Глава 15. ПОНИМАНИЕ ЕСТЕСТВЕННОГО ЯЗЫКА

15.0. Постановка задачи

15.0.1. Введение

Возможности большей части существующей вычислительной техники используются не полностью из-за того, что очень трудно написать адекватные программы для задач, которые ЭВМ вполне под силу. Если наши программы существенно используют систему команд какой-нибудь машины, то возможности этой машины реализуются полнее, но программы становятся настолько сложными, что в них трудно разобраться. Если мы пишем программы на языках, удобных для высказываний, связанных с определенными типами задач -ориентированный" подход языков Фортран, Кобол и Бейзик), мы, вообще говоря, теряем возможность произвести все вычисления, на которые способна машина. На создание языков для абстрактных машин, которые можно было бы реализовать на существующих ЭВМ, было потрачено много усилий. Этот подход позволил бы программисту сохранить детальный контроль над вычислениями, но не требовал бы от него изучения техники. Алгол и Алгол 68 - наиболее яркие примеры. По не вполне понятным причинам эти языки трудно освоить, и действительно они предоставляют программисту возможности, которыми он будет в состоянии воспользоваться в полной мере, только если достаточно много знает об ЭВМ. В этой главе мы рассмотрим совсем другой подход. Возможно, главным препятствием, мешающим распространить вычисления на ЭВМ за пределы традиционной прикладной математики и расчетов, является не наша неспособность создать язык, предоставляющий в распоряжение человека все ресурсы машины, а неспособность перейти от человеческого естественного языка к внутренним машинным операциям. В гл. 2 мы говорили о взаимосвязи между конструкцией машины и моделью формального языка и показали, как они помогают нам понимать работу вычислительных машин. В настоящей главе мы снова

обратимся к формальным языкам, но теперь особое внимание уделим присущей им ограниченности. Затем опишем новые подходы, в принципе более перспективные. К сожалению, эти новые концепции языка не свободны от своих собственных ограничений. То, что можно осуществить в принципе, может не сразу стать практикой.

15.0.2. Что такое язык?

В гл. 2 и 7 языки определялись как множества цепочек, которые удовлетворяют некоторому критерию, определяющему правильность их построения. Вначале предметом нашего рассмотрения была конструкция машины, способной установить, удовлетворяет ли конкретная цепочка символов этому критерию, хотя и отмечалось, что на абстрактном уровне такое распознавание эквивалентно распознаванию последовательности выполнимых (вычислительной машиной) команд. Рассмотрим теперь использование языка при общении. Язык в этом случае считается системой символов для описания событий во внешнем мире. Против такого определения существует ряд философских возражений. Ясно, что так мы пользуемся языком, описывая бейсбольную игру или яблочный пирог, но не ясно, насколько это определение удовлетворительно для более абстрактных понятий, таких, как любовь, ревность, свобода. Пока мы не будем на это обращать внимание. Чтобы вести любую предвидимую беседу с ЭВМ, понятия языка как модели физического мира, несомненно, достаточно.

Символы языка относятся либо к объектам внешнего мира, их свойствам, либо отношениям между двумя или более объектами. Сами эти отношения также можно описать. Фразы

описывают объекты и отношения. Во многих ситуациях языковые высказывания можно интерпретировать как утверждения о состоянии мира. Следовательно, второй пример в (1) можно рассматривать как атомное утверждение

Далее, интуитивно ясно, что нужно уметь осуществлять связь между лингвистическими высказываниями и множеством приемлемых для ЭВМ выражений, которое образует внутреннее машинное описание внешнего мира. Аналогично мы можем рассматривать вопросы как утверждения о том, что определенное предложение совместимо или нет с предложениями, описывающими текущее состояние мира. Императивы можно в свою очередь интерпретировать как команды скорректировать внутреннюю модель мира. В гл. 14 предлагались различные способы построения внутренних машинных моделей ситуаций в реальном мире. Если известен также способ связать

утверждения о некоторых ситуациях на естественном языке с представлением их в ЭВМ, то можно претендовать на то, что для некоторой темы разговора мы добились понимания машиной языка. Вопрос о понимании имеет два аспекта. Существуют ли ситуации которые можем обсуждать и мы, и модель в ЭВМ, но для которых мы не можем установить связь между содержанием разговора и моделью? Существуют ли ситуации, которые мы можем разумным образом обсуждать на естественном языке, но для которых мы не можем построить внутреннюю модель?

Проблема состоит в том, что с помощью языка можно выражать очень сложные отношения, в том числе отношения между отношениями. Язык также позволяет трактовать отношение как то, что либо определяется, либо обсуждается в связи с другими вещами. Чтобы достичь такой сложности выражения, язык дает правила порождения цепочек символов; в них порядок символов в цепочке указывает на отношение между объектами, соответствующими этим символам. Попросту говоря, мы должны уметь разобраться в структуре языковой цепочки; одного знания о том, какие символы в нее входят, недостаточно. Только поняв эту структуру, мы можем определить, что

и

— цепочки с бесспорно различными значениями.

Теперь рассмотрим понимание с точки зрения ЭВМ. В префиксной записи каждое высказывание имеет форму

в которой первый член является функцией переменных, принимающей в качестве значений термы, а ее аргументы. Так,

означает, что надо вычесть терм в позиции у (который после присвоения значения должен быть числом) из терма в позиции х (также число после присвоения значения); в конечном счете получится число, которое может в качестве терма входить в список аргументов какой-нибудь другой функции. Естественно, что „понимание" утверждения типа (5) достигается в три этапа. На синтаксическом этапе мы узнаем, что первый символ в (5) — это функция двух переменных, и находим термы, являющиеся ее аргументами. На семантическом этапе мы замечаем, что эта операция представляет собой вычитание, и определяем все конкретные шаги (например, оценку подвыражения), нужные для нахождения значений термов х и у. На этапе реализации, или вывода, мы в точности выполняем

команды машины (запоминания, вызовы, сложения, отрицания), необходимые для выполнения физических операций, соответствующих этой арифметике. Третий этап связан с ЭВМ, в то время как первые два существуют абстрактно. Идеальный язык программирования на ЭВМ должен быть достаточно мощным, чтобы на нем можно было говорить о тех ситуациях в реальном мире, для которых желательна вычислительная модель, и это позволяет осуществить эффективный трехэтапный перевод для работы машины. Значительные усилия исследователей в области вычислительных наук направлены на создание для каждого из эти» этапов более сложных управляющих программ, так что машины смогут работать с еще более мощными языками программирования.

Эти усилия приносят несомненную пользу. Они вели и сейчас ведут к „более совершенным" языкам для вычислений, особенно если „более совершенные" относится к языкам, в которых пользователь может осуществлять более полный контроль работы машины. С другой стороны, для проблемы выражения очень сложных вычислений на ЭВМ этот подход может оказаться очень ограниченным. Нельзя подготовить вычислительную модель для обработки ее на ЭВМ до тех пор, пока человек не установил ее для самого себя, ибо это в любом случае должно быть первым шагом программирования. Очень возможно, что некоторые задачи можно сформулировать только на естественном языке. Однако вычислительная машина вообще нужна для того, чтобы люди ставили задачи перед ней. Если все-таки существуют задачи, которые можно сформулировать лишь на естественном языке, то надо найти способ, позволяющий ЭВМ „понимать" естественный язык. Вряд ли это можно сделать с помощью трех раздельных этапов синтаксис — семантика — понимание, хотя бы потому, что естественный язык так анализировать нельзя.

Конечно, это предположение, а не факт. Удовлетворительной теории человеческого языка пока нет, и мы еще не готовы предложить ее. Наш довод основан на почти анекдотичных наблюдениях. Наиболее очевидное из них то, что целый ряд очень талантливых людей пытался применить к естественному языку синтаксический и семантический анализ, но большого успеха они не достигли. Это озна-. чает, что либо синтаксическая и семантическая программы невероятно сложны (не очень-то правдоподобно, так как слишком уж много людей успешно учатся хорошо владеть языком), либо этот подход несостоятелен. Но почему синтаксическо-семантический подход должен быть плохим методом анализа естественного языка, если он так хорошо зарекомендовал себя при анализе вычислительных

языков? Наш ответ на это таков: при создании вычислительных языков учитывались вопросы как выражения задачи, так и выполнения ее машиной. Развитие естественного языка проходило в устройствах, совершенно не похожих ни на одну сегодняшнюю вычислительную машину. Природа этого устройства определила характер языка. Мы можем воспринимать только некоторый (до сих пор точно не определенный) класс языков (Леннеберг, 1967). Доказательства, касающиеся способностей машин Тьюринга воспринимать различные абстрактные языки при различных ограничениях, не могут помочь нам в задаче понимания языка. Если мы хотим разобраться в структурах естественного языка, нам, возможно, следует прежде всего изучить типы программ, легко выполнимых на вычислительной машине, организация которой схожа с человеческой.

Изложенные выше соображения приводят нас к сопоставлению двух взглядов на язык, которые мы назовем „математическим" и „психологическим". Математический взгляд, возникновение которого связано с именем Хомского (1963), преобладает в вычислительной науке по причинам, о которых подробно говорилось в гл. 2. Вкратце напомним аргументацию. Согласно математическому взгляду, язык описывается системой правил, способных порождать правильно построенное множество цепочек, или предложения. Эту систему правил можно считать проектом машины, которая не производит никаких других цепочек, кроме предложений данного языка. С другой стороны, эти правила можно считать спецификациями для программы, порождающей этот язык. Существует формальное тождество между машиной, способной производить предложения на языке, и машиной, способной распознавать, является или нет данная цепочка предложением. В случае когда машина распознает предложение, мы говорим, что машина воспринимает (допускает) цепочку. При математическом анализе восприятие цепочки эквивалентно тому, что машина (или интерпретирующая программа) определила способ, которым эта цепочка могла быть порождена. В идеальном языке для анализа вычислений будет только один путь порождения данного предложения, поэтому восприятие цепочки будет эквивалентно определению „с гарантией" того, как она была порождена. Кажется разумным (хотя соответствующая математическая теория не связана непосредственно с этой темой), что, если бы были известны этапы, через которые „проходит" говорящий при построении предложения, можно было бы с легкостью определить смысл его утверждения. Например, определив структуру цепочки

Транслятор Фортрана может узнать, какие вычисления имел в виду программист. Для подавляющего большинства практических ситуаций это все, что требуется.

В противоположность математическому „психологический взгляд» хаотичен. Если считать, что в нем есть центральное место, так это то, что мы сможем понимать языки только благодаря пониманию возможностей человека и общих законов, управляющих его поведением. Язык рассматривается как специфическая деятельность человека, которая выводится из более широкого понимания психологии. На практике это означало, что в основном психологические исследования языка концентрировались на переменных, определяющих обучение человека языку; примером служит подход Скиннера (1957) к языку как частному проявлению нормального функционирования человека. Другое направление исследований — определение психологической основы языка (Леннеберг, 1967; Гешвинд, 1970). Эти специальные подходы можно понять в свете интересов психолога, но они больше связаны с вопросом, как возник человеческий язык, чем, что в точности возникло, т. е. какой должна быть конструкция машины, пользующейся языком. В результате воздействие психологической точки зрения на вычислительные науки было незначительным. Это, несомненно, должно вызвать сожаление, особенно если мы действительно не сможем строить машины, понимающие естественные языки, пока не придем к лучшему знанию того, как их надо понимать. Последний довод основан на двух предположениях: 1) математическая модель не обеспечивает адекватного описания естественного языка и 2) для создания приемлемых (для ЭВМ) алгоритмов анализа языка можно применить психологическую модель. В следующих разделах приводятся некоторые свидетельства в пользу этих предположений.