать слово-эквивалент в выходном языке, то есть, чтобы выполнить перевод, машина должна помнить смысл слов. Один из виднейших специализов по машинному переводу американский лингвист В. Ингве пишет:
«Работа по машинному переводу натолкнулась на семантический барер. Нам пришлось осознать, что мы получим адресатный автоматический перевод только тогда, когда машина смотет «понимать», что она переводит, а это действительное трудная задача».
А для того чтобы машина поняла, что она переводит, лингвист должен в нее информацию о смысл слов, дать точную, форматную и ясную смысловую запись, с которой машина смотет обращаться так же запросо, как со словарем и правлими обработки. Машинный перевод настоящего требует от лингвистики такой записи. Но …лингвистицы пока не в состоянии заплаать по этому счету.
Одной из интересных попыток формального изучения семантических множественных. При этом подхождение выделения так называемых семантических множественных, что значение каждого слова представляет собой их комбинацию (подобно тому, как натуральное число разлагается на простые сомножители или вектор задается своим координатами). Эта идея иллюстрируется следующей задачей.
Задача 2. Данны 4 множества слов, каждое из которых разделено на два подмножества а и б:
1a) Зверь, червы, инфузория, трава, позт;
б) стол, земля, книга, самолет, пальто.
2a) Кит, ласточка, окунь, тигр, муравей;
б) женишна, начальный, парикмахер, муж, кассир.
3a) Воробей, самолет, баба-яга, мука, ракета;
б) книга, туннель, уж, колодец, телефон.
4a) Собака, лошадь, голубь, осел, мул;
б) медведь, кенгуру, змея, тигр, окунь.
15
переводчика или редактора». Это определяние дает в книге для того, чтобы показать, что машинного перевода в этом смысле вообше не существует. Текст, который выдает машина, настолько неудобарим и трудопоннимаем, что его приходит подвергать «постредактированию», то есть последующему редактированию его человеком. 11% времени при машинном переводе уходит на ввод материала в машину, 40% — на перекомпозицию выходных фраз, 31% — на постредактирование и только 18% времени остается на сам перевод. Оценка качества перевод (опрос эксперт) по следующим тем параметром: точность перевода, скорость чтения, легкость понимания,—дача следующие суммарные оценки (показатели по переводу, выполненной у человека нулю; вопрос же о том, что ознакомит все эти «показатели» и как их выбирали эксперты, не имеет, к счастью, никакого отношения к делу):
| | Машинный перевод | Машинный перевод | Перевод, выполненный человеком |
| :— | :— | :— | :— |
| «сырой» | «постредактированный» | | |
| Точность | —16% | —5% | 0 |
| Скорость | —21% | —11% | 0 |
| Понимение | —25% | —23% | 0 |
Главную трудность, снижающую все три параметра, представляют в «сыром» машинном переводе неестественные синтаксические конструкции и порядок слов, а также множество вариантов перевода для одного слова. Тепер небольший подсчет. Обозначим через
Готовый перевод предназначен для специализов, которые траят время на его чтение, а время — это деньги (зарплата!), поэтому в формулу входит величины . Расчитаем значения и при средних статистических данных.
Из-за того, что «сырой» перевод читается долше, получаем удивительное закономерность:
| | 1 | 10 | 15 | 17 | 18 | 20 | 80 | 175 |
| :— | :— | :— | :— | :— | :— | :— | :— | :— |
| | 13,17 | 5,97 | 1,97 | 0,37 | —0,43 | —2,03 | —40,13 | —127,03 |