A megoldáshoz vezető utak: Szabályok és statisztikák?

A nagy mennyiségű szöveges tartalom gyors közreadását a nyomtatás, majd az utóbbi időkben a számítógép és de leginkább az internet tette egyre hatékonyabbá. Ebben a „hatékonyságnövelő feladatban” alakult ki az a szakterület, amit manapság nyelvtechnológiának szokás nevezni. Az informatika és a nyelvészet találkozása azt célozza meg, hogy az egyre hatalmasabb szövegmennyiséget intelligensen kereshetővé, fordíthatóvá, más intelligens alkalmazások által még jobban feldolgozhatóvá lehessen tenni.

A megoldáshoz vezető út korábban egyértelműnek látszott: alakítsuk át a nyelvészek tudását a gép számára, és máris kész vagyunk. Igen, de a nyelvi leírások a számítógépes korszak előtt kizárólag embereknek készültek, azaz a befogadó intelligenciáját is „belekalkulálták” a nyelvészeti leírásokba. Ezért azokat a gépeket, amelyeken az ilyesféle programok futottak, egyre intelligensebbé kellett tenni, újabb és újabb, a nyelvet és a minket körülvevő világot leíró szabályok egyenkénti hozzáadásával. Ez a munka időigényesnek bizonyult, a nyelvészek pedig – éppen alaposságuk miatt – lassúnak és drágának. Így az elmúlt években kialakult ennek a megoldásnak egy alternatívája: a statisztikai közelítés. Itt már nincs szükség a nyelvész körmönfont leírásaira, hiszen a szövegek maguk is tartalmazzák azokat a nyelvi fordulatokat, amiket a nyelvész leírna. Sőt, a teljes szövegkörnyezet azonnal tanulmányozható, elemezhető, vagyis:  ha minél nagyobb mennyiségű szöveget sikerül feldolgozni, abból az igényelt nyelvészeti tudást az intelligens program fogja kiválasztani magának. Igen ám, de nem minden feladathoz van megfelelő számú mintát tartalmazó szövegmennyiség: például litvánról magyarra ugyanúgy kellene fordítani, mint angolról spanyolra – de míg ez utóbbiból rengeteg fordítás áll a rendelkezésünkre, az előbbiből talán soha nem is lesz elegendő.

Akkor az „intelligencia”, amit a gépnek tulajdonítunk, például szövegek fordításakor, pusztán csak mennyiségi kérdés? Vagy van még valami, amit itt elhallgattunk? Ezekről a kérdésekről, azaz az internetes világ intelligens nyelvi feldolgozásairól szól az előadás.