Дмитрий Жуков – Мы — переводчики (страница 12)

Все это мы подсознательно запоминаем и используем при переводе. Если мы невнимательны, то в нашем переводе неминуемы ошибки. Машина, которая имеет дело с огромным количеством ответственных переводов, не имеет права ошибаться.

И вот обыкновенная словарная статья иной раз разбухает до колоссальных размеров. Так, для того чтобы машина могла правильно переводить самое распространенное английское слово «be» — «быть», «являться», «иметь место» и т. д., и т. п., — при составлении логической схемы перевода этого многозначного слова пришлось предусмотреть около полутора тысяч логических операций. В результате слово «be» могло быть переведено в зависимости от английских слов, с которыми оно сочеталось, несколькими сотнями русских слов и выражений.

Для составления такой схемы пришлось рассмотреть 10 тысяч случаев употребления глагола «be». Фантастично, скажете вы. Действительно, сколько книг пришлось бы прочесть, чтобы выписать 10 тысяч примеров только на один глагол! А сколько времени потребовалось бы, чтобы классифицировать эти примеры, отобрать одинаковые и наиболее часто повторяющиеся!

Два миллиона слов, около 10 миллионов печатных знаков пришлось бы проанализировать исследователю для составления подробных логических схем. Это многотомное собрание сочинений Чехова или Достоевского. Надо было изучить каждое слово и его окружение в этой громадине, чтобы появилась уверенность в том, что машина будет переводить правильно. На эту проблему понадобились бы десятки лет работы многочисленного коллектива лингвистов...

Было решено поручить работу по отбору словаря для машинного перевода искусным... счетно-перфорационным машинам. В то время подобная работа выполнялась ими впервые.

Для начала были отобраны самые различные тексты объемом в 2 миллиона слов. Девушки перфораторщицы набили их на специальные карточки. Для сортировочных машин была составлена программа действий, и работа началась.

Хлопотливо забегали держатели машин; тонкие щупы, попадая в отверстия карточек, давали сигналы отправлять их в ту или иную пачку.

Рассортированные карточки попадали в быстродействующее печатающее устройство, из которого довольно быстро выползала длинная широкая бумажная лента.

Получив сотни рулонов бумажной ленты, мы могли убедиться, что все наши пожелания были выполнены превосходно.

Так что же входило в программу действий счетно-перфорационных машин? Какую работу с английскими текстами должны были проделать эти механические логики?

Нам надо было знать:

какие слова употребляются в английских текстах и сколько их;

какие слова употребляются чаще других и сколько раз;

в какие английские выражения входят эти слова и вообще с какими другими словами они сочетаются;

сколько слов состоит из одной буквы, сколько из двух, трех и так далее?

И мы приказали машинам:

рассортировать слова по числу букв, чтобы сначала шли слова однобуквенные, потом двухбуквенные, трехбуквенные и т. д.;

внутри каждой такой группы выстроить слова по алфавиту от «а» до «зет»;

все одинаковые по написанию слова сгруппировать и выстроить в столбики;

справа и слева от каждого слова дать по небольшому куску текста, чтобы можно было анализировать слова в окружении, в контексте, то есть составить словарь — конкорданс.

И это еще не все. Чаще всего значение одинаковых по написанию слов зависит от слов, следующих после них (вспомним, «выдержать характер», но «выдержать экзамен»). И вот каждое первое слово куска текста, примыкающего к основному слову справа, тоже было рассортировано по алфавиту, и все одинаковые выражения, идиомы, устойчивые сочетания, в которые входило основное слово, оказались сгруппированными в определенных местах.

А для выявления характерных форм каждого слова машины провели сортировку слов по окончаниям. Грамматические явления как бы подавались на тарелочке. Это была мечта лингвиста!

Сразу стало наглядным — какие слова и выражения употребляются чаще (машины даже сами подсчитали многие интересные статистические данные и отпечатали их в конце рулонов), какие сочетания слов в языке возможны, а какие нет.

— Ого! — воскликнул кто-то, разворачивая рулоны. — Да тут добрая сотня кандидатских диссертаций в готовом виде.

И, пожалуй, он не ошибся. Годами собирают аспиранты — языковеды и литературоведы — подобный материал. Вручную подсчитывают число глаголов и существительных в произведениях Толстого, Голсуорси и Шолохова. Машина могла бы сделать подобную работу в очень короткое время.

К лету 1957 года было решено, что для машинного словаря надо взять 16 тысяч слов. Впоследствии, когда через счетно-перфорационные машины «прогнали» еще миллионы слов, был окончательно составлен словарь, который насчитывал 13,5 тысячи английских слов и около 40 тысяч русских слов и выражений.

Было решено включать в словарь все слова, встречавшиеся среди почти пяти миллионов слов текста чаще двух раз, и многие слова, попадавшиеся два или один раз.

Такой словарь «покрывает» 98,5 процента английского текста. Практически это означает, что машине дана возможность «понимать» и переводить 99 слов из ста при чтении любой английской и американской газеты. Один процент падает на имена собственные, которые было решено оставить в их латинском написании, и лишь полпроцента или одно из каждых двухсот слов может оказаться машине незнакомым.

Это очень высокая степень надежности. Анализ дополнительных текстов еще на миллионы слов дал бы очень мало, ибо в отборе слов выявилась интересная закономерность.

Предел — «покрытие» словарем всех ста процентов текста недостижим, как скорость света. Можно без конца приближаться к пределу, но язык в каждый данный момент может родить новое слово. Каждый новый десяток тысяч слов, включенный в словарь, увеличивал бы надежность перевода лишь на ничтожную долю процента.

Одна тысяча английских слов занимает 70 процентов текста. Две тысячи — 87 процентов. Десять тысяч — 97 процентов. А двадцать две тысячи — 98,5 процента. Вот как невелик выигрыш при увеличении словаря более чем в два раза.

Для научных текстов (например, для одной из областей математики) надежность достигается и при меньшем словаре. Так, оказалось, что три тысячи слов (из которых 700 многозначных) покрывают 97 процентов текста.

Как я уже говорил, проще было бы строить словарь на основе существующих переводных и толковых словарей. Но оказалось, что обычные переводные словари не дают частоты встречаемости каждого слова. Эти словари включают множество слов самых различных жанров, стилей, эпох, пытаясь охватить все, что накопил язык за многовековое развитие. Многие слова ныне употребляются крайне редко. И в то же время в словарях нет еще многих слов и выражений живого языка, уже встречающихся в литературе, в газетах и журналах...

Первая тысяча слов нашего словаря встречалась наиболее часто. Восемьдесят слов из каждой сотни слов текста входили в эту тысячу. И более половины из них составляли знаки препинания (которые было принято считать словами), предлоги, вспомогательные глаголы, артикли, глаголы «be», «do», «make» во всех формах. Собранные в группы, они стали нашей опорой уже в самом начале работы, своеобразной сетью геодезических пунктов, к которым топографы «привязывают» местность во время работы.

Проведя большую подготовительную работу по анализу английских текстов и составлению словаря, можно было приниматься за создание алгоритма машинного перевода с английского языка на русский.

АЛГОРИТМ

Читая газетные статьи о том, как машины считают, планируют, переводят, нередко поражаешься той легкости, с какой авторы их расправляются с труднейшими задачами. Стоит появиться во фразе слову «машина», как сейчас же все трудности оказываются разрешенными, а ученым остается только сидеть сложа руки или улыбаться набежавшим журналистам.

Быть может, в этом виноваты сами ученые, очень неохотно рассказывающие о бессонных ночах, когда чистый лист бумаги покрывается завитушками, а идея ускользает, хотя всего час назад, пока ехал в троллейбусе, все было ясно и аргументировано. Какой-нибудь упрямый факт, пришедший в голову в последний момент, разрушает стройную систему умозаключений.

Да и трудно рассказывать о творческой кухне, о том, как идея обретала плоть, как проходили бесплодные дни самообвинений в бездарности и в то же время совершался «таинственный» процесс кристаллизации фактов вплоть до блаженной минуты «озарения».

И это еще только начало. Нужно убедить всех в целесообразности осуществления своей идеи, нужно организовать работу.

Иногда работа предусмотрена планами, и ее просто поручают сделать. Но от этого нисколько не легче. Кто и когда измерил груз ответственности человека, в которого верят и на которого надеются? И потом оказывается, что объем работы растет на глазах. Он растет подобно цепной реакции. Бывают минуты страха, как перед джинном, выпущенным из бутылки и вытекающим из ее горлышка длиннющей струйкой дыма, которая становится живой глыбой величиной с многоэтажный дом.

Но вот проходит горячка первой поры. Уже можно окинуть взглядом эту глыбу и подсчитать, сколько потребуется времени и сил, чтобы справиться с ней.

Жестоко ошибается тот, кто думает, что труд ученого состоит из бесконечных взлетов, падений и неожиданных провалов, за которыми следуют новые взлеты. Наступают рабочие будни, когда целые годы уходят на подбор фактов, часто неинтересные, но необходимые опыты, бесчисленные проверки, на механическую работу, которая требует не слишком большой квалификации. От этого никуда не денешься. Монотонность, рутина — и все время мысль: «А что же в конце концов получится?»