ایک الفاں کا کھیل قانونی سلسلوں کی فہرست سے زیادہ ضرورت رکھتا ہے۔ اسے ہر ایک کا معنیبتانا ہوگا، اور معنی وہ سب سے مشکل چیز ہے جسے محفوظ رکھا جا سکتا ہے۔
ورڈچیس 25×25 کے بورڈ پر کھیلا جاتا ہے جس میں 148,941لفظ انگریزی لغت6شامل ہے، جس میں اندراجات کی اوسط 8.6 حروف کی ہوتی ہے، کچھ 25 حروف تک بھی پھیلتے ہیں۔ یہ آسان حصہ ہے۔ قانونی الفاں کی فہرست صرف ان سلسلوں کا سیٹ ہے جسے کھیل قبول کرے گا۔ دلچسپ حصہ کھلاڑی کو بتانا ہے کہ بورڈ پر موجود سلسلہ کیامعنی رکھتا ہے، اور یہ کام ایک ساتھ اکیس زبانوں میں کرنا ہے۔
لغت ساز ایک تیز خط لِمہ اور اس کی صرف شدہ شکلیں۔ لِمہ وہ سرِخی ہے جسے آپ ڈکشنری میں تلاش کرتے ہیں، run, house, be۔ اس کے گرد سطحی شکلوں کا ایک نظام چکر لگاتا ہے: runs, ran, running۔ ہر ایک میں وہی بنیادی معنی موجود ہیں، بس وہ مختلف دستوری کردار کے لیے سجا ہوا ہے۔3 ڈکشنری اپنی تحریر لِمہ پر خرچ کرتی ہے اور سایوں کو گھر کی طرف اشارہ کرنے دیتی ہے۔
کسی لفظ کے کتنے سایے پڑتے ہیں، یہ زبان پر منحصر ہے۔ انگریزی تحلیلیہے: یہ لفظوں کی ترتیب اور چھوٹے مددگار الفاظ پر انحصار کرتی ہے، اس لیے ایک فعل کی شکلیں اکثر چند ہی ہوتی ہیں۔ فنش ہے لگاؤ، یہ بنیاد پر پچوں کو چپکا کر معنی بناتی ہے۔ ایک واحد فنش کچھ پندرہ صورتوں میں بدل جاتا ہے، مفرد اور جمع دونوں میں، اور پھر اسی پر اِلّاکی اور چپٹے (clitics) لگ جاتے ہیں؛ مختلف شکلوں کی عملی تعداد ہزاروں تک پہنچ جاتی ہے۔4 ہنگاری ایک پوری انگریزی جملے کو, میرے گھر میں، ایک لفظ میں سمیٹ لیتا ہے، házamban.5
تعریفیں ویکشنریمیں سے آتی ہیں، جو ایک مفت لغت ہے جسے کوئی بھی ترمیم کر سکتا ہے۔ یہ بہت بڑی اور کثیر اللسانیہے: یہ منصوبہ سو سے زائد فعال زبانوں کے ایڈیشنز اور کروڑوں اندراجات پر محیط ہے، جو اداریے بورڈ کے بجائے رضاکاروں نے مل کر لکھے ہیں۔1 ایک ایسے گیم کے لیے جو 22 زبانوں میں چلتا ہے، کوئی اور مفت لغت اس کی رینج کے قریب بھی نہیں ہے۔
لیکن کاغذ پر موجود رینج وہ نہیں جو آپ پڑھ کر سن سکیں۔ ویکشنری صرف شدہ شکلوں کو اس طرح محفوظ کرتا ہے کہ انسانی ایڈیٹرز کو ایک ہی گلاس دس ہزار بار لکھنے سے بچایا جائے۔ تعریف لکھنے کے بجائے، غیر لِمہ اندراج ایک فارم آف ٹیمپلیٹلاٹا ہے، جو ایک چھوٹا سا اشارہ ہے جو مؤثر طور پر کہتا ہے، "یہ اس لِمہ کی ایک مخصوص دستوری شکل ہے۔"2 انٹری smoulders نثر نہیں ہے؛ یہ ایک ٹیمپلیٹ ہے جو "smoulder کے تیسرے شخص واحد سادہ حال وقت" کے طور پر ظاہر ہوتا ہے۔1
یہ اشارے کسی چھوٹی موٹی غلطی نہیں ہیں۔ انگریزی وکشنری میں، تقریباً 1.27 ملین تعریفوں میں سے، کچھ 478,000، تیسرا حصہ سے بھی زیادہ، "form of" کی تعریفیں ہیں، نہ کہ لکھے ہوئے معنی۔1 ڈیٹا وہاں موجود ہے۔ یہ صرف تہہ کر دیا گیا ہے۔
لہذا جو چیلنج اہم تھا وہ کبھی "لفظ غائب ہے" نہیں تھا۔ یہ تھا کہ لفظ کا معنی ایک ٹیمپلیٹ کے اندر موجود تھا جسے ایک سادہ پارسر خارج کر دیتا۔ WordChess کی تعریفیں بنائی گئیں جب خام وکشنری ڈمپس کو پڑھا گیا اور انفلیکشن ٹیمپلیٹس کو کھولا گیا زبان بہ زبان، پارسر کو سکھایا گیا کہ ہر اشارہ کیا مطلب رکھتا ہے اور اسے ایک سادہ گلس میں دوبارہ لکھا گیا۔6
ہر زبان اپنے افعال کو مختلف مشینری کے پیچھے چھپاتی ہے۔ ہسپانوی زبان فعلی افعال کو {{forma verbo}}کی پیچھے چھپاتی ہے، جو "X کے فعلی شکل" میں حل ہوتا ہے۔ جرمن زبان {{Grundformverweis Dekl/Konj}} کا استعمال ڈیکلینڈ اور کنجوگیٹڈ افعال کے لیے کرتی ہے۔ فن لینڈی زبان {{taivutusmuoto}}. روسی اکثر اوقات کوئی فارم ٹیمپلیٹ ہی محفوظ نہیں کرتا، صرف مڑنے والا لفظ ایک خام ری ڈائریکٹ (собаки → собака) ہے جسے فالو کرنا پڑتا ہے تاکہ "فارم آف" گلس بحال کیا جا سکے۔6 ہر کنونشن کو ہینڈل کریں، اور کوریج اچانک بڑھ جاتی ہے۔
| زبان | پہلے | بعد میں | فائدہ |
|---|---|---|---|
| جرمن | 45% | 92% | +47 |
| ڈچ | 58% | 90% | +32 |
| فنش | 54% | 74% | +20 |
| روسی | 20% | 70% | +50 |
| یونانی | 15% | 57% | +42 |
اس پروجیکٹ کے ڈیزائن اور بلڈ نوٹس سے ماپا گیا۔ فیصدی ڈکشنری کے ان اندراجات کا حصہ ہے جن میں استعمال کی جا سکنی تعریف یا حل شدہ "فارم آف" گلس موجود ہے۔
ڈیٹا کبھی گم نہیں تھا۔ یہ ایک پوائنٹر میں تہہ دیا گیا تھا، اور مشین کو لفظ دینے کا مطلب تھا اسے کھولنے کا سیکھنا۔
اس بات کے بارے میں ایمانداری کا اظہار کرنا ضروری ہے کہ اب یہ کھیل کیا رکھتا ہے۔ جب WordChess دکھاتا ہے کہ собаки کا ایک شکل ہے собака، "کتا"، تو اس نے کچھ سمجھا نہیں ہے۔ اس نے ایک سلسلے کو دوسرے سلسلے، یعنی ایک وضاحت (gloss) سے جوڑا، اسی اشاروں کو فالو کر کے جو ایک انسانی ایڈیٹر نے پیچھے چھوڑے تھے۔ یہ lemmatizationہے، جو قدرتی زبان کے پروسیسنگ کا بنیادی عمل ہے: ایک ظاہری شکل کو اس کی بنیادی شکل تک گھٹانا تاکہ مشین کو کم تر مختلف چیزوں کو ٹریک کرنا پڑے۔7
یہ جاننے کا ایک حقیقی اور مفید قسم ہے۔ یہ کھیل کو اتھنز یا ایمسٹرڈیم میں "یہ لفظ کیا ہے؟" کا جواب دینے کی اجازت دیتا ہے، بغیر اس کے کہ اس کے ملازمین میں کوئی لغت نگار ہو۔ لیکن یہ لک اپ کے طور پر جانا ہے، معنی کے طور پر جانا نہیں۔ وضاحت (gloss) ایک وعدہ ہے کہ کوئی شخص، اسے پڑھ کر، اس لفظ کو پہچان لے گا۔ مشین اس وعدے کو برقرار رکھتی ہے؛ پڑھنے والا اسے معنی فراہم کرتا ہے۔
کچھ زبانیں ایک چھت تک پہنچ جاتی ہیں جسے کوئی پارسر اٹھا نہیں سکتا، کیونکہ ڈیٹا سادگی سے موجود نہیں ہے تاکہ اسے کھولا جا سکے۔ ہنگری کے اندراجات اکثر صرف ایک ایشوٹولوجی اور ترجموں کی ایک جدول رکھتے ہیں، کوئی تعریفی متن بالکل نہیں، اس لیے حتیٰ کہ ایک کامل پڑھنے والا بھی خالی ہاتھ واپس آتا ہے۔ سب سے مشکل کیسز وہ جگہوں پر جمع ہوتے ہیں جہاں لسانیات سب سے مشکل ہے: ایگریٹیوٹوٹو لسانیات جیسے فن لینڈی اور ہنگری، جو عظیم الشان پیراڈائمز پیدا کرتے ہیں، اور سیریلیک اور یونانی اسکرپٹس، جہاں کمیونٹی کی کوریج شروع سے ہی پتلی ہوتی ہے۔ یونانی 15% سے 57% تک پہنچا؛ یہ کہ یہ جرمن کے 92% سے کافی پیچھے رہ جاتا ہے، یہ کوڈ کے بارے میں نہیں بلکہ ماخذ کے بارے میں ایک حقیقت ہے۔ 6