مقدمة في معالجة اللغة الطبيعية

تعرف قاعدة البيانات كيف تقارن بين رقمين. لكنها لا تعرف أن تحكم هل عبارة «le film n'était pas mauvais» (لم يكن الفيلم سيئًا) مديح أم لا. تتلخص معالجة اللغة الطبيعية كلها في هذه الفجوة: فالنص هو أكثر أشكال البيانات وفرة ينتجها البشر، وهو الشكل الوحيد الذي لا تعرف الحوسبة التقليدية التعامل معه إلا بوصفه سلسلة من البايتات.

الصعوبة ليست في الكمية، بل في الالتباس. لنأخذ الجملة «Les avions volent bas». يفهم القارئ الفرنسي فورًا أن الطائرات تمر قريبًا من الأرض. لكن avions هي أيضًا صيغة الماضي الناقص من الفعل avoir (كان لدينا)، وvolent قد تعني يسرقون. من الناحية الشكلية البحتة الجملة ملتبسة، ومعرفتك بالعالم هي التي تحسم الأمر لا القواعد النحوية. وإذا ضاعفت هذا النوع من الاختيارات بطول وثيقة كاملة أدركت حجم المشكلة: لا توجد قاعدة شاملة، بل مؤشرات إحصائية لا بد من تجميعها.

يضاف إلى ذلك أن الفرنسية ليست الإنجليزية. فأغلب أدوات NLP صُمّمت ودُرّبت وقُيّمت على الإنجليزية، وهي لغة قليلة التصريف، بلا علامات تشكيل، ونادرًا ما تظهر فيها الفاصلة العليا. أما الفرنسية فتحذف حروفها عند الإدغام («l'État»)، وتطابق في الجنس والعدد («sont allées»)، وتستعمل علامات التشكيل («tache» ليست «tâche»)، وتلصق ضمائرها («donne-le-moi»). وخط المعالجة المنسوخ من شرح إنجليزي ينتج نصًا فرنسيًا مشوّهًا دون أن يطلق أي خطأ، وهذا أسوأ الحالات لأن لا شيء ينبّهك.