تحليل اللغة العربية بالكمبيوتر، الجزء الثاني

Quote: نقلا عن بوست سابق http://sudaneseonline.com/board/470/msg/1408906921.html أسباب صعوبة المعالجة الآلية للغة العربية تتعدد التطبيقات ولكن النتائج المتقاربة للمصنفات تدل على شيء واحد، تشابه الأساليب، وهذا سببه بعض من الصعوبة في فهم الأساسيات المتعلقة منها باللغة أو طريقة عمل الكمبيوتر، ومعظم هذه الصعوبات منسوب إلى طبيعة اللغة العربية إضافة إلى أسباب أخرى تعود إلى مستهلكيها، نسرد هنا الأسباب كلها والتي توصلنا إليها من خلال المتابعة الدائمة والمراقبة لكل ما يستجد في هذا المضمار: 1. تعدد الطبقات بعض اللغات ثنائية الطبقات (Diglossic) هذا يعني أن الناطقين باللغة يعتمدون نوعين منها واحدة للصفوة وأخرى للعوام هذا ليس تقسيماً اجتماعياً بل ثقافي فأي من الفئتين يمكنه استعمال الطبقة التي تعجبه في أي موقف، اللغة العربية ثلاثية الطبقات (Triglossic)، فمنها لغة كلاسيكية منضبطة المكتوب بها القرآن والأعمال الأدبية مثل الشعر الجاهلي ثم لغة أبسط “فصحى” وهي لغة الصحافة والإعلام، إضافة إلى لغة عامية تتباين بحسب عوامل جغرافية واجتماعية عدة (أسمينا كل طبقة “لغة” لأن أي منها له هياكله البنائية والنحوية والدلالية مثل أي لغة حقيقية). الصعوبة في هذا الأمر أن التداخل بين الطبقات الثلاث يحدث دائماً سيما لا توجد دولة عربية يتحدث سكانها الفصحى في أمور الشأن العام وكذلك لا تخلو مداولات الشأن الخاص من التعرض لبعض مكونات الفصحى كالاقتباس من المصادر الثقافية التاريخية، وقد تأتي العامية في مقام الفصحى، فالعامية المصرية مثلاً تستخدم رسمياً في الإعلام، ويحدث تأثير وتداخل بين الطبقات الثلاث على المستوى الصرفي، في النصوص المغاربية مثلاً يأتي ذكر (بحبوش، كنبغيك، لحْسَن) أحياناً في كتابات رسمية. 2. تأثير اللغات الأخرى هذه ليست مشكلة تخص اللغة العربية منفردة فكل اللغات تتداخل طبيعياً، التداخل المعجمي باستعارة الألفاظ والمصطلحات والتداخل النحوي بتبني القواعد النحوية (كما في العامية السورية واللبنانية باستعارة قواعد الآرامية، وباستعارة قواعد الأمازيغية في اللغات العامية في المغرب العربي وباستعارة قواعد القبطية في العامية المصرية أو حتى في اللغات الأوروبية المعاصرة فالفرنسية مثلاً استعارت من قواعد اللاتينية بينما أكثرت اللغة الإيطالية من الاستعارة من مفرداتها، والأهم من ذلك الترجمة الحرفية التي تحدث بسبب عدم مواكبة اللغة لمستحدثات العلوم المختلفة، مصطلح (محرك بحث) مثلاً ترجمة حرفية لمصطلح (Search Engine) وإعادة توطين مفردات تم تغريبها مثل (خوارزمية وألغوريثم)، وقد يحدث التداخل بين منطقتين متباعدتين جغرافياً بسبب الهجرات القديمة أو الحديثة المنظمة فسواحل الخليج (الإمارات وعمان والبحرين وقطر) تشهد التداخل بين اللغة العربية والأردو والهندية والفارسية وهذا ينتج عنه لغة هجينة (Creole) تفرضها ظروف التفاعل الاقتصادي. 3. تعدد الاختلافات الإقليمية ربما تكون هذه أكبر مشكلة مخفية حتى الآن، فالنص العربي ينتشر في بقعة واسعة ويتم التعامل معه كل باختلاف ثقافته وتفضيلاته المحلية، وبالمقارنة فاللغة الصينية تتوزع باختلافات يسيرة في تايوان وهونغ كونغ والصين والإنجليزية ينحصر اختلافها الكبير بين بريطانيا وأمريكا وعلى نحو أقل في استراليا وكندا والهند وجنوب أفريقيا، بينما العربية تتعدد اختلافاتها بقدر عدد الدول الناطقة بها، المؤسف أن هذه الاختلافات الإقليمية توجد في أهم طبقة وهي العربية الفصحى المستعملة في الوسائل الإعلامية وهي تمثل نسبة كبيرة من النصوص العربية المتوفرة اليوم على هيئة مكانز (مدونات) وهي المستهدفة بالمعالجة. من الواضح أن الاختلافات هنا أسبابها ثقافية تتعلق بالمنطقة الحضرية وتأثرها بالبيئة حولها وتظهر جلية في المفردات الحديثة الوافدة مثل (موبايل) وهذا يوجد أيضاً على مستويات أخرى إملائية مثلاً غوغول تكتب (قوقل، غوغل، جوجل، گوگل، and#1891;وand#1891;ل) في السعودية ومصر والعراق والمغرب، ومن أسبابها الأخرى الميل الصرفي (Lexical Bias) (1) وهو تفضيل صيغ صرفية محددة على غيرها، فمثلاً الشائع في اللغة استخدام مفردة "محطَّم" وليس "محطوم" رغماً عن صحتها لغوياً ومناسبتها للوصف فهي اسم مفعول مثل (مهزوم)، ويستخدم البعض اللفظ "مربوح" وهو نادر إلا في المغرب العربي، ولهذا ذكرنا قبلاً أن فرط توليد المفردات قد لا يكون ميزة إيجابية إذا لم يتفق الناس على كيفية الاستفادة منه، فلا يمكن تعميم القالب الصرفي على أي مفردة، إذن لحصلنا على كلمات تبدو (غريبة) للبعض مثل “مرغوم، كاسور، جابن، مخواف، كواذب، زبناء، رابوط، ضوارب، شبيع”. الأمر الجيد أن في اللغة العربية متسع من هذه الحيل، والأمر ليس كله سوء، فلو تتبعنا النواتج غير المستخدمة من فضْلات تطبيق النظام الصرفي لأمكن حل مشاكل عديدة أولها إيجاد مقابلات للمفردات الحديثة الوافدة من اللغات الأخرى والتي أوفرها ما يستخدم في الحاجات الأساسية للبشر حيث تختلف الأسماء بسبب أن مسمياتها غالباً ما تنتشر جغرافياً في ذات الوقت، الميل الصرفي لا علاقة له بالترادف، الإنجليز مثلاً يستخدمون المصطلحات (Lift, Petrol, Tube) لتسمية المصعد والوقود وقطار الأنفاق بينما الأمريكان يقولون (Elevator, Gas, Subway) لذات المسميات، الحل باستخدام حلول معجمية فالأسماء مجالها واسع ولا يوجد غير الحل المعجمي. 4. عدم وجود فوارق شكلية واضحة بين مكونات النص بعض اللغات تميز أجزاء الكلام بأنواع مختلفة من الحروف واللواصق (Affixes)، فالإنجليزية مثلاً تستخدم الأحرف الكبيرة لتمييز طائفة الأسماء والأعلام (Proper nouns) ثم مقاطع غيرها تحدد بشكل واضح نوع المفردة بنحو أدق مصدراً كانت أو صفة أو نسبة مثل (tion, ty, ed, ese, ing)، بل أضافت مقاطع من اللاتينية ذات معنى مثل (pro, ex, mal, para, con) لذا فإن طائفة المشذبات (Stemmers) تعمل معها بنجاح تام، واليابانية تستخدم ثلاث أطقم من الحروف أحدها (يسمى كاتاكانا) مخصص بالكامل للمفردات الدخيلة عليها فإذا أرادوا ذكر الرئيس الأمريكي باراك أوباما كتبوا (and#12496;and#12521;and#12463;·and#12458;and#12496;and#12510;) كذلك لها بنية ثابتة للجملة تميز أجزاء الكلام على المستوى النحوي. العربية تستخدم ذات المفردات لشتى الأغراض فهي أحياناً أسماء (صفات، أعلام) وحين آخر أفعال وتعتمد فقط على الأوزان (Morphological Templates) التي تستخدمها عدة لغات مثل العبرية واليابانية، وبعض الأفعال المساعدة والنواسخ والجوامد والظروف وتستخدم بعض الأسماء للاعلام (أبو، ابن إضافة للنسبة والنسب) ومثالنا (شرب أحمد الحليب) كان معبراً تماماً عن هذه المشكلة التي ينتج عنها خلل على المستويين النحوي والدلالي.(2) فبالنسبة للكمبيوتر فإن أي من المفردات (شرب، أحمد) يمكن أن تكون فعل أو صفة بينما (الحليب) يمكن أن تكون اسم علم، وكل الجملة (شرب أحمد الحليب) يمكن في أقصى الحالات أن تكون اسماً كاملاً يماثل (فهد أحمد الخطيب) إملائياً. 5. إفتقار اللغة العربية لمبدأ الوحدة الدلالية تقوم اللغة العربية صرفاً وإملاء على مبدأ الاشتقاق (Inflection) بالبناء على الجذر، وهي تشترك في هذه الميزة مع بقية لغات العائلة السامية (الآرامية والعبرية) والأفريقية السامية (التغرينيا والأمهرية)، كل جذر ثلاثي صحيح يمكن أن يشتق منه حوالي 30 ألف مفردة نظرياً (مع كل الزوائد الاشتقاقية والصرفية الممكنة)، كان يمكن أن يقدم الجذر خدمة عظيمة للغة لو كانت مشتقاته تتفق كلها دلالياً لكن للأسف هذا لا ينطبق إلا على فئة محدودة من الجذور، مبدأ الوحدة الدلالية (ٍSemantic Consistency) معيار جديد من اقتراح الباحث وهو يوظف الدلالة التكوينية (Ontology) وله قياسات حسابية كمية يستعملها المصنف الموسع (Deep Tagger) ويختلف عن الترادف (Synonymy) الذي يبحث في مطابقة المعنى أو التناظر الذي يبحث في تباين المعنى مثل (درس التمليذ الواجب) و (درس الحمار الشعير)، أنظر أدناه لنموذجين للجذرين (ضرع) و(بلغ)، اللغة العربية تتصف بالتشظي الدلالي (Semantic Dispersion) أو التشتت الدلالي(3) الذي يحسب ثراءاً بلاغياً في اللغة لكنه ليس في مصلحة أي تطبيق لمعالجة النصوص بأسلوب منطقي يستقي مقدماته من اتساق معاني المفردات المشتقة من أصل وحيد، فإن كانت ذات معامل تشتت كبير فهي إذن مختلفة الدلالات ولن يصلح الأمر إلا بتوليد كل المفردات المحتملة للجذر ومضاهاتها بمقابلاتها في اللغة المستهدفة. عملية توليد كل الاشتقاقات تنتج ما يعرف بالقاموس التام (Full Form Dictionary) وهي المشكلة التي أشرنا إليها سابقاً إذ أن توليد 30 ألف مفردة لا يتطلب شيئاً يذكر في الكمبيوترات الحديثة من ناحية الحفظ في الذاكرة ولكنها تسبب تأخيراً بائناً إذا وجب توليدها ضمن برنامج تنسيق نصوص لدعم ميزة التصحيح الإملائي مثلاً، كذلك وجود هذا الكم الكبير من المفردات بلا رابط يجمعها دلالياً لا فائدة منطقية ترجى منه.(4) التشتت الدلالي مشكلة باقية (Persistent) من أصل اللغة أي أنها غير ذات ارتباط بالعصور المختلفة لتطور اللغة ومدى تداخلها المعاصر مع التطور الحياتي البشري الذي يسبب انزياح المعنى، فمصطلحات معاصرة مثل (عربة، حافلة، سيارة) لا يجوز التسرع في الحكم بمدلولاتها بمعزل عن السياق الزمني للنصوص التي وردت فيها فهي “معروفة” اليوم ولكن لها دلالاتها المختلفة إذا جاءت ضمن نصوص أدبية قديمة كما في الشعر الجاهلي فكلمة (حافلة) آنذاك لم تكن أبداً مركبة تسير على أربع أو ست عجلات، هذا يسمى انزياح المعنى (Semantic Shift)، ولكن اللغة العربية أصلاً تفتقر للوحدة الدلالية فحتى مفردات شائعة مثل “ضرب” والتي تنتمي لذات الجذر مع أخريات (ضَرْب، ضريب، مضارب، ضِراب، ضُروب، إضراب، ضريبة) لا تسلم من هذه المشكلة بدون أن نتطرق حتى لدلالاتها المعاصرة. لن تكون اللغة الطبيعية معيارية أبداً وإن كتبت بها النصوص الدينية لسبب بسيط وهي أنها تعبر عن محمولات ثقافية شفاهية معاصرة لزمان معين، وواحدة من المشاكل أن النص المكتوب في اللغات الأبجدية يفترض فيه أنه يكون تمثيلاً للصوت ولكن الصوت ذاته ليس معياراً فالكلمة الواحدة يمكن أن تنطق بأكثر طريقة حتى بين أفراد العائلة الواحدة في نطاق جغرافي واحد. 6. الاستخدام المفرط للاستعارات هذه واحدة من المشاكل في كل اللغات لكنها في اللغة العربية من أكبرها وتظهر جلية وبائنة لأي دارس مبتدئ، ولا تكاد تخلو أي فقرة مكتوبة منها، ومشكلة الاستعارات (m e t a ph o r s) أنها لا تضيف معلومة بقدر ما تعمل على تحسين الخصائص البلاغية للنص أو التأثير العاطفي على المتلقي بإضافة المؤثرات النفسية مثال الجملتين (رزق فلان بفارس) و (أزاحت الشركة الستار) فأيهما لا تشير دلالياً أو نحوياً من قريب أو بعيد إلى حدوث الولادة أو إعلان بدء التسويق لمنتج تجاري، بل تعتمدان على المقاربة البلاغية باستخدام الاستعارات المركبة التي تعتمد بالكامل على الخبرات اللغوية للمتلقي وحسن تفسيره للمعنى بناء على ثقافته وهو أمر يخرج عن سيطرة الكمبيوتر أو أي تطبيق برمجي يعمل على أساس التحليل المنطقي المباشر المعتمد على النص المرسوم. بل حتى على مستوى الوصف المباشر توجد مفردات نحسبها واضحة وهي غير ذلك، مثلاً الصفتان “أبيض” و”بيضاء” ليستا وصفاً للون فحسب بل الشكل والحجم أيضاً (إذا عممنا) القاعدة، فالصفتين أصلهما من الاسم “بيض”. 7. عدم وجود علامات التشكيل علامات التشكيل هي الطقم الثاني من رموز تدوين اللغة العربية ويجب أن تعتبر حروف من وجهة نظر أي تطبيق لمعالجة النصوص العربية، فهي لها شكل (Grapheme) وقواعد إملائية ولا تختلف فعلياً عن الحروف الأخرى إلا في قلة استخدامها، وعند مقارنتها بالحروف الأساسية للغة العربية فهي صوائت قصيرة (Short Vowels) وتستوي اللغة العربية في هذه الميزة مع اللغة العبرية الحديثة (تسمى بالإسرائيلية)، فاليهود يهملون التشكيل بالتنقيط ويسمون علامات التشكيل عندهم نِيقوط (and#1504;and#1456;and#1511;and#1467;and#1491;and#1468;and#1493;and#1465;and#1514;). عدم وجود علامات التشكيل في نصوص الوثائق الإلكترونية سببه صعوبة استخدام تقنيات إضافة تلك العلامات وعدم معرفة الغالبية من محرري تلك الوثائق بكيفيتها، والمعروف أن لوحات الكتابة الإلكترونية (keyboards) بدأت بالحروف اللاتينية ثم زيدت عليها الحروف العربية وهي الأكثر عدداً فأدّى ذلك إلى توظيف مفتاحين يعملان معاً (Combination keys) لكل علامة تشكيل، زد على ذلك أن علامات التشكيل ذاتها غير مرغوب فيها في النصوص المرسلة العامة مثل الأخبار والروايات الطويلة فهي تبطيء من معدل القراءة بمضاعفة الوقت المطلوب لاستيعاب النص إلى ثلاث مرات تقريباً.(5) 8. إهمال استخدام علامات الترقيم نتحدث هنا عن علامات الترقيم الظاهرة (punctuations) تمييزاً لها عن علامات ترقيم أخرى (tags) تستخدمها الكمبيوترات داخلياً لتهيئة العرض على الشاشة، اللغة العربية لم تعرف علامات الترقيم الحديثة إلا في مطلع القرن العشرين حوالي 1919م ومع ذلك فلا تستخدم تلك العلامات اليوم إلا على نطاق ضيق في المكاتبات الرسمية وغير ذلك هي ليست محكومة لا بتقليد متبع أو ضوابط موضوعة ومتروك أمرها بالكامل للكاتب وخلفياته التعليمية ومهاراته اللغوية والوصفية. علامات الترقيم يجب أن لا يعتد بها في التصنيف ولكنها وسيلة مساعدة ومهمة جداً رغم أننا لا نراها في النصوص التاريخية فلن نجد علامة الاستفهام ولا التعجب ولا حتى نقطة انتهاء السطر كما في (شرح ابن عقيل)، في مرحلة ما يجب أن يهتدي المصنف بعلامات الترقيم الظاهرة بافتراض سلامتها المنطقية والموضوعية وضمان تتابع فكرة النص (Topic integrity). 9. الشذوذ اللغوي كون اللغة العربية مجرد لغة طبيعية يضعها مع لغات أخرى في ذات المرتبة بدون أدنى شك، وهذا يعني عدم سلامتها من الشذوذبكل مستوياته فهي ليست لغة اتفق الناس على صياغتها بطريق رسمية بل تطورت بالتداخل والتأثر بغيرها، وعندما نقول شذوذ فإننا نقصد عدم اتباع القواعد التي افترضها متحدثوها لوصفها بطريق علمية، وشذوذ اللغة العربية كثير ومتنوع فإذا افترضنا أن اللغة هي النص المكتوب فجموع التكسير شذوذ، والحروف الزائدة غير المنطوقة (مثل واو الجماعة وهمزة الوصل والواو المتطرفة في بعض أسماء الأعلام مثل "عمرو") شذوذ، ووحدة الرسم (Homopgraph) لطائفة كبيرة من أصناف الكلام (أسماء على وزن الأفعال والصفات مثل “أحمد”) يعتبر شذوذ، والسلوك الصرفي لأحرف العلة (الإقلاب) شذوذ، والإبدال والإعلال شذوذ، والاستثناءات الكثيرة (مثل المنع من الصرف) أيضاً شذوذ. وبالنسبة للظواهر الفونولوجية (الصوتية) فوجود حروف لا تنطق (اللام قبل الحرف الشمسي) وظهور أصوات لحروف غير موجودة أصلاً (التنوين، لكن، الذين، هؤلاء) وغيرها من المبني من الأسماء، هذا بالطبع يعيدنا إلى أمر الاختلافات الإقليمية والتي مردها إلى صعوبات النطق وربما مجرد تقليد لا يستند إلى قاعدة محددة فالجيم الخليجية والجيم الشامية والجيم والقاف القاهريتان مثال على ذلك، ولا تسلم اللغات الأوروبية من ذلك، فلا يوجد سبب منطقي يجعل متحدثي الفرنسية ينطقون بالحرف (R) كانه غيناً ولا سبب منطقي يجعل أهل أسبانياً ينطقون الحرف (J) خاءاً بينما ينطقه الألمان ياءاً اللهم إلا أن تكون أموراً تتعلق بالنظم الصوتية لهذه اللغات أو ربما ممارسات لغوية متوارثة. 10. الأخطاء الشائعة الأخطاء اللغوية معظمها يؤثر في مرحلة التحليل الصرفي وبالتالي لها تأثير مباشر على مرحلة التصنيف أيضاً، مثلاً الفعلان السداسيان (استضاف واستبدل) والخماسيان (انصرف وابتدر) تبدأ بهمزات وصل لكن غالباً نجدها بهمزات قطع، ومثال آخر كذلك في مصر لا يعتد كثيراً بكتابة الياء المتطرفة (ي) وتكتب كأنها ألف مقصورة (ى) في معظم الكتابات وهذا متبع في اللغة الفارسية، في موريتانيا يضيفون همزة الوصل كتابة (امحمد، اسليماني)، في الشام يستخدمون مفردة (هكذا) بطريقة مميزة مثل (لجأت الحكومة إلى مثل (هكذ) سياسات لمصلحة الشعب)، لا يوجد حل سوى الأخذ بها كلها كيف جاءت فلا توجد اليوم مؤسسات لتقويم اللغة العربية وتصحيحها وإن وجدت فلن يتوفر لها من السلطة ما يمكنها من إجبار الناس على إتباع طريق معينة في استهلاك اللغة. التحميل الديني هنالك سبب إضافي آخر لكنه لا يندرج ضمن المجال البياني (نشاط الكتابة) بل بارتباطها الديني عموماً وهو “توهم قدسية اللغة العربية” وملخصه أن بعض من اللغويين يعطيها قداسة بسبب نزول الوحي بها وهو أمر غير منطقي إذ أن اللغات الطبيعية من صنع الانسان وفيها من الألفاظ ما يوجب الفصل والتمييز بينها وهبات الذات الإلهية، وكثيراً ما يصادف المرء مصطلح (لغة القرآن) أو (لغة أهل الجنة) وهو أمر لا يساعد في إيجاد حلول منطقية وفيه تحميل زائد وإيحاءات لا تمت لعلوم اللغات ولا إلى التناول الأكاديمي بصلة. ومع أن هذه المسألة عاطفية بالدرجة الأولى إلا أن ضررها لا يكمن فقط في الحكم بالمثالية المطلقة للغة العربية بل الحكم بها على وضاعة اللغات الأخرى وفي افتراض إعجاز بلاغي لا وجود له إلا في ذهن متحدثيها، أو افتراض وجود حلول ضمنية تأتي مع اللغة العربية نفسها ومن ألفاظها وتركيباتها أو من تلك النصوص المقدسة وهذا أمر غير صحيح مطلقاً وذات القائلين بقدسية اللغة يقررون عجز اللغات الأخرى عن استيعاب معاني اللغة العربية وأنها حافظت على أصالتها (رغم أن ذلك يضعها مع اللغات الميتة) وأنها بحر وغير ذلك من الأحكام الفردية المتطرفة البعيدة عن التناول الأكاديمي المقارن، بل قد يصل الأمر بالبعض إلى إدعاء أن اللغة العربية أصل اللغات جميعاً.(6) ________________ الحواشي: (1) الميل الصرفي (Lexical Bias) مصطلح جديد يقترحه الكاتب للتحقيق في ظاهرة التفضيل الإملائي لمفردات ذوات صيغ صرفية محددة وقياس ذلك. (2) استخدام النسبة والنسب والكنية واللقب أضحت من الماضي رغم فوائدها، تقتصر اليوم على النسبة الجغرافية مثلاً (عدنان التكريتي) والعشائرية مثل (سعيد الهاجري). (3) التشتت الدلالي (Semantic Dispersion) مصطلح جديد يقترحه الباحث لقياس التباعد الدلالي بين المفردات من أصل واحد، ويتم التعبير عنه بقيمة بين الصفر والواحد، حيث الصفر يعبر عن الوحدة الدلالية لكل المفردات ذوات الصيغة الإملائية المشتقة من الجذر الواحد. (4) هنالك بالطبع اجتهادات قديمة ومحاولات مثل الاشتقاق الكبير والاشتقاق الأكبر ونعتقد أنها ليست مواكبة، فاللغات الطبيعية لا يتم تنظيمها قبلاً. (5) هذا الرقم غير مبني على دراسة علمية رسمية، بل بالتجربة البسيطة. (6) (اللغة العربية أصل اللغات كلها)، عبد الرحمن أحمد البوريني، الطبعة الأولى، دار الحسن للنشر والتوزيع، عمان-الأردن، رقم الإيداع 1875-12-1997.