Александр Журавлев - ДИАЛОГ С КОМПЬЮТЕРОМ
Согласитесь, что такого рода действия компьютера имитируют очень тонкие аспекты интеллектуального поведения человека.
Анализ семантического комплексаДо сих пор мы рассматривали действия компьютера в основном с отдельными семантическими аспектами слова, но в реальной речи все аспекты значения действуют совместно, в неразделимом единстве, поэтому придется обучать такому подходу и компьютер.
В принципе это можно сделать, собрав в единый комплекс все рассмотренные нами системы машинной переработки отдельных аспектов семантики слова. Общую схему работы такой комплексной системы семантического анализа слов можно представить себе в следующем виде.
Сначала все слова проходят систему обработки понятийного аспекта их значений, в результате чего компьютер проводит их грубую разбивку на понятийные группы, как это сделано в «Русском семантическом словаре». Затем каждая понятийная группа проходит качественный классификатор, и слова распределяются по более дробным группам в зависимости от их качественно-признаковых ореолов. Наконец, подключается система расчета фоносемантики, и компьютер наводит окончательный «семантический глянец», выявляя слова с различными типами ореольных взаимодействий.
Для примера рассмотрим результаты компьютерного анализа небольшой понятийной группы слов, взяв для описания ореолов всего три шкалы «хорошее — плохое», «сильное — слабое» и «быстрое — медленное».
«Понятийный классификатор» компьютера образовал следующую группу существительных с общей понятийной идеей «начало» (по «Русскому семантическому словарю) :
база, введение, вещество, идея, корень, материализм, металлургия, начало, основа, основание, первенство, первоклассник, передняя, подход, понедельник, постулат, почин, появление, право, предпосылка, премьера, прима, премьер, принцип, приоритет, природа, приход, причина, прототип, состязание, социализм, стержень, существо, философия, царь, чемпион, явление, январь.
Хотя все слова группы действительно объединены общей понятийной идеей, все же это довольно грубое объединение, явно требующее дальнейшей детализации. Между состязанием, металлургией и царем все же очень уж велика смысловая разница. Отдаленные связи, конечно, есть. Слово состязание компьютер поместил в этот список, потому что в ходе состязания определяется победитель, то есть первый среди соревнующихся. Металлургия — это, как указано в толковом словаре, «отрасль тяжелой промышленности, занимающаяся получением металлов из руд и первичной обработкой металлов». Упоминание «первичности» и дало основание компьютеру отнести слово в данную группу. Ну а царь, как и премьер, — главный, то есть первый человек в правительстве. И все же компьютер, разумеется, не смог бы эффективно оперировать словами группы без их дальнейшей семантической обработки.
Поэтому к работе подключаются сразу две программы дальнейшего семантического анализа — качественный и фоносемантический классификаторы. Первый разбивает слова на группы по сходству их качественно-признаковых ореолов, а второй выявляет отношения между качественно-признаковыми и фоносемантическими ореолами слов. Результаты работы фоносемантического классификатора можно изобразить так: если ореолы слова находятся в соответствии, то после него ставится индекс С, если между ореолами обнаружено противоречие, слову приписывается индекс П, в случае неопределенных отношений между ореолами данное слово не маркируется.
Поскольку слов в списке немного, то при работе качественного классификатора не все возможные ореольные группы будут образованы, то есть часть выходов классификатора окажется пустой.
Приведем только те из них, которые заполнены словами.
1. Хорошее, сильное, быстрое: первенство, почин, прима, состязание, чемпион.
2. Хорошее, сильное: идея (С), материализм, начало (С), право, премьер, премьера, принцип, приоритет, природа, социализм, явление (С).
3. Хорошее, быстрое: первоклассник.
4. Сильное: металлургия.
5. Сильное, медленное: база (С), основа (С), основание (С), причина, стержень, философия (П).
6. Медленное: введение.
7. Плохое, сильное: царь (С).
8. Плохое: понедельник.
9. Нейтральная группа: вещество (С), корень (С), передняя, подход, постулат (С), появление, предпосылка, приход (С), прототип, существо (С), январь.
Как мы помним, трехуровневый классификатор имеет 27 выходов, здесь заполнено только 9. На некоторых оказалось по одному слову, другие собрали группы слов. Выходы с одиночными словами в данном случае выполняют «отсекающую» функцию: они выделяют слова, семантически наименее связанные с основной массой слов списка. Действительно, каждое из слов, попавших на выходы 3, 4, 6, 7 и 8, семантически специфично. Нейтральная группа (выход 9) похожа на кладовку — туда сваливают без разбора ненужные до поры до времени вещи. Для компьютера особенно важны группы слов, собравшиеся на значимых (не нейтральных) выходах классификатора. Именно эти группы — рабочий лексико-семан-тический фонд компьютера. Это как бы речевые ячейки языкового «сознания» машины. В них она ищет синонимические замены, с помощью слов этих, групп может выражать наиболее тонкие семантические оттенки в своей речи.
Обратите внимание на 1-ю группу — слова в ней подобраны на удивление точно и с явным эффектом «понимания» их смысла. То же самое наблюдается во 2-й и 5-й группах. Особенно тесна смысловая связь между словами 5-й, «философской», группы: это буквально набор контекстуальных синонимов, которые вполне могут встретиться как лексические варианты в конкретном тексте.
Три уровня качественной классификации — это, конечно, очень мало для практической работы компьютера с полученными группами, но возможности такой работы просматриваются уже и здесь. Скажем, на вопрос, чем является для науки философия, компьютер «самостоятельно» мог бы ответить, что это база, основа, основание науки. В своем ответе компьютер учел все три аспекта семантики — понятийный, поскольку слова взяты из одной понятийной группы, качественно-признаковый, поскольку синонимы подыскивались в группе слов с общими качественными ореолами, и, наконец, фоносемантический, так как из группы выбраны слова с индексом С — наиболее точные и выразительные.
А если спросить компьютер, какое понятие он может противопоставить социализму, он ответит: «Социализм и царь противостоят друг другу как совершенно несовместимые понятия». В этом случае компьютер «рассуждал» так: слово социализм находится в группе, образовавшейся на выходе «хорошее и сильное», этому выходу противопоставлен тот, который собрал «плохие и сильные» слова, а это выход 7, где помещено слово царь; значит, социализм и царь в данном случае оценочно противопоставлены.
Ясно, что при работе с большими массивами слов и с использованием многоуровневых классификаторов семантические имитационные возможности компьютера резко возрастут.
Что же необходимо для того, чтобы уже сейчас пустить в работу описанную здесь систему комплексного анализа лексической семантики?
Прежде всего нужно развить и усовершенствовать «понятийный классификатор», то есть как бы в развитие программной основы «Русского семантического словаря» разработать специальную автоматизированную систему семантического анализа, ориентированную на работу с понятийной семантикой. Но, как уже говорилось, проблем на этом сложном пути еще много.
Кроме того, необходим, остро необходим словарь русских качественных ореолов. Лучше всего было бы издать общий словарь русской ореольной семантики, но его фоносемантическая часть готова, тогда как качественно-ореольной нет и в ближайшее время не ожидается. А без учета качественно-признаковых ореолов невозможно построить систему полноценного семантического анализа.
Как же быть? Неужели положение так безвыходно?
Думается, что выход, по крайней мере, как временное решение проблемы, есть. Можно использовать удивительно рациональное устройство языковой семантики, когда семантические аспекты своим взаимопроникновением поддерживают друг друга. Как уже отмечалось, фоносемантический ореол слова часто соответствует качественному, иногда настолько полно, что набор фоносемантических признаков буквально повторяет набор признаков, характеризующих качественный ореол. В таких случаях, открывается возможность, которой неосмотрительно было бы не воспользоваться: результаты компьютерного расчета фоносемантики слова можно одновременно считать результатами измерения его качественного ореола.
Например, для фоносемантики слова мимоза компьютер получил характеристики: «нежное, женственное, гладкое, безопасное, доброе, медлительное». Есть ли смысл опрашивать информантов, чтобы получить средние оценки качественного ореола этого слова по шкалам «нежное — грубое», «женственное — мужественное», «безопасное — страшное», «доброе — злое»? Напрасный труд — ясно, что и для качественного ореола по этим шкалам будут получены те же характеристики, что и для фоносемантического.
