الفاظ کے کھیل کو جائز حرفی سلسلوں کی فہرست سے زیادہ کچھ درکار ہوتا ہے۔ اسے یہ بتانا ہوتا ہے کہ ہر ایک کا مطلب کیا ہے، اور مطلب ہی وہ چیز ہے جسے محفوظ کرنا سب سے مشکل ہے۔
انگریزی میں لکھا اور ترمیم کیا گیا۔ یہ اردو نسخہ مشینی ترجمے سے تیار کیا گیا ہے؛ جہاں درستی اہم ہو، وہاں انگریزی اصل ہی مستند ہے۔ اصل انگریزی متن پڑھیں ←
WordChess 25×25 کے بورڈ پر 148,941 الفاظ کی انگریزی لغت کے ساتھ کھیلا جاتا ہے 6، جس کے اندراجات اوسطاً 8.6 حروف کے ہیں اور سب سے لمبا 27 حروف تک جاتا ہے۔ یہ آسان حصہ ہے۔ جائز الفاظ کی فہرست بس حرفی سلسلوں کا ایک مجموعہ ہے جسے کھیل قبول کر لے گا۔ دلچسپ حصہ کھلاڑی کو یہ بتانا ہے کہ بورڈ پر موجود سلسلے کا مطلب کیا ہے، اور یہ بیک وقت بائیس زبانوں میں کرنا۔
لغت نویس مادّہ لفظ (lemma) اور اس کی صرفی شکلوں کے درمیان واضح لکیر کھینچتے ہیں۔ lemma وہ سرِ لفظ ہے جسے آپ لغت میں ڈھونڈتے ہیں، جیسے run (دوڑنا)، house (گھر)، be (ہونا)۔ اس کے گرد سطحی شکلوں کا ایک گردان نظام گھومتا ہے: runs، ran، running۔ ہر شکل وہی بنیادی معنی رکھتی ہے، بس ایک مختلف نحوی کردار کے لیے ملبوس۔ 3 لغت اپنی عبارت مادّہ لفظ پر صرف کرتی ہے اور سایوں کو صرف اصل کی طرف اشارہ کرنے کے لیے چھوڑ دیتی ہے۔
کوئی لفظ کتنے سائے ڈالتا ہے، یہ زبان پر منحصر ہے۔ انگریزی تحلیلی (analytic) زبان ہے: وہ الفاظ کی ترتیب اور چھوٹے معاون الفاظ پر انحصار کرتی ہے، اس لیے کسی فعل کی شاذ ہی چند سے زیادہ شکلیں ہوتی ہیں۔ فنش التصاقی (agglutinative) زبان ہے، یعنی وہ مادّے کے ساتھ لاحقے جوڑ جوڑ کر معنی بناتی ہے۔ ایک واحد فنش اسم تقریباً پندرہ حالتوں کے لیے، واحد اور جمع میں، گردان کرتا ہے، اور اس کے اوپر ملکیتی لاحقے اور کلیٹکس الگ سے جڑتے ہیں؛ عملی طور پر مختلف شکلوں کی تعداد ہزاروں تک پہنچتی ہے۔ 4 ہنگیرین ایک پورے انگریزی فقرے in my house (میرے گھر میں) کو ایک لفظ házamban میں سمو دیتی ہے۔ 5
تعریفیں Wiktionary سے آتی ہیں، وہ مفت لغت جس میں کوئی بھی ترمیم کر سکتا ہے۔ یہ بے حد بڑی اور کثیر لسانی ہے: یہ منصوبہ سو سے کہیں زیادہ فعال لسانی ایڈیشنوں اور کروڑوں اندراجات پر پھیلا ہوا ہے، جنہیں کسی تنخواہ دار ادارتی بورڈ کے بجائے رضاکاروں نے مل کر لکھا ہے۔ 1 22 زبانوں میں چلنے والے کھیل کے لیے کوئی دوسری مفت لغت وسعت میں اس کے قریب بھی نہیں آتی۔
لیکن کاغذ پر وسعت وہ وسعت نہیں جسے پڑھ کر سنایا جا سکے۔ Wiktionary صرفی شکلوں کو اس طرح محفوظ کرتی ہے کہ انسانی مدیروں کو ایک ہی توضیح دس ہزار بار نہ لکھنی پڑے۔ تعریف لکھنے کے بجائے، غیر مادّہ اندراج میں ایک form-of سانچہ ہوتا ہے، ایک چھوٹا سا اشارہ جو گویا یہ کہتا ہے کہ ”یہ اُس مادّہ لفظ کی ایک خاص نحوی شکل ہے“۔ 2 لفظ smoulders کا اندراج کوئی عبارت نہیں؛ یہ ایک سانچہ ہے جو ”third-person singular simple present form of smoulder“ (یعنی smoulder، سلگنا، کی واحد غائب زمانۂ حال مطلق شکل) کی صورت میں ظاہر ہوتا ہے۔ 1
یہ اشارے کوئی معمولی کسر نہیں۔ انگریزی Wiktionary پر تقریباً 1.27 ملین (12.7 لاکھ) تعریفوں میں سے کوئی 478,000، یعنی ایک تہائی سے کہیں زیادہ، لکھے ہوئے معانی کے بجائے ”form of“ تعریفیں ہیں۔ 1 ڈیٹا موجود ہے۔ بس تہہ کیا ہوا ہے۔
چنانچہ جو چیلنج اہم تھا وہ کبھی یہ نہیں تھا کہ ”لفظ غائب ہے“۔ مسئلہ یہ تھا کہ لفظ کا مطلب ایک ایسے سانچے کے اندر بیٹھا تھا جسے کوئی سادہ پارسر پھینک دیتا۔ WordChess کی تعریفیں Wiktionary کے خام ڈمپس کو پڑھ کر اور صرفی سانچوں کو زبان بہ زبان کھول کر بنائی گئیں، پارسر کو یہ سکھا کر کہ ہر اشارے کا کیا مطلب ہے اور اسے ایک سادہ توضیح میں دوبارہ لکھ کر۔ 6
ہر زبان اپنی شکلوں کو مختلف مشینری کے پیچھے چھپاتی ہے۔ ہسپانوی فعلی شکلوں کو {{forma verbo}} کے پیچھے رکھتی ہے، جسے ”verbal form of X“ (X کی فعلی شکل) میں حل کیا جاتا ہے۔ جرمن تصریف شدہ اور گردان شدہ شکلوں کے لیے {{Grundformverweis Dekl/Konj}} استعمال کرتی ہے۔ فنش {{taivutusmuoto}} پر انحصار کرتی ہے۔ روسی اکثر کوئی شکلی سانچہ محفوظ ہی نہیں کرتی؛ صرفی لفظ محض ایک سادہ ری ڈائریکٹ ہوتا ہے (собаки → собака) جس کا پیچھا کر کے ”form of“ توضیح حاصل کرنی پڑتی ہے۔ 6 ہر روایت کو سنبھال لیجیے، تو وسعت میں اچھال آ جاتا ہے۔
| زبان | پہلے | بعد | اضافہ |
|---|---|---|---|
| جرمن | 45% | 92% | +47 |
| ڈچ | 58% | 90% | +32 |
| فنش | 54% | 74% | +20 |
| روسی | 20% | 70% | +50 |
| یونانی | 15% | 57% | +42 |
اس منصوبے کے ڈیزائن اور تعمیر کے نوٹس سے ماپا گیا۔ فیصد سے مراد لغت کے ان اندراجات کا تناسب ہے جن میں قابلِ استعمال تعریف یا حل شدہ ”form of“ توضیح موجود ہو۔
ڈیٹا کبھی غائب نہیں تھا۔ وہ ایک اشارے میں تہہ کر دیا گیا تھا، اور مشین کو لفظ دینے کا مطلب اسے کھولنا سیکھنا تھا۔
یہ ایمانداری سے ماننا چاہیے کہ کھیل کے پاس اب دراصل کیا ہے۔ جب WordChess دکھاتا ہے کہ собаки، لفظ собака (”کتا“) کی ایک شکل ہے، تو اس نے کچھ بھی سمجھا نہیں ہوتا۔ اس نے ایک حرفی سلسلے کو دوسرے حرفی سلسلے، یعنی ایک توضیح، سے ملا دیا ہے، انہی اشاروں کا پیچھا کر کے جو کسی انسانی مدیر نے چھوڑے تھے۔ یہ lemmatization ہے، یعنی مادّہ لفظ تک رسائی، جو فطری زبان کی پروسیسنگ کا بنیادی گھوڑا ہے: کسی سطحی شکل کو اس کی بنیاد تک گھٹانا تاکہ مشین کو کم الگ الگ چیزوں کا حساب رکھنا پڑے۔ 7
یہ جاننے کی ایک حقیقی اور مفید قسم ہے۔ اس کی بدولت کھیل ایتھنز یا ایمسٹرڈیم میں کسی ملازم لغت نویس کے بغیر ”یہ لفظ کیا ہے؟“ کا جواب دے سکتا ہے۔ لیکن یہ دیکھ کر بتانے والا جاننا ہے، معنی سمجھنے والا جاننا نہیں۔ توضیح ایک وعدہ ہے کہ اسے پڑھنے والا شخص لفظ کو پہچان لے گا۔ مشین وعدہ سنبھالتی ہے؛ معنی قاری فراہم کرتا ہے۔
کچھ زبانیں ایک ایسی حد سے ٹکراتی ہیں جسے کوئی پارسر نہیں اٹھا سکتا، کیونکہ کھولنے کے لیے ڈیٹا موجود ہی نہیں۔ ہنگیرین اندراجات میں اکثر صرف اشتقاق اور ترجموں کا ایک جدول ہوتا ہے، تعریف کی کوئی عبارت نہیں، اس لیے ایک کامل پڑھنے والا بھی خالی ہاتھ لوٹتا ہے۔ سب سے مشکل مثالیں وہیں جمع ہیں جہاں لسانیات سب سے مشکل ہے: فنش اور ہنگیرین جیسی التصاقی زبانیں، جو بے پناہ گردان نظام پیدا کرتی ہیں، اور سیریلک اور یونانی رسم الخط، جہاں برادری کی فراہم کردہ وسعت شروع ہی سے کم ہے۔ یونانی 15% سے بڑھ کر 57% تک پہنچی؛ اس کا جرمن کی 92% سے کافی پیچھے رہ جانا ماخذ کے بارے میں ایک حقیقت ہے، کوڈ کے بارے میں نہیں۔ 6