Мы — переводчики - Дмитрий Анатольевич Жуков

оторвано. Вы легко догадаетесь, что там должно быть «крепить обороноспособность». В чем тут дело? В вашей гениальности? Нет. Просто язык обладает избыточностью. Избыточность помогает нам понимать искаженные телеграммы.

Эта избыточность создается грамматическими правилами, которые услужливо подставляют к основам слов те окончания, которые мы ожидаем увидеть. Эта избыточность создается определенным порядком слов, узаконенным многократным употреблением некоторых фраз. Нам будут понятны даже такие обрывки фраз в искаженной телеграмме: «Поздр нем рожд... же.... ровья и...частья. Иванов». («Поздравляю с днем рождения, желаю здоровья и счастья. Иванов»), хотя никто и никогда так не писал.

Перед нами осмысленный текст, обусловленный явлениями реальной действительности. На этом основано и определение количества информации по методу, предложенному Шенноном. Он показывал английский текст частично, до некоторой буквы, и предлагал угадать следующую букву. После этого показывалась действительная следующая буква текста и предлагалось угадать следующую за ней букву и т. д. Текст содержал 129 букв, из них 89 были угаданы верно, что составляет 69 процентов от всего текста.

Избыточность языка позволила Шампольону расшифровать письмена древних египтян. Вспомним, как расшифровывали размытую записку в «Детях капитана Гранта» или записку о сокровищах в «Золотом жуке».

Для удобства работы алгоритма считается, что всякое новое слово, введенное в машину и отсутствующее в словаре, искажено. При несовпадении одного знака с имеющимися в словаре словами орфографическая ошибка исправляется. Чем длиннее слово, тем больше букв в нем совпадет со словом в словаре и тем легче исправить искажение.

Избыточность позволяет «свертывать» или «сжимать» слова для экономии места в памяти машины. Пример свертывания: представление имени и отчества инициалами. В старину на Руси определенные слова писали «под титлами», опуская некоторые сочетания букв и обозначая их условными надстрочными знаками.

Установлено, что все естественные языки имеют большую избыточность (с точки зрения теории информации). Ее можно измерить. Для основных европейских языков она составляет около 50–80 процентов. В практике машинного перевода можно заменять слова аббревиатурами, отбрасывать некоторые буквы и т. д.

* * *

Как я уже говорил, одновременно идет поиск в словаре всех введенных в машину слов. Но машинный словарь имеет свои особенности. Они заключаются в том, что все слова в нем без окончаний. Английские существительные стоят в единственном числе, глаголы — в первом лице, а прилагательные не имеют степеней сравнения. И только неправильные глаголы имеют все формы.

А мы ввели в машину текст, и слова в нем имеют окончания. И тотчас начинает работать программа отбрасывания окончаний. Слова как бы обрезаются, а окончания отбрасываются, но не совсем. Их направляют в определенное место в памяти машины, чтобы «сбегать» за ними, когда в них будет нужда.

У каждого слова в машине есть своя «ячейка», которая состоит из нескольких десятков «разрядов» (обычно это крохотные элементики, способные удерживать положительный и отрицательный заряды, «ноль» или «единицу», из которых складываются числа). В «ячейку» записывается слово, его номер, грамматическая и прочая информация о слове, и вообще все сведения, полученные в результате работы каждого этапа алгоритма.

Слова без окончаний снова проверяются по словарю, получают здесь свой (не перевод, нет, до перевода еще далеко) цифровой эквивалент. Само слово, закодированное числами, как бы исчезает, и теперь машина имеет дело до самого конца с его цифровым эквивалентом.

Цифровые эквиваленты слов сыграли большую роль в накоплении информации о каждом слове Решение это пришло уже после того, как были составлены многие схемы. Схемы были громоздки, они содержали все сведения о слове. Работники лаборатории машинного перевода подумали: а что, если сам номер слова будет, говорить о том, какая это часть речи, многозначно слово или однозначно?.. Предположим, что мы взяли 50 тысяч номеров и с десятого по десятитысячный отвели для обозначения однозначных существительных. А если номера с десятого по шеститысячный мы отведем для имен существительных неодушевленных, а номера с 1000 до 2000 для географических названий, причем номера с 1500 по 1600 присвоим столицам государств? Значит, английское слово «Moscow» — «Москва» получит, к примеру, номер 1525, который сам по себе говорит о том, что это однозначное существительное, неодушевленное, географическое название, столица. Число сведений, которые оказалось возможным передать с помощью номера, практически не ограничено.

Номером (или цифровым эквивалентом) можно, например, передать тот факт, что данное существительное означает должность, организацию, деньги, документ, группу людей, собравшихся в одном месте, и т. д. Или что оно — числительное (в машинном переводе нет числительных: по своим формальным признакам все количественные числительные стали существительными, а порядковые — прилагательными). Номер сообщает о глаголе, что он модальный, или вспомогательный, или глагол движения и т. д. С помощью номеров мы сразу же откладываем про запас сведения о любой части речи.

В общем цифровой эквивалент содержит все сведения, органично присущие данному слову, независимо от языка и контекста[3]. На эти сведения мы будем опираться в дальнейшей работе алгоритма и особенно, когда придет пора согласовывать все русские слова уже в русской фразе.

И снова «но». Оказалось, что многим словам, входящим в словарь, нельзя давать цифрового эквивалента. 3200 слов из 13,5 тысячи слов словаря оказались омографами. Они получают для начала служебные эквиваленты, так как неизвестно даже, что это за части речи. Специальный служебный эквивалент получают и слова новые, не учтенные в словаре.

* * *

В английском языке слова, совершенно одинаковые по написанию, очень часто выступают в роли одновременно и существительного, и глагола, и других частей речи. В русском языке это явление встречается довольно редко. По-английски «work» — «работа» и «work» — «работать». Для незнающих английского языка будет понятен пример: «печь» — существительное и «печь» — глагол. Богатство суффиксов и окончаний в русском языке позволяет избежать одинакового написания. Но даже если слова и одинаковы по написанию, мы безошибочно определяем, к каким частям речи они относятся.

Как мы это делаем? По контексту, по окружающим это слово другим словам, по десяткам признаков, которые мы находим в тексте. Для вас не составит труда определить, что «печь» в сочетании со словами «хлеб, картофель» непременно будет глаголом.

Точно так же работают и схемы различения омографов в алгоритме машинного перевода.

Взгляды лингвистов на определение омографов расходятся. Но мы не станем вдаваться в ученые споры и будем исходить только из практических нужд машинного перевода. Для