Pitkien viestien kirjoittaminen on yleensä hidasta esim täällä keskustelufoorumilla. En tiedä kuinka paljon nykyisin on tapana käyttää apuna tietokantoja vaikka poliittisia puheita kirjoittaessa. Googlea ainakin.
Tein nopeustestin yksinkertaista lintutietokantaa käyttämällä. Kirjoitin tietokoneavusteisesti pari lyhyttä asiatekstiä. Ensin tein kyselyn tietokantaan ja sitten muunsin vastauksen helpommin ymmärrettävälle luonnolliselle kielelle käsin.
Variksien heimo (4,5 minuuttia)
Variksien heimoon kuuluvat esim linnut harakka ja varis. Varikset ovat fyysisenä kappaleena ilmeentyviä, eläimen ominaisuudet omaavia lintuja. Harakka on osittaismuuttaja ja varis paikkalintu. Latinaksi harakka on Pica pica ja varis Corvus cornix. Ravinto: Varis on kaikkiruokainen ja jätteitä syövä. Eläimistä varisheimolle kelpaa linnunmunat ja poikaset sekä raadot. Kasveista ne syövät viljaa. Harakka on parinsadan gramman painoinen ja varis puolen kilon painoinen. Heimon värit ovat valkoinen, musta ja harmaa.
lintujen värit (2 minuuttia)
Värillisiä lintuja. Punatulkku ja vanha punavarpuskoiras ovat osittain punaisia. Osittain keltainen on talitiainen.
Mustavalkoisia. Västäräkillä ja harakalla on valkoista. Mustaa on talitiaisella, västäräkillä, harakalla ja variksella.
Tein nopeustestin yksinkertaista lintutietokantaa käyttämällä. Kirjoitin tietokoneavusteisesti pari lyhyttä asiatekstiä. Ensin tein kyselyn tietokantaan ja sitten muunsin vastauksen helpommin ymmärrettävälle luonnolliselle kielelle käsin.
Variksien heimo (4,5 minuuttia)
Variksien heimoon kuuluvat esim linnut harakka ja varis. Varikset ovat fyysisenä kappaleena ilmeentyviä, eläimen ominaisuudet omaavia lintuja. Harakka on osittaismuuttaja ja varis paikkalintu. Latinaksi harakka on Pica pica ja varis Corvus cornix. Ravinto: Varis on kaikkiruokainen ja jätteitä syövä. Eläimistä varisheimolle kelpaa linnunmunat ja poikaset sekä raadot. Kasveista ne syövät viljaa. Harakka on parinsadan gramman painoinen ja varis puolen kilon painoinen. Heimon värit ovat valkoinen, musta ja harmaa.
lintujen värit (2 minuuttia)
Värillisiä lintuja. Punatulkku ja vanha punavarpuskoiras ovat osittain punaisia. Osittain keltainen on talitiainen.
Mustavalkoisia. Västäräkillä ja harakalla on valkoista. Mustaa on talitiaisella, västäräkillä, harakalla ja variksella.
Vastaukset 3
Vanhimmat
http://www.nytimes.com/2008/04/14/business/media/14link.html?_r=2&th=&oref=slogin&emc=th&pagewanted=all&oref=slogin
"Artificial intelligence researchers say computers are far from being what the general public would consider authors."
“There is a continuous spectrum, also known as a slippery slope, between a program that automatically typesets a telephone directory and a program that generates English texts at the level of variety you would expect from a typical human English speaker,” said Chung-chieh Shan, an assistant professor in the computer science department of Rutgers. “The former program is easy to write, the latter program is very difficult; in fact, the holy grail of linguistics. Like Mad-Libs, Parker’s programs probably lie somewhere between the two ends of this spectrum.”
Niinpä niin. Kaikenlaisia tekstigeneraattoreita on toteutettu jo kymmenien vuosia ajan, monet ainakin huvittavia. Ja on täysin selvää, että niistä parhaiden laatu paranee vuosi vuodelta, eikä ole olemassa mitään seinää, joka pysäyttäisi kehityksen. Ja vastaavasti yritelmien parantunut laatu mahdollistaa kaupallisia toteutuksia ja siten kiihdyttää kehitystä.
Minun oma pieni harrastelijaunelmani, ehkä parin vuoden kuluttua, on pystyä generoimaan sujuvaa ja sisällökästä lojban-tekstiä. Se on haasteena todella paljon helpompaa kuin englannin tai suomenkielisten tekstien generoiminen. Mutta lojban onkin täysin sopiva tietokonejärjestelmän "äidinkieleksi", toisin kuin esim englanti. Ja kun sillä, tietokoneella, on lojban täysin hallussa, niin englanninopiskelukin on helpompaa.
Kertauksena oletan siis että lojbankielisen tekstin jäsentely (parsiminen) ja semanttinen analyysi ei ole oleellisesti vaikeampaa kuin esim C -lähdekoodin parsiminen ja siitä objektikoodin buildaus. Samoin lojbankielisen tekstin tuottaminen tavoitteidenasettelusta ja tietämyskannasta on vain rajoitetusta vastaavasti vaikeampaa (edelliseen verrattuna) kuin C -koodin generointi kompleksisesta UML-esityksestä.
Mutta siis kuitenkin siis melko vaikeaa. Täytyy edetä pienin askelin ylös loivaa ramppia.
Ensisijaisesti tekstintuottamisessa kiinnostaa selainpohjaisen käyttöliittymän tekeminen (Nuo SUMO ja WorldNet-sivustot ovat hyvä alku). Pieni haaste on tehdä kanta sellaiseksi että sitä voi käyttää levyltä (muistin säästämiseksi esim palvelin käytössä).
Flamenco näyttää hienolta ja sopivan alkeelliselta: http://orange.sims.berkeley.edu/cgi-bin/flamenco.cgi/spiro/Flamenco