Hoofdstuk uit het boekje Computers en taal, oorspronkelijk verschenen bij Sdu, Den Haag, 1999.
Lang leve het deelgebied van de taalkunde dat zich tot doel heeft gesteld een computer te bouwen die met menselijke taal kan werken, de computer-taalkunde. (Ik schrijf dat streepje om de studie van de relatie tussen computers en taal te onderscheiden van de computertaal-kunde, die computertalen bestudeert.) Er wordt over de hele wereld al tientallen jaren lang met man en macht gewerkt aan een apparaat waarvan iedereen zich gemakkelijk kan voorstellen dat het bestaat en waarvan sommige mensen denken dat het er ook allang is, maar dat niemand ooit gezien of gehoord heeft: een computer die kan praten, schrijven, lezen en luisteren als een mens. Steeds wordt er weer voorspeld dat het nog maar een paar jaar zal duren voor het apparaat in de winkel staat, en steeds blijkt dat die voorspelling niet uit te komen. Steeds staat er weer iemand op met een nog slimmer idee om de computer te programmeren, en steeds blijkt het kleine beetje vooruitgang dat er in een halve eeuw is geboekt, kan worden toegeschreven aan de voortschrijding van de computertechniek – aan het feit dat de computerchips sneller worden en hun geheugens groter. Steeds weer wordt er beweerd dat we zoveel zouden leren begrijpen van menselijke taal door die taal aan de computer te leren, en nooit heeft de computer-taalkunde een wezenlijke bijdrage kunnen leveren aan de andere deelgebieden van taalkunde.
Nu ja, één inzicht heeft het vak wel opgeleverd: dat menselijke taal altijd net iets ingewikkelder in elkaar zit dan je van tevoren had kunnen vermoeden en dat het een wonder is dat wij mensen haar de hele dag achteloos gebruiken. Wie denkt dat spreken en luisteren eenvoudig zijn, kun je met een toverspreukwijzen op zijn ongelijk: maak dat je computer wijs. Eerlijke computertaalkundigen zullen ook onmiddellijk toegeven dat ze nog ver af zijn van het uiteindelijke doel: een computer bouwen die het Nederlands beheerst zoals u en ik, of liever nog, zoals Henny Stoel, Martin Bril en Toon Tellegen samen in één kastje.
Ik heb computer-taalkunde gestudeerd. Ik heb een diploma van de universiteit in Tilburg waarop `Taal en Informatica' staat. Daar ben ik nog steeds trots op, want de hele onderneming van de computer-taalkunde heeft ondanks alle misère een zekere grandeur. Toch heb ik er me nadat ik mijn diploma haalde nooit meer echt mee beziggehouden. Ik ben een gewone taalkundige geworden, die zijn computer vooral gebruikt om er af een toe een artikeltje op te tikken. Wel ben ik altijd geboeid gebleven door dat vak waarin ik gediplomeerd ben. Wat is dat voor een vak? Volgens mij is de computer-taalkunde een frustrerend, een onrustig, een optimistisch, een pragmatisch en een opportunistisch vak.
In de eerste plaats is de computer-taalkunde frustrerend. Zouden er uitvinders bestaan die 's ochtends opstaan en denken: vandaag ga ik een apparaat uitvinden dat automatisch de bladzijden omslaat als je piano zit te spelen; hoe zal ik dat aanpakken? Zulke uitvinders hebben, denk ik, weinig kans op succes. Wanneer weet het apparaatje dat het de bladzijde om moet slaan? Het ding moet daarvoor in de eerste plaats muziek kunnen lezen en kunnen beluisteren hoe ver de pianist gevorderd is. Maar het kan ook niet wachten met omslaan tot de pianist de allerlaatste noot op de rechterbladzijde gespeeld heeft. Menselijke bladomslaanders kijken naar het gezicht van de pianist en wachten op een knikje dat betekent: de volgende noten hoef ik niet te zien, sla hier alvast maar om. Dat seintje zou het apparaatje ook moeten kunnen begrijpen.
Een verstandige uitvinder zal al deze problemen overzien, constateren dat hij er nog lang geen oplossing voor heeft, de gordijnen dichtdoen, in bed gaan liggen, de dekens over zich heen slaan en wachten op een beter idee. Een verstandige uitvinder zal voor hij aan het werk gaat niet alleen bedenken wat hij wil uitvinden, maar ook of hij de technieken die voor zijn uitvinding nodig zijn, op redelijke termijn tot zijn beschikking zal hebben.
Toch bestaan er veel onverstandige uitvinders. Sommigen van hen noemen zich computer-taalkundigen. Zij hebben zich vastgebeten in het idee dat ze een apparaat gaan uitvinden dat nog vele malen ingewikkelder is dan een bladomslaander: een computer die met menselijke taal kan omgaan zoals een mens dat kan. Een computer tegen wie je op een gewone manier kan praten en die ook op een gewone manier terugpraat. Het idee van zo'n sprekende en begrijpende computer is aantrekkelijk en sinds de uitvinding van de computer hebben taalkundigen dan ook regelmatig grote sommen geld weten te verwerven om eraan te werken.
Dat geld kwam op de toppen van golven: op zeker moment staken de overheid en het bedrijfsleven ineens miljoenen dollars in de computertaalkunde, na een paar jaar was het weer voor een tijdje afgelopen, tot er ineens weer een nieuwe golf kwam, met nieuw geld. Bovendien was het enthousiasme vaak op verschillende onderdelen gericht: de ene keer waren de bedrijven erg geïnteresseerd in computers die elke tekst van de ene taal in de andere zouden kunnen vertalen in de andere, de andere keer was er sprake van een computer die geschreven teksten kon voorlezen of gesproken teksten kon opschrijven. Van al die doelen zijn we nog steeds ver verwijderd. Omdat het bedrijfsleven gouden bergen verwacht van elke nieuwe computertechniek, investeert het elke paar jaar opnieuw grote sommen in de bouw van een dergelijk apparaat. Omdat het bedrijfsleven ongeduldig is, blijft het niet eindeloos lang investeren in onverstandige uitvinders. En zo blijft de computer-taalkunde een frustrerend vak, waarin het geld komt en gaat en waarin telkens nieuwe projecten worden begonnen die uiteindelijk nooit worden afgemaakt.
Behalve frustrerend, is het vak ook buitengewoon onrustig. Elk jaar staat er wel een ingenieur op die zegt: `Al dat theoretische gezeur van die taalkundigen tot nu toe, het bouwen van zo'n machine is gewoon een technisch probleem. Laat mij het maar even doen, binnen een paar jaar is het voor elkaar.' Die ingenieur is meestal niet gevoelig voor het argument dat er in een halve eeuw minstens vijftig ingenieurs zijn geweest die hetzelfde hebben gezegd en dat de geschiedenis van de computer-taalkunde in veel opzichten een geschiedenis is van mislukte ingenieursplannen. Een van de vroegste voorbeelden was de bouw van de vertaalcomputer.
Tijdens de Tweede Wereldoorlog werkte er ergens in Engeland een groepje ingenieurs en geleerden aan een geheim project: een machine die door de Duitsers gecodeerde berichten kon decoderen. Allebei de legers moesten in die tijd instructies en andere informatie overseinen, bijvoorbeeld van en naar duikboten. Omdat dit soort informatie altijd kan worden onderschept, werd ze gecodeerd. Wie als kind weleens spionnetje gespeeld heeft, weet hoe dat coderen werkt: vervang elke `a' door een `b', elke `b' door een `c', enzovoort. Natuurlijk zijn er veel gecompliceerde manieren om teksten te coderen: vervang in het eerste woord van het bericht elke `a' door een `b' en in het tweede woord door een `c'; schrijf de tekst achterstevoren op; vervang elke combinatie van letters 'ab' door de combinatie 'ga' en elke combinatie 'ac' door de combinatie 'pr'; enzovoort. Bovendien kun je de codesystemen regelmatig veranderen.
Er ontstond een wapenwedloop in coderingen en decoderingen. De Duitsers bedachten een geheim apparaat waarmee ze berichten automatisch konden versleutelen. De geallieerden zetten een groepje slimme wiskundigen bij elkaar die de Duitse berichten zou kunnen ontcijferen. Het lukte: zonder dat de Duitsers het wisten, konden de geallieerden aan het eind van de oorlog al hun berichten afluisteren.
Na de Tweede Wereldoorlog kreeg het Westen nieuwe vijanden (de Russen), die hun informatie onderling uitwisselden in een lastig te kraken geheimtaal (het Russisch). Militairen, industriëlen, politici en andere belangrijke sovjets maakten voor alle uitwisseling van vertrouwelijke informatie gebruik van deze geheimtaal. Sommige mensen die zich vroeger hadden beziggehouden met de decodering van Duitse codes zagen hun nieuwe taak ook letterlijk als een iets gecompliceerder versie van hun vorige: een wetenschappelijk artikel in het Russisch was voor hen `eigenlijk' een artikel in het Engels, dat alleen maar op een ingewikkelde manier gecodeerd was.
Een vertaalmachine was in die dagen een decodeermachine. De eenvoudigste manier om je dat voor te stellen is de volgende. De computer bekijkt eerst het eerste woord van het artikel en zoekt dat op in een woordenboek Russisch-Engels. Hij vervangt dan dit eerste woord door zijn vertaling, gaat door naar het tweede woord, zoekt ook dat op, en zo verder tot het laatste woord in het artikel vervangen is door zijn Engelse tegenhanger. Daarmee heeft het computerprogramma de Russische tekst vertaald in het Engels.
Zo eenvoudig is vertalen jammer genoeg niet – anders zou iedereen met een goede verzameling woordenboeken elke willekeurige tekst uit elke willekeurige taal naar zijn moedertaal kunnen vertalen. Maar het is wel interessant om te zien waaróm vertalen nu eigenlijk zo eenvoudig niet is. Wat gaat er mis als je op deze manier probeert te vertalen?
In de eerste plaats houdt een woord-voor-woord-vertaling geen rekening met de verschillen in zinsbouw tussen talen. Wie de Nederlandse zin `Ik denk dat ik jou ken' woord-voor-woord in het Engels vertaalt, krijgt `I think that I you know' en dat klinkt op zijn minst een beetje mal.
Nu waren de mensen ook vijftig jaar geleden slim genoeg om dat in te zien. Ook toen was al bekend dat je niet alleen maar woordjes hoeft te memoriseren als je een vreemde taal leert. Alleen dachten de eerste ingenieurs dat die woordvolgorde er uiteindelijk niet zoveel toe zou doen. Ze hadden daar ten dele ook wel gelijk in: `I think that I you know' is nog best begrijpelijk voor iemand die alleen Engels kent. Maar als de taal ook maar een beetje idiomatisch is, wordt het al moeilijker. Veel middelbareschoolhumor is daarop gebaseerd: ``Go you but. I have there no sentence more in.''
Het probleem dat dit soort uitdrukkingen opleveren, werd op zijn minst onderschat. Misschien dachten de ingenieurs dat die idiomen niet veel voorkwamen, of dat ze met een paar kunstgrepen wel te omzeilen waren. Na een paar jaar bleken ze zich te hebben vergist. Er is een beroemde anekdote, die waarschijnlijk apocrief is, maar die het falen van de eerste pogingen om een vertaalmachine te maken mooi illustreert. Bij de demonstratie van een vertaalmachine liet men het bijbelse zinnetje ``De geest is gewillig, maar het vlees is zwak'' eerst uit het Engels in het Russisch vertalen en daarna weer terug in het Engels. Het resultaat was seculier: ``De wodka is goed, maar de biefstuk is bedorven.''
Behalve frustrerend en onrustig, is de computer-taalkunde ook een vak met onverbeterlijk optimisme. Toen woord-voor-woord-vertalen niet lukte, lieten de computer-taalkundigen het hoofd niet hangen. In plaats daarvan begonnen ze grammatica te studeren.
De taalwetenschap was in de jaren vijftig een enorm levendig vak. Het bloeide al sinds het begin van de twintigste eeuw, maar in de jaren vijftig begonnen sommige (Amerikaanse) taalkundigen, zoals Zellig Harris en diens student Noam Chomsky, wiskundige technieken te bedenken die het mogelijk zouden maken de grammatica van een taal op te schrijven als een verzameling formules. Nu kan niemand zo goed wiskundige formules lezen als een computer, dus deze ontwikkeling in de taalkunde kwam de computer-taalkunde goed uit: de grammatica's die de taalkundigen schreven, konden in een handomdraai worden omgezet in computerprogramma's. Het einde van ``I think that I you know'' leek in zicht.
Maar ook nu zag men weer enkele problemen voor het hoofd. Bijvoorbeeld dat het nog nooit iemand gelukt is een complete grammatica te schrijven van welke taal dan ook, en al helemaal niet om een wiskundige techniek te bedenken waarmee je al die regels zou kunnen opschrijven.
We zijn nu al meer dan veertig jaar verder. Er is in al die tijd hard gewerkt en er zijn veel grammaticaregels geschreven. Maar nog steeds is er zelfs van het Engels, dat waarschijnlijk de best bestudeerde taal ter wereld is, nog geen grammatica die ook maar een fractie beschrijft van wat een moedertaalspreker van die taal allemaal weet.
Hoe komt dat? Kennelijk zit het taalsysteem heel diep in onze menselijke geest ingeweven en kennelijk lukt het ons nog niet om zo diep in die geest door te dringen dat we alles wat daarin verstopt zit, eruit kunnen halen. Er zijn mensen die zeggen dat het ons misschien nooit lukt, omdat we uiteindelijk maar één instrument hebben om ons verstand te begrijpen. Dat is ons verstand zelf. Misschien is ons verstand te ingewikkeld om door ons verstand begrepen te kunnen worden, of misschien is ons verstand juist te weinig ingewikkeld om ons verstand te kunnen bevatten.
Nu is dergelijk pessimisme dodelijk voor elke wetenschappelijke aspiratie. Een paar honderd jaar geleden had je met evenveel recht kunnen denken dat de structuur van het heelal onkenbaar is voor het menselijk verstand. Hoewel je die gedachte nog steeds kunt hebben, zijn we in al die tijd toch wel wat opgeschoten. De meeste taalkundigen trekken zich dan ook gelukkig niets aan van sombere gedachten over de onmogelijkheid van een zichzelf bestuderend verstand.
Sommige van die taalkundigen gebruiken de computer om hun theorieën te testen. Een grammatica van een taal beslaat al snel enkele honderden regels. Om te zien of een gegeven zin wel voldoet aan alle regels die je bedacht hebt, moet je hem dus met honderden grammaticaregels tegelijkertijd vergelijken. Dat kan een computer beter dan een mens en zo'n computer kan dus sneller testen of de grammatica die de wetenschapper heeft opgesteld ten onrechte zinnen goed- of afkeurt. Zo'n wetenschapper heeft niet de pretentie dat hij de computer een taal kan instrueren, net zo min als een astronoom denkt dat hij zijn telescoop naar de sterren kan leren kijken.
Behalve een frustrerend, een onrustig en een hopeloos optimistisch vak, is de computer-taalkunde ook pragmatisch. Zoals veel taalkundigen zich van het idee hebben afgekeerd dat zij met hun vak iets zouden kunnen bijdragen aan de utopie van de sprekende computer, zo hebben veel computer-taalkundigen zich afgewend van het werk van hun theoretische collega's. Sommigen onder hen volgen nu een nieuwe redenering: als taal alleen geproduceerd en bewerkt kan worden door iets onbegrijpelijks als de menselijke hersenen, dan moeten wij dus iets maken dat minstens even onbegrijpelijk is.
Inderdaad zijn de succesvolste taalcomputers tot nu toe de onbegrijpelijkste. De pogingen om een vertaalcomputer te bouwen hebben daar weer een aardig voorbeeld van opgeleverd.
Een van de succesvolste en beste pogingen op dat gebied is een computerprogramma dat Systran heet en dat onder andere gebruikt wordt bij Europese instanties om teksten uit het Engels in het Frans te vertalen. Systran is ruwweg op de volgende manier gebouwd. Eerst hebben programmeurs een elementaire grammatica van het Engels en van het Frans geschreven en er een tweetalige woordenlijst aan toegevoegd. Vervolgens hebben ze dat programma laten werken en het resultaat door deskundigen laten controleren. Als die deskundigen een fout constateerden, werden aan het oorspronkelijke programma een paar nieuwe regels gehecht die dat specifieke probleem oplosten. Dan liet men de nieuwe versie weer werken, het resultaat controleren en zo kwamen er steeds nieuwe lapmiddeltjes tot het programma een enorme kluwen was van oplossinkjes, slimmigheidjes en half-en-half werkende trucs. Je zou het resulterende computerprogramma kunnen vergelijken met een bord spaghetti als een andere vergelijking niet veel meer voor de hand lag: die met het menselijk brein.
Het probleem is dat zo'n gecompliceerd systeem net zo moeilijk te klonen is als het brein waar het zoveel op lijkt. Wie een vertaalcomputer wil bouwen die van het Nederlands in het Pools vertaalt, heeft niets aan een computer die het trucje kent van het Engels naar het Frans. Iets wat je niet begrijpt, kun je ook niet aanpassen. Je moet voor de bouw van elke nieuwe vertaalcomputer dus helemaal opnieuw beginnen.
Een andere, al even ondoorzichtige manier om succes te bereiken, is gebruik te maken van dommekracht. Computers worden steeds sneller en hun geheugens steeds groter. Enkele tientallen jaren geleden nam zelfs een eenvoudig vertaalwoordenboek nog een enorme hoeveelheid geheugenruimte in beslag en woord-voor-woord-vertalen was dan ook het hoogst haalbare. Op dit moment zou je zelfs op de harde schijf van een gemiddelde pc een enorme verzameling met zinnen kunnen opslaan met hun vertalingen. De computer onthoudt dan dat ``Ik heb er geen zin in'' in het Engels ``I don't feel like it'' is en hoeft in het vervolg die vertaling alleen maar op te zoeken.
Vooralsnog werkt zo'n systeem vooral bij teksten waarin dezelfde zinswendingen vaak terugkeren. Nu zijn dat soort teksten er in overvloed. Weerberichten zijn bijvoorbeeld opgesteld uit een betrekkelijk klein repertoire aan mogelijke zinnen (``af en toe een bui'', ``'s middags breekt de zon door'', ``een hogedrukgebied boven Scandinavië'') en datzelfde geldt bijvoorbeeld voor gebruiksaanwijzingen over hoe bepaalde apparaten in elkaar moeten worden gezet (``schroef de moer los'', ``injecteer vijf gram wasbenzine''). Aan de andere kant lijkt het bijna onmogelijk om op deze manier persoonlijke correspondentie te vertalen. Wie een persoonlijke brief schrijft doet immers juist zijn best om zoveel mogelijk nieuwe zinnen te schrijven: ``Gisteren hebben we in de Efteling zo moeten lachen toen Henk met zijn groene jasje in de modder viel.'' Dat zo'n zin al in een database zit is onwaarschijnlijk, al zou je je misschien nog wel kunnen voorstellen dat elk zinsdéél (``in de Efteling'', ``met zijn groene jasje'', ``hebben we zo moeten lachen'') opgeslagen is in een lange lijst. Een computerprogramma dat zinsdeel voor zinsdeel vertaalt, lijkt helemaal niet meer zo onmogelijk.
Dommekracht heeft computers al meer diensten bewezen. In de jaren tachtig geloofden weinig mensen nog dat computers ooit op een behoorlijk niveau zouden kunnen schaken. Een goede schaker was creatief en kon bovendien op een geheimzinnige manier een hele stelling in één keer overzien. Een computer kon misschien een paar honderd zetten bekijken en een mens slechts enkele tientallen, maar de mens beperkte zich daarbij tot de zetten die er echt toe deden, terwijl de computer die belangrijke zetten vaak juist over het hoofd zag. Er waren computerschaakkundigen die de computer probeerden slimmer te maken en wiskundige formules op wilden stellen die konden beschrijven welke zetten er in een bepaalde stelling wel of niet toe zouden doen.
Dat schaakcomputers nu een heel behoorlijk niveau hebben – wereldkampioen zijn ze nog niet, maar ze kunnen de menselijke wereldkampioen wel al af en toe verslaan – komt niet doordat die computer-schaakkundigen zo succesvol waren bij het bedenken van hun wiskundige formules. Inzicht in de manier waarop mensen schaken hebben we nog net zo min als inzicht in de manier waarop mensen taal gebruiken. Het kwam doordat de computers zo snel zijn geworden dat ze niet honderden, maar miljoenen zetten in beschouwing kunnen nemen. De meeste ``belangrijke zetten'' zitten daar automatisch bij, benevens enkele zetten die een menselijke schaker niet als ``belangrijk'' zou herkennen, maar dat bij nadere analyse toch blijken te zijn. En omdat computers nog steeds sneller en beter worden, is het helemaal niet zo raar om te denken dat er op afzienbare termijn misschien nog wel een computer komt die de mens kan verslaan, ook al denkt hij helemaal niet op dezelfde manier als een mens.
Zo wordt de computer met zijn almaar groeiende dommekracht misschien ook wel steeds beter in bepaalde opdrachten met taal, zonder dat hij daarvoor op eenzelfde manier hoeft te leren denken als een mens. Het blijft interessant voor de wetenschap om te onderzoeken hoe de mens precies denkt, maar de ingenieurs onder de computer-taalkundigen duurt dit allemaal te lang. Als zij hun oplossing kunnen bereiken met onbegrijpelijke programma's of dommekracht, vinden zij het ook best. Daarom is de computer-taalkunde een pragmatisch vak.
Behalve frustrerend, onrustig, optimistisch en pragmatisch is de taalkunde ook een opportunistisch vak. De afgelopen tien jaar is het nogal in de mode geweest om een computer te bouwen die de menselijke hersenen imiteert. De computer-taalkundigen hebben daar enthousiast aan meegedaan.
Hoe werken de hersenen? Ik geloof dat niemand het precies weet, maar in ieder geval spelen hersencellen, neuronen, een belangrijke rol. De hersenen bestaan uit miljoenen van die neuronen en elk neuron is verbonden met enkele anderen. Als een neuron actief is, stuurt het een signaal naar een van de neuronen waarmee het verbonden is. Als dat andere neuron genoeg signalen krijgt, wordt het zelf ook actief en begint daarom signalen te verspreiden. Iets leren betekent: verbindingen tussen neuronen versterken.
De taken van zo'n neuron kunnen we in theorie ook laten uitvoeren door een eenvoudige computerchip: invoer ontvangen en als er genoeg invoer is, zelf een seintje geven aan een andere computerchip. Als we alle neuronen in onze hersenen zouden vervangen door computerchips, hadden we een elektronisch brein gemaakt dat alles kon wat wij mensen ook kunnen, bijvoorbeeld een menselijke taal leren. Om een klein onderdeeltje van de taal te leren, is het zelfs niet nodig om miljoenen neuronen na te bouwen: ook mensen gebruiken waarschijnlijk niet hun hele herseninhoud om het woord `broodmes' te kunnen begrijpen. Voor kleine, goed afgebakende taken zijn kleine hersentjes misschien wel voldoende. Bovendien hoef je niet letterlijk elke neuron te vervangen door een eigen computerchip; je kunt ook een computerprogramma schrijven dat ervoor zorgt dat één chip in zijn eentje om beurten enkele duizenden neuronen imiteert.
Door die gedachte geleid, hebben sommige computer-taalkundigen `neurale netwerken' gemaakt die bepaalde taaltaken konden uitvoeren. Neurale netwerken zijn vooral goed in werk waarvoor je een beetje flexibel moet zijn en waarbij je steeds nieuwe dingen leert. Dicteermachines zouden bijvoorbeeld uitstekend op dit principe gebaseerd kunnen zijn. Zij moeten de stem van hun eigenaar leren kennen en bovendien moeten ze zich de hele tijd aanpassen aan nieuwe woorden, aan verkoudheid of aan snauwerig praten vanwege het slechte humeur.
De computer-taalkunde is een opportunistisch vak: als neurale netwerken in de computerkunde en de psychologie in de belangstelling staan, buigen computer-taalkundigen zich er ook vol aandacht over. Het is maar de vraag of je ook veel ingewikkelder apparaten kunt maken met een neuraal netwerk: of zo'n systeem ook ooit zou kunnen vertalen of een gesprek voeren. Natuurlijk, als de techniek voortschrijdt, kun je over vijftig jaar in de winkel een computer kopen die net zo ingewikkeld is als de menselijke hersenen. Maar niemand weet nog of we het overspringende vonkje dat we inspiratie noemen ook in dat apparaat zullen zien overspringen – niemand weet of er daarvoor niet méér nodig is dan alleen een paar overspringende neuronen. Minstens tot we daar zekerheid over hebben, zal de computer-taalkunde, dat frustrerende, onrustige, optimistische, pragmatische en opportunistische vak, mij in ieder geval blijven fascineren.