بسم الله الرحمن الرحيم

السلام عليكم

هذه المرحلة لمجرد وضع الخطوط العريضة للمشروع قبل تحويله إلى مشروع عام داخل إحدى البيئات المناسبة

المسألة الأساسية التي أريد التركيز عليها هي التحقق من أن مصادرنا التي سنعتمد عليها حرة وليس لها حماية ملكية من أي نوع

بالطبع في هذه المرحلة يمكن الإطلاع على أية معلومات من باب التعلم تفيد إغناء المشروع ولكن العمل الحقيقي يجب أن ينطلق من مصادر حرة أو حتى من الصفر

 أول شيء هو استعراض الأنظمة الموجودة حاليا للترميز

الترميز الحرفي

بما أننا جميعا تجاوزنا مراحل في التعلم فلا حاجة لأن أشرح بنية الآلة الرقمية ((أقصد ليس فقط نظام العد الثنائي بل البناء المنطقي ((المنطق التتابعي)) للآلة ومفاهيم الفضاء التمثيلي الرقمي ))

والنظامASCII السباعي ثم امتداداته المتنوعة "الثمانية" ((IBM MS SaKHr NAF )) وأخيرا التوحيد الذي أنجزه ANSI ثم بدايات اليونيكود إلى UTF7 ثم UTF8 الذي أصبح أساسا لمعظم الأنظمة العالمية وأخيرا مشاريع تضمن موجهات المعنى المتعددة وUTF16

بدءا من إشارات مورس 1860 مرورا بنظام IBM الخماسي والبطاقات المثقبة إلى ASCII السباعي ثم امتداداته ثم النظام ASCII الثماني الذي أنجزه ANSI وبدايات اليونيكود UTF7>>UTF8 ثم التمهيد لحمل موجهات لبنية النص وتوحيد طول المرمز UTF16

جميع هذه الأنظمة هي أنظمة ترميز للحرف ثم المحرف ثم كتلة المحارف العالمية

ولكنني أشير إلى أن جميع هذه الأنظمة انطلقت من الإنكليزية (1) وتعاملت مع اللغة كمحارف (غير مترابطة) وليس ككلمات مكونة لجمل ذات معنى (2)وتم إدراج الحروف العربية ضمن توسعة الأنظمة (3) في أنظمة متعددة بلغت 7 عام 1995 حاليا هناك ثلاثة رئيسية ((win-1256 iso-8859-6 UTF8>>16 ))

وعوملت الحركات كمحارف (بالقياس على اللغات اللاتينية vowel ) عشوائيا أو ضمن الترتيب الأبجدي (4)

الأنظمة المعنوية semantic # syntax

في نفس الوقت 1876 أسس Ferdinand de Saussure علم اللسانيات  linguistics كحصيلة لعلم اللغات المقارن وعلم دلالات الألفاظ semantics وتطور هذا العلم إلى علم لدراسة علاقة الإشارة sign بالمعنى وانتقال المعنى Semiotics وأصبح علما قائما في الستينات (Barthes 1957),

انتقل هذا البحث إلى الأنظمة الرقمية في مختبرات MIT وأبحاث الذكاء الصناعي وظهرت لغة LISP ومشتقاتها ثم لتظهر أبحاث مدنية في الذكاء الصناعي والشبكة المعنوية Semantic web في جامعة بيركلي طورت أسلوبين قائمين لتضمن المعنى رقميا هما الأسلوب القاموسي وتعدد المرادفات ... واستفادت الشبكة المعنوية من الأسلوب القاموسي بينما ارتبط تعدد المرادفات بالذكاء الصنعي لصعوبته 

 هناك جانبان رئيسيان لتعامل الآلة الرقمية مع المعنى هما مشاريع تضمن المعنى والذكاء الصناعي http://www.linguistics.berkeley.edu/

http://dwinelle.berkeley.edu/

ومشروع الشبكة المعنوية semantic web  والمشروعان مرتبطان من حيث الأفكار الأساسية

ويمكننا القول إن هناك طريقتان حاليا لتضمن المعنى ((هناك طرق أخرى قيد الدراسة))

1-     الطريقة الأولى هي في شرح أي جزء منفصل من الجملة (الكلام) من خلال قاموس كلمات إنكليزية اختيرت بدراسة مستفيضة ووضعت ارتباطات (شيء من الاشتقاق) محددة وصارمة بينها القاموس حاليا يحوي 3000-4500 كلمة

2-     الطريقة الثانية هي شرح كل كلمة بأكبر عدد ممكن من المرادفات

ونلاحظ أن الطريقتان تتمان حاليا من خلال تفاعل مباشر مع الكاتب أثناء الكتابة مع شيء من اليدوية في تحديد المرادفات أو تعريف المقصود من خلال القاموس وهو يتطلب معرفة ليس بالإنكليزية بل وترابطات مفردات القاموس

وبينما القاموس المقترح هو بنية وسيطة وهناك قواعد بيانات جدولية تربطه مع اللغة الحية ودلالة كلماته هي لسهولة استخدامه من فبل البشر ((الكتاب المعنويون)) فإن على نظامنا أن يعكس الدلالات الحقيقية الموجودة أو الممكنة داخل بنية اللغة العربية

لأن العربية لغة اشتقاقية والاشتقاق هو علاقة تربط شكل ((مبنى)) لفظتين ذات دلالتين معنويتين أي أن هناك ارتباطا بنيويا يعكس ارتباطا معنويا

وظهرت مؤخرا أبحاث تستند إلى مفهوم ontology في بناء أنظمة دلالية آلية  والأونتولوجية وصف تجريدي لعلاقة موجودة أو مفترضة يتم تمثيلها حاسوبيا بواسطة لغة RDF=Resource Description Framework المشتقة من XML

في جميع الحالات بالنسبة لكل ما هو معنوي الكلمة المفردة هي الوحدة الأساسية المرمزة وليس الحرف والموجهات XML هي كلمات ذات دلالة صارمة

ولأن الشبكة هي ويب وصعوبة تعامل لغات برمجة ويب مع البت تم تطوير النظام القاموسي على أساس قاعدة بيانات ولكن المرمز المفرد ظل مؤشرا ككلمة والمؤشر الجدولي هو أبسط شكل مقترح في ترميزنا

الأساس اللغوي ((العربية))

اللغة العربية لغة اشتقاقية يعتبر الفعل الثلاثي "أو الرباعي" أصلا ترد إليه جميع كلماتها    http://www.angelfire.com/tx4/lisan/speechacts.htm

 (هناك شواذ تحدث ابن جني وابن فارس عن قواعد معقدة لها) وفق قوالب ثابتة سميت أوزانا http://www.angelfire.com/tx4/lisan/lex_zam/dilalahessays/jinni.htm

كما درس عدد من الباحثين علاقة تربط الحروف بمعاني جزئية

http://www.awu-dam.org/book/98/study98/189-h-a/book98-sd006.htm

للأسف رغم عدم وجود جهود قوية في علم اللسانيات باللغة العربية إلا أن هناك بعض الجهود التي يمكن الاستناد إليها في المرحلة الأولى التي تهتم بترميز الكلمة وهي علم الصرف ((شبه المكتمل)) وتبقى الإشكاليات الصوتية وعلاقات الأوزان

http://www.angelfire.com/tx4/lisan/lex_zam/dilalahessays/dilalasources.htm

 في اللغة العربية هناك قاموسان قديمان للمترادفات لا يمكن مقارنتهما بما هو موجود بالإنكليزية أو بعض اللغات الأخرى

على صعيد البرمجيات هناك عمل ضخم بذل في شركة صخر لبناء مكتبة برمجيات وقاعدة بيانات اشتقاقية تم استخدامه في الأستاذ والقاموس وأوقف المشروعان في 1998 كما استخدم المحرك في موسوعة الكتب التسعة ((آخر إصدار 2000 )) وما يزال هذا المحرك متفوقا دون منازع على أي برمجية معروفة حتى الآن رغم قدمه ... كما أن لدى كل من صخر و IBM مصر قاعدتي بيانات ضخمتين للمكونات الصوتية العربية ((المقابل الصوتي للفونيم المفرد وعلاقته بمجاوراته ...))

كلها للأسف مخزنة غير قابلة للاستخدام أو الفتح أو حتى البيع (( أعرف محاولة لشراء جزء من المكتبة الصوتية ))

على صعيد القاموس والترجمة هناك عمل حر جيد بذل في أرابايز ومن المتوقع أن يكون القاموس شبه مكتمل عندما سنحاول استخدامه في مشروعنا بإذن الله

على صعيد قاموس عربي عربي  لا شيء حر موجود حسب علمي

هناك شخص يدعى Gregg Reynolds يساهم في أرابايز في توجيه عمليات التعريب ويبدو أنه جزء من فريق يعمل تحت ترخيص creative في مشروع متكامل لدعم تعدد اللغات الجزء العربي منه http://www.arabink.com/patacode

هناك ملف http://www.arabink.com/patacode/encoding.pdf يشرح رؤيتهم لدعم العربية والمشاكل التي تواجههم ويبدو أن لديهم مشروعا مستقبليا لتضمن المعنى إلا أنه ليس اشتقاقي ومشاكلهم الحالية هي في شكل الكتابة

لغويا ((علم اللسانيات))  العربية إحدى ثلاثة لغات حية اشتقاقية هي العربية والعبرية والسريانية والعربية هي الوحيدة التي تملك نظاما صارما للاشتقاق وباستثناء النوادر من الشواذ فإن كل شيء مقعد بصرامة وإن فضل اللغويون استخدام مصطلح سماعي ((كما في مصدر الثلاثي وبعض جموع التكسير)) لأن استخدام القاعدة أصعب من حفظ الحالات بالنسبة للإنسان ((ليس الآلة))

أرقى من الصرف ((الاشتقاق)) بقليل هناك علم الدلالة المتداخل مع المنطق والأصول و الأصوليون ((من أصول الفقه)) هم الذين استفاضوا في توسيع ودراسة علم الدلالة وتكاد نصف مؤلفاتهم تخصص لأسس الدلالة

على المستوى الأوسع فإن ابن جني أول من درس علاقة حروف الكلمة ومبناها بالمعنى فيما أسماه الاشتقاق الأكبر في كتابه الخصائص ولم يهتم من تلاه من فقهاء اللغة بما بدأه إلى أن جاء المتأخرون حديثا وظهرت بعض الدراسات وأقوى ما اطلعت عليه في هذا المجال هو كتاب حسن عباس خصائص الحروف العربية ومعانيها من منشورات اتحاد الكتاب العرب http://www.awu-dam.org وقد لا تفيد دراسته في عملنا إلا أن من الواضح أنه بذل ولأكثر من عشر سنوات جهدا ضخما على محتويات القاموس الوسيط كونت لديه جداول يمكن الاستفادة منها بالنسبة لنا

العربية لغة اشتقاقية وهناك علاقات مطردة ((يمكن تأليلها)) تحدد بنية اللغة وتربط العلاقات الدلالية بعلاقات شكلية ((مبنى الكلمة)) ونحن لسنا في معرض نقاش فيما إذا كان هناك لغات اشتقاقية أخرى أم لا ... المهم إن البنية الاشتقاقية لا أثر لها في الأنظمة المعنوية الحالية وذلك لأن الإنكليزية ((على الأقل)) ليست اشتقاقية

هذه العلاقات البنيوية ((الاشتقاقية)) التي تربط العلاقات الدلالية ((المعنى)) بعلاقات شكلية وتوليدية في العربية ليست مدروسة بالكامل وهي ثلاث أجزاء

علاقات اشتقاقية صرفية تربط المعاني الجزئية المتعلق بأصل ((جذر)) معين مع أشكال الكلمات ((الأوزان)) المختلفة وهي علاقات مطردة ومقعدة بالكامل في علم الصرف

علاقات بنيوية تربط بين المعاني المختلفة ((دلالات )) للأوزان وبنية هذه الأوزان وهناك دراسات لا بأس بها هنا ولكنها ما تزال قاصرة ومتفرقة

علاقات صوتية تربط بين الصوت المنطوق للكلمة ودلالة هذه الكلمة وهناك من يرفض هذه النظرية ((قلة)) وهناك من يقول بوجود شيء من العلاقة في أصل بنية اللغة ولكنها ليست مطردة وهم الأكثرية الساحقة من علماء العربية ولكن لم توجد ضمن البنية العلمية العربية يوما ما دراسات صوتية ((باستثناء القواعد البسيطة في التجويد)) يمكن القبول بها والاعتماد عليها للوصول إلى تحديد هذه العلاقات ومدى اطرادها ....

ونلاحظ أنه بالنسبة لما تقبله الغالبية فالأصل هو العلاقات الصوتية ((عندما كانت اللغة بسيطة كما يعبر علماء اللسانيات)) ولكنها تطورت فيما بعد بالتواضع ((ربما استخدم النحت أو شيء من اطراد العلاقات الصوتية)) ولكن المسيطر حسب رأيهم هو التواضع والشيء الوحيد الذي حافظ العرب على اطراده هو الاشتقاق

منذ بدايات تقعيد اللغة العربية كان هناك نظريتان ((ليستا منفصلتين تماما بل هناك تدرج بينهما)) لنشوء اللغة ويجب أن نلاحظ أن هذا يتداخل مع مسلمة غيبية لجميع الدارسين قبل العصر الحديث ((العرب والسريان والعبريين واليونانيين)) وهي أن آدم "عليه السلام" أبو البشر علمه ربه ((هنا الاختلاف؟؟؟))

النظرية الأولى في أقصى تشددها تقول إن اللغة كلها إلهام من الخالق وهذه الرؤية تعجز عن تفسير منطقي لاختلاف ألسنة البشر ولهذا عدلها البعض بأن جل اللغة إلهام وأن تطورات حدثت أدت إلى تباين الألسنة.

النظرية الثانية تقول في أقصى تشددها إن اللغة تواضع وأن الألفاظ وضعها البعض وقبلها المجموع لدلالات معينة ثم تطورت ولكنها تصطدم بتناسق بعض اللغات المحكم وهذا الأسلوب التطوري يجب أن يخلق لغات يغلب عليها الشذوذ لتباين رؤى وثقافات واضعي الدلالات ((الإنكليزية الحالية كتطور لست لغات)) وطبعا ظهرت تعديلات مختلفة تقبل شيئا من الإلهام الإلهي ويتدرج حجم الإلهام المقبول إلى نظرية التواضع .

أنا سأعرض رؤية تحوي الكثير من الغموض والشك تستند إلى رؤية سيبويه ((الكتاب)) وابن جني ((الخصائص)) ومؤسس علم اللسانيات الحديث فرديناند دي ساوروس وأعتقدها حاليا تقبل التكافؤ مع النظم الآلية ((يجب ملاحظة أنه بالنسبة للعربية هناك جدل حول أصول المفردات هل هي الأفعال أم المصادر "الأسماء"))

في الأصل بدأت اللغة كتعبير من شخص للآخرين عن أشياء بحكاية صوت هذه الأشياء ((قعقع زلزل هز ..)).. حكايات الأصوات هذه كونت معجما سمح بارتقاء التجريد إلى الاعتماد على بنية المعجم النسبية باعتماد أصوات "ألفاظ" تدل على صفات مكانية كالحجم والسرعة ((بقرة ضخم خطف ...)) تطور التجريد بتضخم المعجم إلى توصيف صفات مكانية أكثر تجريدا كالألوان والجمال ومزيج من هذه الصفات ((الألوان ثم ألفاظ مشتقة كالحمار والهر ...)) ثم ارتقى التجريد اللفظي إلى معاني مجردة ((القوة السرعة ..)) وهكذا تطور المعجم من تمثيل بسيط إلى تجريد لفظي ذهني ولكنه ظل لا يحوي سوى أسماء ((أو حتى أسماء أفعال)) وكان التعبير عن معنى يتطلب استخدام الأسماء والإشارات والإيحاءات

     مع الاستخدام استبدلت بعض الإشارات وظهرت الأدوات البسيطة كالنداء والتنبيه والإشارة تطورت آلية التجريد هذه بتوليد ألفاظ دالة على أفعال بسيطة ثم تم اشتقاق دلالات أخرى باعتماد أساليب كنحت المفردات أو إضافة حروف محددة لتحويل مفردة من دلالة إلى دلالة قريبة ((هنا يظهر مفهوم دلالة بعض الحروف)) في هذه المراحل بدأ الفعل يسيطر كأصل للاشتقاق بدل المصدر ((الاسم))

وبدأت بنية الجملة الكاملة تتكامل من خلال تجميد بعض الألفاظ على دلالات محددة وظهور متممات الجملة ((الحروف والظروف )) وربما تم قص بعض الألفاظ المستخدمة بكثرة من متعددة الحروف إلى حرف أو حرفان وبدأت مفاهيم الدلالة اللفظية ((علم الأصول )) تظهر لأنه لا يمكن إكمال البناء بدونها

لا نستطيع أن نحدد متى بدأ التطور يتحول من موحد ((لغة واحدة لكل البشر)) إلى متعدد ((ظهور اللغات)) ولكن من الواضح أن هناك آليات غير موجودة في بعض اللغات ((يستخدم الإندونيسيين التكرار للدلالة على الجمع... فعل الكون في معظم اللغات الهندو أوربية ... ))

يقول الله تعالى {وَعَلَّمَ آدَمَ الأَسْمَاء كُلَّهَا ثُمَّ عَرَضَهُمْ عَلَى الْمَلاَئِكَةِ فَقَالَ أَنبِئُونِي بِأَسْمَاء هَـؤُلاء إِن كُنتُمْ صَادِقِينَ }البقرة31  ... أنا أفهم هذه الآية ((سيبويه وابن جني)) أن الله سبحانه وتعالى أودع هذا المخلوق "آدم" القدرة على التجريد اللفظي وهذا هو التباين بين تعليم الله آدم "الأسماء كلها" والعلم الجزئي الذي علمه الملائكة ((( قَالُواْ سُبْحَانَكَ لاَ عِلْمَ لَنَا إِلاَّ مَا عَلَّمْتَنَا إِنَّكَ أَنتَ الْعَلِيمُ الْحَكِيمُ{32}))) الذي جعل لآدم ((الإنسان)) منزلته الخاصة

يقول العرب قبل الإسلام بأن ((جرهم الخزاعي)) هو أول من تكلم العربية ... يعتبر غيب 1926 ونيكلسون 1966 أن الأدب العربي وهو محور تطور اللغة العربية عن بقية اللهجات السامية يستند إلى نظرية المفاجأة وأنه بين 500-622 ميلادية "ظهر فجأة وسط البدو المنعزلين مجموعة من الشعراء في شمال شبه الجزيرة ((الجزء السامي من العرب الذين ينتسبون إلى إبراهيم)) بدأوا ينشدون قصائد فريدة ومتميزة في قوتها وموضوعاتها ،وحيوية خيالها ، ودقة تصويرها ، واستخدامها لغة غنية جدا بمفرداتها وفصاحتها" (غيب 1926-13)

بغض النظر عن اختلاف التواريخ يرجع أول استخدام لكلمة العربية -> العرب إلى القرن الثالث أو الرابع الميلادي على أبعد تقدير ... سمحت الثقافة البسيطة للحياة البدوية وطبيعة الترحال ، والحروب ، والأسر ، والرق -> ثم الشعر بتطور هذه اللهجة السامية بسرعة هائلة إلى بنية اشتقاقية صوتية وبنيوية وتشكل في ظروف محددة قبيل الإسلام أكبر مجتمع مساهم في تطوير لغة سرعان ما تحولت إلى مميزة له بحيث أسمى هؤلاء أنفسهم عربا "فصحاء" وأسموا جميع الآخرين بمن فيهم أبناء عمومتهم في الشام والعراق ((لهجتان عبريتان رئيسيتان وخمس لهجات سريانية وعشرات اللهجات الأقل أهمية)) أعاجم "أي عكس الفصحاء"

لا أقصد من هذا العرض محاولة بناء نظرية للغة وإنما كقاعدة لتأطير بنية رقمية مكافئة للبنية الصوتية المستخدمة في العربية (( لاحظ أن العربية لا تستخدم سوى ثلاث حروف علة وهي ستة باعتبار حالتان لكل حرف ""مد وحركة"" كما أن العربية تمج صعوبة النطق "" الحروف التي لا تجتمع والإبدال للتعذر والثقل"" )) بحيث تسمح هذه البنية باستقراء الآليات المعتمدة في توليد اللغة وتأطيرها وتقعيدها اعتمادا على استقراء العلاقات الصوتية والبنيوية من خلال مكافئاتها الرقمية

كان من الرائع لو تم التعاون بشكل وثيق مع لغويين ولكن يبدو أننا بحاجة لإنجاز البنية الأولى بالاعتماد على أنفسنا وستسمح هذه البنية ((حسب تصوري)) بتسارع العمل بشكل كبير بعد إنجاز هيكلها الأولي

هذا هو بعض التأصيل للأساس اللغوي لمشروع الترميز ونحن لا نمثل هذا الجانب وإنما الجانب التقني مع أهمية إدراكنا للخطوط العريضة للجانب اللغوي

ولكننا بحاجة لإجراء قراءة مستفيضة في هذا المجال لكل ما هو متاح من الدراسات التي يمكن أن تسهل وضع المرحلة الأولى من نظامنا

الأبحاث المتعلقة بالعربية أو المفيدة

وهنا بحثت عن الأبحاث والمشاريع التي أجريت في هذا المجال ووجدت بعض المشاريع وهي مفيدة في أنها جمعت الأصول التي نحتاجها ولكن كل ما اطلعت عليه طبقت على العربية القواعد اللاتينية المدروسة وآخرها دعوة عصام بيازيدي في أرابايز لدعم wikitionary ب wordlist أنجزها أرابايز والمشكلة أنها قائمة أصلا على wordnet وهو نظام قاموسي للإنكليزية قوي جدا ولكنه يرى الاشتقاق علاقة معنوية أو postfix or prefix وتدرج العربية ضمنه كجدول من الكلمات مع ما أمكن من العلاقات المعنوية الموضعة إنسانيا

استوقفني بحثان الأول لدكتورة http://zeus.cs.pacificu.edu/shereen/CL2001.pdf

http://zeus.cs.pacificu.edu/shereen/NAACL.pdf

http://zeus.cs.pacificu.edu/shereen/research.html

وهناك قاموس إنكليزي عربي يعتمد wordnet http://www.fi.muni.cz/gwc2004/proc/95.pdf

وهناك دراسة لشخص عربي وإن لم أجد فيها بسرعة ما يتعلق بالعربية ويبدو أنها تقعيد آلي للغة الإنكليزية http:/www.cs.queensu.ca/home/browse/Publications/Talib_Browse/1998_cito98paper.pdf

هناك بحث بالعربية متعلق بالوب الدلالي اطلعت عليه من زين ((شكرا)) وقد نسخت المخطط منه

نحن بحاجة للإطلاع على هذه الأبحاث وهي غالبا لطلاب عرب في الجامعات الغربية وتوصيفها لتحديد ما يمكن الاستفادة منه

أهداف المشروع 

إنشاء ترميز يتضمن شكل الكلمة العربية وبناءها الاشتقاقي بحيث يكون قابلا

• للتطور ليتضمن المعنى وبناء الجملة
• سهولة البحث والتصنيف سواء على مستوى الاشتقاق ((صخر)) أو على المستوى المعنوي
• سهولة ربط الترميز مع آلية عكسية تشكل مدققا إملائيا ثم نحويا وهو أول منتج حقيقي يجب أن نسعى لتطويره بحيث يشكل مدققا إملائيا تفاعليا ... وتسهيلا للكتابة بالفصحى .. وقاموسا فعالا للمفردات والمصطلحات
• نحن بحاجة لشيء من الخبرة ((خلدون .. عاصم..زين الدين ..إحسان .. )) في التعليمات التي تولدها المترجمات الشائعة أو إمكانية قسر المترجمات لتوليد تعليمات معينة للتعامل مع بنية الترميز بسلاسة وسرعة وبالتالي بناء الترميز للتوافق مع هذه الحاجة linuz said "x86 is afool duck" ولكن إنتل هو الشيء الوحيد الموجود في المنطقة العربية !!!!!!
• أن يمثل المشروع العلاقات البنيوية داخل اللغة العربية بحيث يصبح أساسا لإكمال الدراسات العلائقية والصوتية العربية بناءا على التوليد الآلي والتشابه مع العلاقات الرقمية
• أن يتمكن النظام من تسهيل التعامل مع الفصحى وكتابتها بدقة وزيادة شيوعها وتخزين النصوص مشكلة ((حاليا أقل من 1% من النصوص العربية مشكلة)) ثم إيجاد آلية لنقل النصوص العربية إلى البناء المشكل والمترابط
• تمييز الكلمات غير العربية ((غير المشتقة من أصل أو أنها لا تخضع لنظام التعريب )) ووضعها من خلال إطار يجب أن يوجد وهو كلمة مستعربة أو غير عربية وهي جزء لا يتجزأ من بنية الترميز وأما بالنسبة للمثالين (( خصخصة = فعفلة من خصص وحوسبة = فوعلة من حسب )) وليس هناك نظام ترميز ما لم يتم تقعيد هذه الأمور وليس هناك دراسات يمكن تقعيدها منطقيا بهذا الشأن حيث يصعب الاستفادة من بحث الأستاذ حسن عباس ومهمتنا التعاون لتحويل أمثال هذه الدراسات إلى بناء منطقي
• وضع نظام لتضمين موجهات داخل الترميز بحيث يستخدم لاحقا لحمل آليات مشابهة لـ XML or SQL  أو أي أنظمة توجيه آلية أخرى

مراحل المشروع

حاليا أقسم المشروع إلى ثلاثة مراحل 1- المرحلة البنائية وتهدف إلى وضع ترميز لشكل الكلمة واشتقاقها وهو أبسط أشكال المعنى

2-مرحلة توسيع الربط مع المعنى ضمن المفردة الواحدة ودراسة العلاقات البنيوية والاشتقاقية والصوتية للكلمة العربية

3- مرحلة تضمين موجهات لبناء الجملة والمعنى الكلي XML

المرحلة الأولى البنائية تقسم إلى مرحلة جمع المعلومات وبناء الفريق ثم دراسة وبناء نظام الترميز وهما متداخلتان 2000 ساعة عمل تقديرية

المرحلة الحالية جمع المعلومات ودراسة كل ما يتعلق بالمشروع من مشاريع أو دراسات موجودة وهي حتى الآن

أصول الدراسات العربية المتعلقة بعلاقة اللفظ بالمعنى حيث إن نتائج هذه الدراسات الموجودة ليس لها أي بعد تطبيقي وهي علم الصرف وعلم الدلالة وبعض الدراسات العلائقية والصوتية

الدراسات الصوتية الغربية المتعلقة بتصنيف الأصوات المفردة ((المرمزة ضمن أنظمة الترميز الحالية)) وعلاقاتها البنيوية لتوضيعها في ترميزنا

دراسات الذكاء الصنعي والشبكة المعنوية في جامعة بيركلي وربما الدراسات المتعلقة بالتصنيف العام للموارد URI=Uniform Resource Identifier  والآليات المشتقة منها RDF  

semiotics أو ما يسمى بالسيمياء وهل هناك شيء مفيد لنا فيها

الأطر المتفق أو سيتفق ((مشاريع)) عليها في منتدى المعالجات بشأن معالجة متطلبات الذكاء الصنعي

الدراسات العبرية المتعلقة بالاشتقاق وتطبيقاته الآلية في حال أمكن الحصول عليها بالإنكليزية ... والترتيب هو حسب الأهمية من وجهة نظري

المرحلة التالية تجميع النتائج التي سنحصل عليها وتحليلها وصياغة هيكلية للترميز وهنا يتم تأطير المشروع ووضع مراحل زمنية له وتتضمن هذه المرحلة

 بناء الجداول والعلاقات المنطقية التي يستند إليها الترميز وتنسيقها

مناقشة هذه العلاقات ووضع مخطط لنظام الترميز وآليات التكافؤ بين العلاقات الرقمية واللغوية وبناء أول نظام ترميز

بناء آلية برمجية تستند إلى الترميز وتولد قاموسا word list بشكل يمكن من استقرائه وتعديل الآليات العلائقية الرقمية-اللغوية إلى أن نصل لتكافؤ بين المفردات اللغوية ((الحروف المنطوقة أو ما يسمى أصوات الحروف والأوزان)) ومكافئاتها ((ممثلاتها)) الرقمية

عند هذه النقطة يمكن تعميم المشروع داخل البيئات المناسبة والبدء بدراسة العلاقات اللغوية انطلاقا من مكافئاتها الرقمية

تخطيط مكتبة برمجيات للتعامل مع الترميز والانتقال إلى الترميزات الشائعة وبالعكس

بناء مدقق إملائي يستند إلى الترميز

أهم الغايات التي تجب دراستها هي سهولة المعالجة من خلال تعليمات لغات البرمجة (دون اللجوء إلى أسمبلي ومعالجة البت) للحفاظ على المحمولية وملائمة الترميز لعملية الاشتقاق الجدولي التلقائي للاستفادة من التغذية العكسية للنظام كمدقق إملائي ... حيث يكتب المستخدم بدون تشكيل وعلى نظام الترميز أن يحصر الاحتمالات المقصودة مشكلة(شيء من هذا موجود في قاموس صخر الذي توقف إنتاجه للأسف بدون تحويله إلى مفتوح المصدر) ويقترحها في تغذية راجعة ... في مرحلة لاحقة سيكون بإمكان نظام للدلالة أن يحصر الاحتمالات بشكل أكبر ويقترح عددا أقل من الكلمات بحسب توقع المعنى وتغييرا لبنية الجملة

لا حاجة بنا الآن لتفصيل المراحل الأخرى حتى يتم وضوح المرحلة الأولى

البنية الحالية للمشروع

من الناحية التقنية فإن فضاء الأصول الثلاثية 28*28*28=21925 <32k ولكن تيم بوكوالتر صنفها في أقل من 5000 جذر http://www.angelfire.com/tx4/lisan/roots1.htm

وإن كنت لاحظت بعض التداخل في تصنيفه ... المهم أن 15 بت ستغطي كامل الاحتمالات تاركة المجال لاستخدام مواقع فارغة للتوسع وتضمين الجذور الرباعية وبعض الشواذ النادرة

 هناك أيضا 119 وزن ندرج ضمنها جميع اشتقاقات كلمات اللغة العربية <7بت ونلاحظ أنه بينما تستقل الجذور عن الحركات فإن الأوزان مشكلة بصرامة

هناك بعض الأوزان متعلقة بأخرى "اسم فاعل ومبالغاته" كما أن هناك بعض الأوزان ذات وجهين "فعيل مبالغة اسم فاعل ومفعول"

 في هذا المجال ذكرت أن هناك علاقات صوتية سواء بين أصوات حروف الجذر والمعنى الذي يحمله الجذر أو في تقعيد الأوزان ((لماذا استخدم المد ألف بعد الفاء للدلالة على اسم الفاعل ... )) وقد بحثت في هذا فوجدت أبحاثا يمكن الاستناد إليها في IPA= International Phonetic Alphabet وهي الجمعية المسؤولة عن أنظمة ترميز الأصوات البشرية  http://en.wikipedia.org/wiki/International_Phonetic_Alphabet

وهناك دراسة تجمع كثيرا من الأدوات التي يمكن استخدامها في تمييز الأصوات http://faculty.washington.edu/dillon/PhonResources/PhonResources.html

كما هناك مخطط صوتي رمزي لـ IPA http://upload.wikimedia.org/wikipedia/commons/7/74/Ipa-chart-all-1000px.png  وهناك دراسة لآليات توليد الصوت الإنساني هنا http://www.ims.uni-stuttgart.de/phonetik/EGG/page13a.htm

كما لا يجب إغفال لغة ترميز الأصوات Speech Synthesis Markup Language=SSML

http://www.w3.org/TR/speech-synthesis/

المهم أنا لم تتكون لدي بعد رؤية واضحة ولكنني لاحظت أنه يتفق على أن الصوت الإنساني  المفرد phoneme  ((وهو تجريد ذهني وليس فيزيائي)) له سبعة خصائص متباينة ((لا يمكن للفونيم المفرد الواحد أن يجمع أكثر من أربع خصائص)) لهذا يمكن تمثيل أصوات الحروف بسبعة بتات في المخطط الأولي

في المرحلة الأولى وبناء شكل الكلمة هناك الجذر ((ثلاثي غالبا)) ولدينا قرابة 5000 جذر ((أقل من عشرها رباعي وخماسي)) وبما أن الجذور مستقلة عن الحركات إذا للجذور الثلاثية 28*28*28=21952<32كيلو بت ولترميز الجذر هناك ثلاثة اقتراحات

1-     أبسط أسلوب هو تخصيص 5 بت لكل حرف وبالتالي 15 بت لترميز الجذر تكمل إلى 16 للإشارة إلى أن الجذر رباعي أو خماسي والسؤال هنا كيف يتم ترميز الأحرف ..وفق ترتيب أبجدي بسيط..وفق ترتيب صوتي ((مخرج الحرف)) .. وفق ترتيب معنوي !! أو وفق ترتيب بنيوي يعكس الآليات الصوتية الإنسانية مع التركيز على البنية المستخدمة في العربية وهنا يمكن استخدام 7 بت لتمثيل كل حرف منطوق في المخطط الأولي

2-     الأسلوب الثاني هو ترميز الجذر كاملا من خلال مشتقاته المستخدمة وشذوذاتها ... وسيئة هذا الأسلوب أن مرمز الجذر لا يتضمن الجذر وبالتالي الحاجة إلى العودة إلى جدول يربط المرمز بالجذر المقابل ولكن حسناته سهولة إيجاد المشتق وكون الجذور مصنفة فيه بشكل دقيق وإن كان بالإمكان إضافة هذا التصنيف إلى الأسلوب الأول في جزء ملحق وهذا الأسلوب مهمل تماما حاليا

3-     أنا حاليا أقترح بناء نموذج تفصيلي لكل جزء من المفردات اللغوية (الحروف والأوزان ...))  على حدة ثم الانتقال من هذه البنى إلى بنية مكافئة من خلال آليات التكافؤ داخل الفضاء الرقمي مع إدراج كل العلاقات الصوتية والبنيوية ((القيود والمحددات كعدم تلاقي بعض الحروف وعدم إمكانية النطق الذي يؤدي للقلب أو الإبدال أو الحذف في حالات الهمز والعلة وعلاقات الأوزان))

الجزء الثاني من الرمز هو المتعلق بوزن المشتق وهناك 119 وزن مستخدم في العربية =7بت وتجب الإشارة إلى ما لا وزن له ((الحروف وبعض الكلمات التي لا جذر لها وحتى كلمات مختلف فيها كمسألة إوزة الشهيرة بين سيبويه والأصمعي)) ولا يستدعي عدد الحالات القلق بشأن حجم الجداول المستخدمة وإن كان يجب مراعاة أن بعض الأوزان مشتق من الأخرى ((اسم الفاعل ومبالغاته)) وأن بعضها يحمل أوجها متعددة (فعيل مبالغة اسم فاعل ومفعول) ويجب أن تتم جدولة ذلك في مرمز الوزن للسهولة والتصنيف وعلاقته بالمعنى

الجزء الثالث من الرمز هو الذي يحدد إضافات الكلمة وهنا يفرق اللغويون بين إضافة وكلمة مستقلة فالضمائر المتصلة وميم الجمع هي كلمات مستقلة أما سين التسويف .. فهي إضافة وأنا لا يحضرني الآن إحصاءا لعدد كل منها إلا أن الإضافات مجموعة كما يعلم من علم التجويد في سألتمونيها ... كما أن هناك مسألة وهي تعدد الإضافات كما في ((( استرعيته ))) هناك ضميران في الكلمة أي إضافتان أنا أرى حاليا معاملتها على أنها نوع مستقل مفرد من الإضافة ... يتبع هذا الأمر ولكن في المرحلة الثالثة الضمائر المقدرة وهي ضرورية في جهود تضمين المعنى

الجزء الرابع من الرمز هو محددات الترميز منها مثلا البت الذي يحدد الجذر ثلاثي أم رباعي أم خماسي أو الإشارة إلى أن الكلمة غير قياسية اشتقاقا أو أن الكلمة مستعربة أو أنها ليست عربية ((بأحرف عربية أو بأبجدية أخرى)) ... وهناك حتما أشياء أخرى ونلاحظ أن هناك أسلوبين لتضمين ذلك هو استغلال المساحات الفارغة في بنية الترميز ((( الجزء غير المستخدم من مرمز الجذر مثلا =32768-5000 ))) أو تخصيص بتات محددة لهذه المحددات وهناك مسألتان

1-     حجم الرمز المستخدم 32 بت أو64 بت واستثنيت الاحتمالات الأخرى بسبب بنية المعالج ونلاحظ هنا أن معظم المعالجات أصبحت 64 بت ولكن 32بت تحدد فضاءا بحجم 4294967296 وهو كاف لتغطية كل احتمالات الكلمات العربية والدخيلة حسب تخيلي إذا أحسنا استخدام المساحة ؟؟؟ وهذه مسألة تناقش بعد وضع البنية التفصيلية وخلال نقل البنية إلى شكل صارم بالتكافؤ الرقمي

2-     في مسألة عدم القدرة على اتخاذ قرار بشأن الأسلوب الأنجع والأكثر قابلية للتطور كمسألة أسلوب ترميز الجذر مثلا يمكن أن نترك البناء مفتوحا بتخصيص بتات لتحديد الأسلوب المستخدم وهنا يجب البقاء ضمن خيار 64بت

الجزء الخامس من الرمز هو الموجهات التي تحدد بناء الكلمة ثم الجملة وربما شكلها وموقعها ومن ضمنها مسألة الضمائر المقدرة وأنا أميل إلى إدراج بنية مشتقة من XML داخل الترميز أو حتى تخصيص مساحة مع ترك الخيارات مفتوحة لفضاء واسع من بنى التوجيه مع اعتبار بنية ((XML_derived )) افتراضية مثلا

هناك مسألة متعلقة بترتيب أجزاء الرمز وهذه المسألة تجب دراستها بعد تحديد الأجزاء وحجمها من خلال أسلوب المعالج في التعامل مع الترميز والتعليمات التي تولدها لغات البرمجة وإن كنت أميل إلى التسلسل الذي ذكرته ولكن يجب إجراء دراسة مستفيضة في هذه المسألة

هناك أشياء كثيرة لا أعلمها أو أهملتها أو أني أخطأت بها
النقطة الأهم هي أن نناقش ما لدينا ويطور كل منا خبرته في المجال الأقرب له ونقترب من التخصص والأهم الوصول للمهتمين الذين يمكن أن يساعدونا في أي من هذه المجالات وبحسب معلوماتي الحالية أستطيع أن أقول

وسأشرح فيما يلي الأجزاء المبسطة للترميز

أولا ترميز الجذر

نعتبر الجذر ثلاثي والجذور الرباعية والخماسية ((هناك أفعال سداسية وهي ليست جذور فهي مشتقة من جذور)) وهي أقل من 10% كما قلت سابقا يتم ردها بطريقة ؟؟؟ إلى ثلاثية هناك قواعد وزنية وصوتية للجذور الرباعية والخماسية أشرت إلى بعضها في ملف الصرف الذي أرسلته

أبسط أسلوب لترميز الجذر هو ترتيب الحروف الثلاثة هناك 28 حرف عربي ((زهاء مئة حرف منطوق إنسانيا)) نوسع إلى 32 ونحدد 7 بت لكل حرف وبالتالي نرمز الحروف بأصواتها وفقا للعلاقات المدروسة في IPA  أي 21 بت للجذر الثلاثي نضيف 2بت لتعيين وجود طفو ((جذر رباعي أو خماسي)) .... أضيف على هذه السؤال الأهم وهو ترتيب الأحرف للحصول على تكافؤ بين المفردات الصوتية وممثلاتها الرقمية

هكذا من ناحية بناء الترميز تم بناء ترميز الجذر وهناك سؤال حول طرق رد الرباعي والخماسي إلى ثلاثي يتم ذلك بالعودة إلى آليات وزن الجذور الرباعية ((وزنان)) أو الخماسية ((وزن واحد)) بالانطلاق من الأصل الثلاثي ويتم جدولة الشذوذات ((أقل من 50))

بالتالي لدينا 23 بتا عينت الجذر

ثانيا ترميز الوزن

هناك كما ذكرت 119 وزن ((مشتق)) في العربية وهو حصر بدون الشذوذات ((ذكر شفيق الخطيب في مقدمة قاموس المصطلحات 2005 أنهم استقرؤوا في دار المعاجم زهاء 300 وزن في القاموس محيط المحيط ولكن هذه الأوزان تختلف بسبب قواعد الشذوذ كقلب الحرف وإزالة حرف للثقل وعدم التقاء الساكنين ... كما ذكر أكثر من 7000 جذر !!! )) وإذا اعتمدنا هذا الرقم 7 بت فهناك قواعد للتعديل يجب استقراؤها ووضع رو تينات لمعالجتها وتخصيص بتات للحالات داخل الترميز

هذا الأسلوب أفضل بسبب أنه يعكس أن الوزنين هما شيء واحد ولكن شذوذا أدى إلى اختلاف

ولكن تبقى هناك حاجة لدراسة علاقات الأوزان وبناها ((الصوتية)) بالمعاني التي تحملها وإيجاد آلية لترميز هذه العلاقة رقميا تتيح استقراء هذه العلاقات وعلاقتها أيضا بالبنية الصوتية للجذر ((هناك جذور لا تقبل بعض الأوزان أو أسباب شذوذ بعض الأوزان ((القلب والإبدال والحذف)) ))

هناك أيضا إضافات الكلمة وهي إضافات من أصل الكلمة ((السين في سنحول )) وإضافات تشكل كلمات مستقلة كالضمائر المتصلة وأحرف العطف .....

هناك عوامل معنوية مهمة كالضمائر المقدرة وموجهات المعنى وموقع الكلمة وهل هي بادئة أم نهاية جملة أو حتى عنوان وهذه هي المرحلة الثانية

بعد استقراء هذه العلاقات ووضع البنى الجزئية ((الأجزاء المبسطة للترميز)) نوجد العلاقات الضابطة لهذه البنى لغويا ويتم تحويلها إلى علاقات داخل الفضاء الرقمي ((معادلات أو متراجحات تحديد)) ثم يتم مكافئة هذه البنية البسيطة مع بنية رقمية محددة الطول تأخذ بعين الاعتبار حل المعادلات وإمكانية الاستفادة مباشرة من الآليات الرقمية المتاحة في المعالجات sse1,2  المستخدمة حاليا في المعالجات في المعالجة المنطقية ومعالجة الألوان والأهم من ذلك تمثيل المفردات اللغوية تكافؤيا بحيث تكافئ العلاقات الرقمية داخل هذه البنية علاقات لغوية حقيقية ((لن ينجح الحل من أول مرة ومن يعرف المنطق التتابعي يعرف أن الآلية المستخدمة هي الافتراض ثم التحقق)) وذلك من خلال استقراء النتائج وإعادة الفرض ثم الحل

أرجو أن توضح هذه القراءة التفصيلية بنية المشروع وأعتبر هذا الملف أساسا يتم تعديله للمشروع وربما قريبا ندرجه في wiki بحيث يقوم أي من الأعضاء بتعديله والإضافة عليه

ولا أعتقد أنه يستحيل علينا بذل الجهد لإنجاز هذا الهيكل والمطلوب هو التعلم [1] وإبداء الرأي [2] وبناء هيكلية حاوية [3] ثم سيكون هناك عمل لوضع الهيكلية الرقمية المناسبة [4] وبناء بيئة برمجية للتعامل مع هذه الهيكلية [5] ثم تأتي الخطوات الأوسع وهي استقراء القاموس المولد وتعديل العلاقات الرقمية للوصول إلى تكافؤ رقمي لغوي "وقد نضطر لتعديل البنية الرقمية" وهذه الخطوة ستكون حسب تخيلي ضمن بيئة عامة وهي بحاجة إلى متطوعين كثر ((مجتمع التطوير الواسع))