Бастамас бұрын: үлкен тілдік үлгісіз жасалатын ЖИ

Біз ойдан алынған оқу үйірмесі туралы қысқа сұрақтарға жауап беретін шағын бағдарлама құрамыз. Ол қазақша сөздерді талдап, бекітілген жазбаны табады да, сол жазбаға сүйеніп жауап береді. Жазба табылмаса, «білмеймін» дейді. Компьютер және Python 3.10 немесе одан жаңа нұсқа қажет; орнату жолы екінші сабақта түсіндіріледі. Курс тегін, ақылы қызмет те, арнайы бейнекарта да керек емес.

Тілдер бір ойды қалай білдіреді?

«Үйлерімізге» деген ойды алайық: үй, көптік, меншіктілік, бағыт. Тілдер бұл мағыналарды әртүрлі орналастырады. Грамматика — оларды байланыстыратын ережелер; морфология — сөздің құрылысын сипаттайтын ережелер. Төмендегі атаулар тілдегі басым тәсілді көрсетеді, әр сөзге бірдей қатаң белгі қоймайды.

• Аналитикалық тәсіл үстелдегі бөлек карточкаларға ұқсайды: ағылшынның to our houses тіркесінде бағыт пен меншіктілік to және our деген жеке сөздермен берілген. Бұл тәсіл ағылшын, қытай, вьетнам, тай және кхмер тілдерінде айқын. Толық мағынаны түсіну үшін бағдарлама көрші сөздерді де қарауы керек.
• Жалғамалы тәсіл шампурға ұқсайды: мағыналы негізге әр қызметі бөлек бөлшектер ретімен жалғанады. Қазақша үйлерімізге сөзін тек талдау үшін үй-лер-іміз-ге деп бөлеміз: үй, көптік, біздің, бағыт. Кәдімгі жазуда сызықша қойылмайды.
• Флективті тәсіл бір карточкаға екі нұсқау жазғанға ұқсайды: орысша столом сөзіндегі -ом бір мезгілде жекеше түрді және «немен?» сұрағына жауап беретін септікті білдіреді. Мұндай сипат орыс, поляк, неміс, испан және литва тілдерінде айқын.

Шампур бейнесі негіздегі әріптер ешқашан өзгермейді дегенді білдірмейді: кітап → кітабым, мұнда п дыбысы б болып өзгереді. Бағдарлама бұл ережені де білуі керек.

Сөз тұлғасы жалғану арқылы жасалатын он тіл

Парсы тілінен енген сөзге де түркі тілінің кәдімгі жалғауы жалғана алады. Сондықтан сөздің шыққан тегін тілдің «жалғамалылық пайызы» деп санауға болмайды. Қазақ тілін таңдадық, себебі оның тұлғалары ережені көрсетуге қолайлы; мысалдарды өзіміз тексере аламыз және qazaq-ir мен adam жобаларына сүйенеміз. Басқа жалғамалы тілдер де мұндай курсқа жарайды.

Неге үлкен тілдік үлгісіз ЖИ жасаймыз?

Үлкен тілдік үлгі (ағылшынша LLM) еркін мәтін құрастырады. Бұл көп іске пайдалы, бірақ кейде сенімді көрінетін, дерекпен расталмаған мәлімет айтуы мүмкін. Мұндай ойдан қосылған мәліметті галлюцинация деп атайды. Біздің жүйе дерекқорда бекітілген жазба табылғанда ғана нақты жауап береді. Кітапханашы жоқ кітапты ойдан шығармай, каталогтағы карточканы көрсеткендей. Дегенмен талдау, жазба немесе жауапты таңдау қате болуы мүмкін.

Шағын жергілікті бағдарлама аз ресурс жұмсауы және сұрақты сыртқы қызметке жібермеуі мүмкін. «Мың есе жеңіл, арзан және жылдам» деген әзірше тек болжам: курс соңында бір міндет пен салыстырмалы сапа жағдайында нақты жүйелерді өлшейміз. Алғашқы бес сабақ негіз қалайды; барлығы 30 сабақ жоспарланған.

Дереккөздер: WALS, қазақ тілі грамматикасының сипаттамасы, түркі тілдері және тілдік байланыс, үлкен тілдік үлгілердің дерек қателері туралы шолу.