博文
【李白106: “应用文写作助手”的金点子再议】
|||
立委按：嘿 将来普及了 别忘了咱们做的思考和可行性实验哟。微软 office 为啥成为摇钱树 因为人总要写字吧。写作助手类应用为啥会风行 因为人免不了写不好字呀。难得的AI市场切入角度呀 别一窝蜂都去做聊天 bots 啦 已经水泄不通啦 MT 也是如此 搜索巨头把市场基本做死了 如何跟免费竞争？
白：“如果技术达到了那一步，我想不出任何问题是技术解决不了的。”
单看后半句，有歧义，而且sentiment相反。
我想/不出任何问题/是/技术/解决不了的
我/想不出/任何问题/是/技术/解决不了的
联系前半句和常识，可以排除对技术低估的意思，只留下对技术高估的意思。
李：前面那个意思 要使劲想 才想得出来。
不出任何问题/是/技术/解决不了的 == 技术/解决不了/不出任何问题
显得勉强的原因大概是 “解决”的宾语坑要求的是NP，通常不带VP。
？ 解决不了野火蔓延
解决不了野火蔓延的问题。
严格说，应该是：技术/解决不了/不出任何问题的问题。
白：不出任何问题的诉求
李：对，不出任何问题 是好事。
白：谓词性成分的上位概念是体词，这没什么不可以。
李：这就回到了所谓名物化（nominalization）。中文这边，零形式的名物化是一个“鬼”，说它不存在，似乎看得到影子。说它存在，却几乎总是摸不着。容易走火。
白：另一端挖的坑只要足够抽象，就容得下这个鬼。解决，挖的坑就属于“足够抽象”那种。
李：“足够抽象” 不好清晰界定。赶巧了，上面的句子听上去还不算别扭，但是感觉很难伸展到其他的谓词。
？技术解决不了不吃饭
？技术解决不了不认真读书
白：和“那个集合”中的元素构成强搭配：
我收到了他自杀未遂（的消息）
张三不愿意正视两地分居（的现状）
括号里的名词是之前谓词性成分的上位名词，和主干谓词构成强搭配。相当于分别以主干谓词节点和谓词性宾语成分节点为圆心，以适当半径画圆，有个不言自明的交点。本体的几何。
李：我的语感可以接受：张三不愿意正视两地分居。但很难接受： ？ 我收到了他自杀未遂。
白：分析从宽。
接受不接受无关紧要，不错到别人家里就没关系。
把“收到”换成“听说”，自然👌
李：“听说”自然没问题。“听说” 的句法子范畴挖的坑是 Clause/VP or NP，谓词性的为先。“听说他走了”。
白：那个NP的语义本质是VP的上位。在口语里把括号里的省略掉，不影响理解。
李：对，不影响理解，意思都在，就是不符合搭配习惯，萝卜与坑有违和感。这不正是可以借助机器的地方吗？让机器来帮助把句子写顺，前几天提出过这个利用MT倒腾的小窍门：告诉你一个写外语避免常见错误的实用技巧。
可以试试：
我收到了他自杀未遂 --》 I received his attempted suicide --》 我收到了他企图自杀的信。
哇塞，加了 “的信”二字，听上去顺溜多了。截个屏，留存个突破天花板的神（经）迹。（好玩的插曲：“自杀未遂” 来回一倒腾 成了 “企图自杀”，意思没变。）
不得不说，MT发展到今天的“神经”程度，在信达雅之外，多了一个“改良”的维度。以前谈“信达雅” 是以原文作为天花板，然后讲的是翻译过程中 如何尽可能达到原文的品质，从这几个角度来看。现在可以说，MT 可以让破烂的文字，翻译为通顺的文字。也就是说，目标语表述终于有了突破原文天花板的可能了。这可是违背了取法乎上仅得其中的经验法则哟。取法乎下，可得其中哪。
这个奇迹是怎么发生的？
白：这就好比，正确的理解是一些深坑（学术上叫“稳定吸引子”），错误的表达好比球放到了斜坡上，重力自会把它“吸”到深坑里去。只要放球的斜坡处在深坑的喇叭口处。
李：对。这个奇迹的发生 是一种 propagation 的结果。在大数据中，良性熏染强过 error propagation。MT 实际上取法的不是原文输入文句，那个原文只是一个种子，一个引子。真正取法的是目标语大数据。大数据的平均品质必然高于 broken Chinese （or broken English）。因此虽然 trigger 是 broken 的，结果却是好的。
白：大数据是表象。稳定吸引子才是精髓。大数据砸出坑，最后起作用是坑。
李：坑的吸引这些东西 还是需要有足够的数据才能奏效。
以前责怪过神经MT的无中生有（除了张冠李戴指鹿为马外），以为它只会产生弊端/副作用，典型的为通顺，牺牲忠实。现在看来，也有无中生有并不怎么牺牲忠实却带来了通顺好处的情形。前面例子无中生有出来的 “的信” 就是一个改良。因为大数据里面，“收到”后面几乎总是有个抽象名词，突然没有了，那就无中生有给加上一个“（收到......) 的信”。要是somehow 能改为：“我收到了他企图自杀的信息”，那就更好了。“信息” 比 “信” 更加抽象，更适合无中生有，而不产生副作用。其实相信大数据里面“收到 -- 信/信息”都是存在的 但是前者压倒了后者。因此 “无中生有最好采用抽象虚指的词填坑” 这个立足于本体子范畴知识的启发式（heuristic），在目前的模型里面不能贯彻。可以归纳出来的不同角度的启发式这种东西，还是符号系统容易带入，神经比较难。
白：这也可以通过好的本体来做。两弧相交，一样得出无中生有的东东，符号路线本身并不禁止这个。收到+“那个”也是可以的，而且更加抽象，管它是信还是信息。
李：其实 这次”MT倒腾改进表达“的实验，翻译过来的英文本身仍很破烂，如果足够好的话，第一步从破烂中文翻译成英文的时候，就应该已经克服了这个“receive … suicide“ 动宾搭配不当的问题，因为英文的 receive 也是子范畴规定宾语坑要用 NP 而不是 VP的。可惜这一步没到位。好在，翻回中文的时候，良性熏染出效果了。就是说 这么一倒腾 实际上给机器两次改正的机会，somehow 英文的大数据模型在这个数据点上 不够强。预期的改良没有实现，但是还有个中文大数据的第二次机会。
白：真想做改良这个事情，其实完全无需借道MT，作为一个独立的端到端任务，可以做得更好。
李：这就是我前几天说的，A--》A' 的主意 (见 告诉你一个写外语避免常见错误的实用技巧)，不用 A --》B --》A'。直接来帮助改进文字，辅助写作，弄得好的话，这可是产品的金点子。
奇怪，写诗写词，都有人做了。写应用文这种惠济苍生的事儿，却还没人在做。这几天的实验实际上已经验证了可行性。剩下的就是产品定位和实际去做了。以后那些文秘可真地要面临失业危险了，据说多数中文系出来的文秘就是为老板写应用文 要写得比较溜 不同文书有不同规范。等到每一个应用文都训练出一个模型后，比一般秘书做得好，几乎是肯定的了。以后 秘书就是留下来 也省力多了，胡乱起草一个文书 只要意思大体在 交给机器生成规范的应用文，比自己在那儿费劲拽好多了。
白：规范就是稳定吸引子。
李：现在可以训练机器讲话，奥巴马可以用自己的调调发表中文演说，惟妙惟肖。很快，也应该可以训练机器写出不同风格的文字，越八股的类型 越好模仿。
【相关】
https://blog.sciencenet.cn/blog-362400-1161879.html
上一篇：2019春节，见证奇迹的时刻
下一篇：【自然语言答问：尿辨】
