PlayPendium
WordChess · Chakula cha Mawazo

Kuifundisha mashine maneno 149,000, katika lugha 22

Mchezo wa maneno unahitaji zaidi ya orodha ya mfuatano halali wa herufi. Unahitaji kueleza kila neno linamaanisha nini, na maana ndilo jambo gumu zaidi kuhifadhi.

Imeandikwa na kuhaririwa kwa Kiingereza. Toleo hili la Kiswahili limetayarishwa kwa tafsiri ya mashine; pale usahihi unapohitajika, asili ya Kiingereza ndiyo yenye mamlaka. Soma asili kwa Kiingereza →

01 · Lema na vivuli vyake

Neno moja, na maumbo yote linayochukua

WordChess huchezwa kwenye ubao wa 25×25 ikiwa na kamusi ya Kiingereza ya maneno 148,941 6, ambapo maingizo yana wastani wa herufi 8.6, na refu zaidi likifikia herufi 27. Hiyo ndiyo sehemu rahisi. Orodha ya maneno halali ni seti tu ya mifuatano ambayo mchezo utaikubali. Sehemu ya kuvutia ni kumweleza mchezaji kile ambacho mfuatano ulio ubaoni unamaanisha, na kufanya hivyo katika lugha ishirini na mbili kwa wakati mmoja.

Wanaleksikografia huchora mstari mkali kati ya lema na maumbo yake yaliyonyambuliwa. Lema ni kidahizo unachokitafuta, kwa mfano run (kukimbia), house (nyumba), be (kuwa). Kukizunguka kuna mnyambuliko wa maumbo ya juu: runs, ran, running. Kila moja hubeba maana ile ile ya msingi, iliyovikwa kwa ajili ya dhima tofauti ya kisarufi. 3 Kamusi hutumia maelezo yake kwa lema na huviacha vivuli vielekeze nyumbani.

Idadi ya vivuli ambavyo neno hutoa hutegemea lugha. Kiingereza ni lugha changanuzi: hutegemea mpangilio wa maneno na maneno madogo saidizi, kwa hiyo kitenzi mara chache huwa na zaidi ya maumbo machache. Kifini ni lugha ambishi bainishi, hujenga maana kwa kubandika viambishi tamati kwenye shina. Nomino moja ya Kifini hunyambuliwa kwa takriban visa kumi na tano, katika umoja na wingi, kabla viishio vya umilikishi na viambata havijarundikwa juu yake; idadi halisi ya maumbo tofauti hufikia maelfu. 4 Kihungaria hufunga kirai kizima cha Kiingereza, in my house (katika nyumba yangu), ndani ya neno moja, házamban. 5

02 · Kamusi iliyoandikwa na kila mtu

Mahali fasili zinapoishi

Fasili zinatoka Wiktionary, kamusi huru ambayo mtu yeyote anaweza kuihariri. Ni kubwa mno na ya lugha nyingi: mradi huu unajumuisha zaidi ya matoleo mia moja ya lugha yanayofanya kazi na makumi ya mamilioni ya maingizo, yaliyoandikwa kwa ushirikiano na watu wanaojitolea badala ya bodi ya wahariri wanaolipwa. 1 Kwa mchezo unaoendeshwa katika lugha 22, hakuna kamusi nyingine huru inayokaribia kwa upana wa ueneaji.

Lakini ueneaji kwenye karatasi si ueneaji unaoweza kuusoma. Wiktionary huhifadhi maumbo yaliyonyambuliwa kwa njia inayowaepusha wahariri wa kibinadamu kuandika maelezo yale yale mara elfu kumi. Badala ya kuandika fasili kikamilifu, ingizo lisilo la lema hubeba kiolezo cha “form of” (umbo la), kielekezi kidogo kinachosema, kimsingi, “hili ni umbo fulani la kisarufi la lema ile.” 2 Ingizo la smoulders si maelezo ya kawaida; ni kiolezo kinachoonyeshwa kama “third-person singular simple present form of smoulder” (umbo la nafsi ya tatu umoja, wakati uliopo sahili, la smoulder, yaani kufuka moshi bila mwali). 1

Vielekezi hivi si kosa dogo la ukadiriaji. Katika Wiktionary ya Kiingereza, kati ya takriban fasili milioni 1.27, karibu 478,000, zaidi ya theluthi moja kwa mbali, ni fasili za “form of” badala ya maana zilizoandikwa kikamilifu. 1 Data ipo. Imekunjwa tu.

03 · Tatizo la uchanganuzi, si pengo la data

Maelezo ni kukikunjua kiolezo

Kwa hiyo changamoto iliyokuwa na uzito haikuwa kamwe “neno halipo.” Ilikuwa kwamba maana ya neno ilikaa ndani ya kiolezo ambacho kichanganuzi kisicho makini kingekitupa. Fasili za WordChess zilijengwa kwa kusoma nakala ghafi za Wiktionary na kupanua violezo vya mnyambuliko lugha moja baada ya nyingine, kukifundisha kichanganuzi maana ya kila kielekezi na kukiandika upya kama maelezo sahili. 6

Kila lugha huficha maumbo yake nyuma ya mitambo tofauti. Kihispania huficha maumbo ya vitenzi nyuma ya {{forma verbo}}, kinachotafsiriwa kuwa “umbo la kitenzi la X.” Kijerumani hutumia {{Grundformverweis Dekl/Konj}} kwa maumbo yaliyonyambuliwa ya nomino na vitenzi. Kifini hutegemea {{taivutusmuoto}}. Kirusi mara nyingi hakihifadhi kiolezo cha umbo kabisa; neno lililonyambuliwa ni kielekezi-upya tupu (собаки → собака) ambacho lazima kifuatwe ili kupata maelezo ya “form of.” 6 Shughulikia kila desturi, na ueneaji unaruka juu.

Ueneaji wa fasili, kabla → baada ya kupanua violezo
LughaKablaBaadaOngezeko
Kijerumani45%92%+47
Kiholanzi58%90%+32
Kifini54%74%+20
Kirusi20%70%+50
Kigiriki15%57%+42

Imepimwa kutoka kwenye maelezo ya muundo na ujenzi ya mradi huu. Asilimia ni sehemu ya maingizo ya kamusi yenye fasili inayotumika au maelezo ya “form of” yaliyotatuliwa.

Data haikuwahi kukosekana. Ilikuwa imekunjwa ndani ya kielekezi, na kuipa mashine neno kulimaanisha kujifunza kulikunjua.

04 · “Kulijua neno” kunamaanisha nini kwa mashine

Mfuatano wa herufi, na sentensi kuuhusu

Inafaa kuwa wakweli kuhusu kile ambacho mchezo sasa unashikilia. WordChess inapoonyesha kwamba собаки ni umbo la собака, “mbwa,” haijaelewa chochote. Imehusisha mfuatano mmoja na mfuatano mwingine, maelezo, kwa kufuata vielekezi vile vile ambavyo mhariri wa kibinadamu aliviacha. Huu ni ulematishaji, farasi-kazi wa uchakataji wa lugha asilia: kupunguza umbo la juu hadi msingi wake ili mashine iwe na vitu vichache tofauti vya kufuatilia. 7

Hiyo ni aina halisi na yenye manufaa ya kujua. Inauwezesha mchezo kujibu “neno hili ni nini?” huko Athens au Amsterdam bila kuwa na mwanaleksikografia kazini. Lakini ni kujua-kwa-kutafuta, si kujua-kwa-maana. Maelezo ni ahadi kwamba mtu, akiyasoma, atalitambua neno. Mashine inashikilia ahadi; msomaji anatoa maana.

Ukuta ulipo

Baadhi ya lugha hugonga dari ambayo hakuna kichanganuzi kinachoweza kuiinua, kwa sababu data haipo tu ya kukunjua. Maingizo ya Kihungaria mara nyingi hubeba tu etimolojia na jedwali la tafsiri, bila maandishi yoyote ya fasili, kwa hiyo hata msomaji mkamilifu huondoka mikono mitupu. Visa vigumu zaidi hujikusanya pale ambapo isimu ni ngumu zaidi: lugha ambishi bainishi kama Kifini na Kihungaria, zinazozaa minyambuliko mikubwa mno, na hati za Kisiriliki na Kigiriki, ambapo ueneaji wa jumuiya ni mwembamba tangu mwanzo. Kigiriki kilipanda kutoka 15% hadi 57%; kwamba kinakoma mbali chini ya 92% ya Kijerumani ni ukweli kuhusu chanzo, si kuhusu msimbo. 6

Sources & notes
  1. Wikipedia, "Wiktionary", scale, multilingual structure, collaborative editing, and the "form of" definition counts (including the smoulders example). en.wikipedia.org/wiki/Wiktionary
  2. Wiktionary, "Wiktionary:Form-of templates", how non-lemma entries point back to a lemma on the definition line. en.wiktionary.org/wiki/Wiktionary:Form-of_templates
  3. Wikipedia, "Lemma (morphology)", lemma as citation form; the paradigm of inflected forms. en.wikipedia.org/wiki/Lemma_(morphology)
  4. Wikipedia, "Finnish noun cases", the roughly fifteen cases, in singular and plural, before possessive suffixes and clitics stack on top. en.wikipedia.org/wiki/Finnish_noun_cases. Broader context: en.wikipedia.org/wiki/Finnish_grammar
  5. "Morphology of Different Languages," Psychology of Language (BCcampus Open Textbook), analytic vs. agglutinative typology; the házamban example. opentextbc.ca/psyclanguage/chapter/morphology-of-different-languages/
  6. WordChess definition pipeline, template-expansion rules per language (Spanish {{forma verbo}}, German {{Grundformverweis}}, Finnish {{taivutusmuoto}}, Russian redirects) and coverage figures. Measured from this project's design and build notes.
  7. Wikipedia, "Lemmatization", reducing inflected forms to a base form in NLP. en.wikipedia.org/wiki/Lemmatization
  8. Further reading on Wiktionary, [1011.1368] Transformation of Wiktionary entry structure into tables and relations in a relational database schema. arxiv.org.
  9. Further reading on Wiktionary, CEFR vocabulary level as a predictor of user interest in English Wiktionary entries. doi.org.
  10. Further reading on Lemmatization, BioLemmatizer: a lemmatization tool for morphological processing of biomedical text - PMC. ncbi.nlm.nih.gov.
Was this worth reading?
Play WordChess
PlayPendium · About · Contact · Privacy · Terms · Cookies · Accessibility · Copyright · Browse all games · Classic arcade games · © 2026