cahier lukhnos, a blog

住台北縣的人可能聽過這一句：

永和有永和路，中和也有永和路， 中和有中和路，永和也有中和路； 中和的中和路有接永和的中和路， 永和的永和路沒接中和的永和路； 永和的中和路有接永和的永和路， 中和的永和路沒接中和的中和路。

最近發現，世界上存在不少類似結構的東西，例如：

Vista 64 有 System32 ，也有 SysWow64，System32 裡面裝的是 64-bit 的 binaries，SysWow64 裡面裝的是 32-bit 的 binaries。Vista 64 的 64-bit binaries 不能放進 Vista 64 的 SysWow64 裡，Vista 64 的 32-bit binaries 不能放進 Vista 64 的 System32 裡。

又或者：

Cocoa 有 NSString，Carbon 有 CFString，Cocoa 的 NSString 可以接 Carbon 的 CFString，Carbon 的 CFString 可以接 Cocoa 的 NSString。Carbon 的 CFString 沒有 garbage collection，Cocoa 的 NSString 有也可以沒有 garbage collection。Carbon 的 CFString 可以接到 Cocoa 沒有 garbage collection 的 NSString 裡，Cocoa 有 garbage collection 的 NSString 不能直接接到 Carbon 的 CFString 裡。

對，總歸一句話就是，不鬼打牆時候就不會覺得這樣的設計會鬼打牆，鬼打牆的時候就真的覺得這樣的設計真是鬼打牆……

lukhnos :: Apr.30.2008 :: tekhnologia 技術與藝術 :: 5 Comments »

Lipogram 在歐語中是一種具有難度的文字遊戲。簡言之就是刻意限制不使用某幾個字母來寫東西。例如，刻意不用字母 e 來寫詩，或是重寫莎士比亞作品（真的有人這麼做過）。

那麼作為漢語書寫用的中文，有沒有這樣的東西呢？

今天想到一種：sinojapanocoreanogram (”CJKgram”)，意思是僅能使用中日韓共通的漢字來書寫。規則很簡單，不能使用另一種書寫系統不存在的字符。例如「書寫」就不能用，因為並非（嚴格定義上的）簡體字字符。

於是，以下這句話：

「僅能使用中日韓共通的漢字來書寫，繁體字才有的，或是簡體字才有的，就不允許使用。」

就可能得書寫成：

「只能使用中日以及其中那地方等三地的方型字做文，很久以前就在用的字才有的，或是容易一些的字才有的，就不能使用。」

（很不幸的，韩国的相关称呼或历史称呼，高丽、朝鲜、新罗、百濟似乎都没有好的通用字。「汉字」很不幸地本身就是非通用字。）

相對之下，antebellumkanjigram（我自造的詞，意思是使用「二次大戰前日本還沒將和製簡化漢字標準化後的漢字來書寫」）就容易多了。上述句子只要改掉「書寫」一詞就可以了，因為日文漢字似乎做「冩」（無上頭的一點）。

當然，對本身就使用繁體字的我們來說，magnacinquogram macropentagram (”Big5gram”)，或是對本身就使用簡體字來書寫的人來說，extendronatiogram (”GBgram”) 就是沒有意義的了。

一但開始練習 sinojapanocoreanogram ，就會發現有太多繁體字的常用字，在簡體字中都被簡化過（主要是偏旁部首造成的）。因此如果僅限制使用通用字，書寫的難度，看來是要比 Simple English 要難得多，如上例所示。

當然，如果按照趨勢，未來可預見，台灣各地將越來越多簡體字標示或說明，那麼除了簡繁轉換filter外，或許針對兩種文字的書寫慣例（句法風格或文法差異）的探討，也會增添更多實用價值。

註：其實， -gram 用拉丁前綴是不對的。But (1) they are all Greek to me, (2) 計算語言學家自己就用 bigram 了（照理說應該是 “digram”）, so…

lukhnos :: Apr.23.2008 :: ことば 言語文字 :: 1 Comment »

Update: 的確，還有一種場合會把 closing credit 放完，那就是有 closing credit 裡面有安排花絮的那一種。

在朋友 MSN 上看到這樣的串連活動：要求電影院把電影的完整片尾給放完。

我從來不參加串連，所以就不列出網址了（搜尋一下很容易找到）。我看了一下原發起人的文章和相關回應，很有趣。

我所記憶以來，台灣只有兩個場合會把片尾，所謂 closing credit，給完整放完。一個是影展。一個是外商影城。後者就我最近經驗，也每下愈況。

生活中保有一些「對完整的堅持」有這麼困難嗎。更何況，我們講的是「作品完整性」這一件事情呢。

就實用的價值來看，片尾有好幾種功用。會放 NG 或搞笑片段的電影排除的話，closing credit 一定會提供的資訊有：演員名單、工作人員名單、音軌清單、拍攝地點。

我其實並沒有對 closing credit 做過什麼有系統的研究。不過很可能這是小時候養成的癖好（我曾經被家人問過：為什麼就是非得把片尾看完？），再加上對名字（事實上是任何的名詞）有狂熱，我的粗淺觀察是，從小到大看的科幻片中，”visual effect” 或 “computer graphics” 一項，80 年代出現過不少日本人，90 年代華人的名字比較多，到了近十年，則幾乎非歐美人士的名字裡，都是韓國人的名字。所以，或許 closing credit 也可以視為某種產業指標？

這種都是實用主義傾向的辯護就是了──就如同我看書本的 colophon 或 copyright page 是為了想知道書本是用哪一套字體編排，或是買成藥看 fine print 是想要知道不能喝完酒後服用一樣。（事實上我有個理論是，廣告、保單、軟體授權，這些裡面的 fine print 其實我等現代人的 daily ritual，不過這有待來日說明吧）。

但是，實用的價值之外，或許更重要的還是那些一點都不實用、一點都對電影「播放」本身都沒有影響的、形而上的東西吧？保有作品的完整性，難道不是一種對作品的尊重嗎？就好比說，書本不可能截去封面封底來販賣一樣。聽音樂會，大家也不會在樂團謝幕之前就開燈走人。那麼為什麼電影不可以呢。

更何況，大家恐怕無法想像，影展片如果遭受這種對待，會是什麼德性吧。那為什麼一般的電影就不行呢。

其實會坐在觀眾席上把片尾看完的人還真不少（看影展就知道了）。有些人說，「片尾哪有什麼人看」。這其實是倒果為因。正是因為台灣太多不播片尾的電影院，大家也只能燈亮走人啊。

lukhnos :: Apr.21.2008 :: realitas 真實殘酷的世界 :: 5 Comments »

投影片在這裡。

應 OSDC.tw 的邀請，上週六下午給了一個題目為「開放原始碼、開放資料與日常生活的語言應用」（Open Source, Open Data in Everyday Handling of Natural Languages）的分享。題目有點長，內容也有點雜。主要的企圖還是在區分日常生活語言問題的種類，以及圍繞在中文的核心問題──斷字──上面。

「問題意識」（problems）上，日常生活的語言問題，主要還是在怎麼將之編目索引檢索。除非你的應用程式本身就是語言應用（language-specific applications）。這個部分有一些地方跟 l10n/m17n/i18n 有重疊處，但這並不是同樣的兩件事。另外一個我試圖（但沒有很成功）想要講述的方向是，我們這些講中文的人應該試圖去處理中文以外的語言，切莫認為我們只需要處理中文就好（而且事實上中文也並非是如我們被教育成的，是一種均質的語言，「中文」本身諸元的差異或許就和中文與其他語言的差異一樣地多）。

在「方法論」（methods）的段落，我簡短介紹了兩種「正規」的方法，基於觀察中文構詞型態的MMSEG以及基於language model的方法。事實上相關的研究很多，implement說來比較偏工程問題。（中文自動選字）輸入法的問題其實只是其中的一種變體，把輸出改成音素，輸出改成可能的最佳句子就是了（用最化約的方法來說）。

在「工具」一段，所介紹的大多數工具仍是以 Perl 為主。Perl 在語言處理上仍然是最強大的語言之一，也是大多數相關工作的首選。我不熟 Python ，所以用 Python 寫的 NLTK 等工具，就無法多說什麼。Ruby 在這方面很弱。當我說「如果你用 C++ ，那沒有人救得了你」時，沒想到大家竟然反應熱烈地笑了。這句話，出自一個還是必須用 C++ 來解決問題的人嘴裡，其實是很辛酸的呀。

「資料」的問題，還是跟 Hans Rosling 在講公共衛生議題的相關 TED talks 的那句話一樣：資料就都在那邊，可是卻沒有辦法開放出來。

準備這次主題的一個額外的收獲是，我深深感受到日文相關軟體計畫，無論在規劃，募集資料、或者看問題的方法、甚或是 C library header file 的組織上，都有很多可以借鏡的地方。另一方面同樣看到的問題是，編碼的需要現代化（例如 anthy 仍是 Shift JIS-based）、程式語言的需要現代化（需要引進 C++ 來使得語言物件──音節、音素、unigram──等等可以被當做型別來操作）等等挑戰。

總之還有很多很多要努力的地方啊。

lukhnos :: Apr.15.2008 :: tekhnologia 技術與藝術 :: 1 Comment »

前次發佈的 OpenVanilla 2007 年年底明細有誤，已經發佈了新版到同一網址上。

同時我們於 2008 年 2 月 6 日收到一筆扣除 PayPal 手續費後為 USD 33.51 的捐款。我們在此也同時更新帳目明細。截至 2008 年 4 月 14 日止，OpenVanilla 捐款的新台幣餘額為 NTD 39,550，美金為 USD 1,439.35。

同時今年贊助 OpenVanilla 開發者（zonble）的 WWDC 入場券和機票款項也將撥出，屆時會再更新帳目明細。

再次謝謝所有捐助 OpenVanilla 的朋友。同時我也對於前次的登錄錯誤說聲抱歉。

lukhnos :: Apr.14.2008 :: bulletin 部落當公告 :: No Comments »

有些其實影響是相當深遠的。

militia
phalanx
chariot
conscription
masonry
granary
republic
despotism
monarchy
anarchy
universal suffrage
internal combustion
nuclear fission

如果當初玩的是 l10n 過的版本，很可能就沒辦法對這些單字有這麼深的體驗了吧。:p

（另外，其實我覺得那個能教會大家分辨 “republic” 與 “democracy” 或者 “monarchy” 跟 “despotism” 差別的遊戲，也很適合當公民與道德課的教材啊啊啊）

lukhnos :: Apr.13.2008 :: ことば 言語文字 :: 10 Comments »

以下是沒有根據、不負責任的論點。

要提昇台灣青少年的英文程度，方法很簡單：立法禁止電玩發行中文版本。

台灣一直以來，資訊人才的英文閱讀程度就不算差。為什麼現在 40 歲的 senior engineers 看英文書不困難？因為他們當年只有英文版的 Ultima 可以玩。為什麼現在 30 歲的 RD 看英文書不困難？因為幻想空間沒有出中文版。

李杯杯（此處不是指任何一個特定的人，只是一種象徵）如果真的擔心台灣小孩未來沒國際觀，最應該做的，就是趕快促使朝野兩黨，立法禁止電玩發行中文版本（或者由NCC出面沒收也可以，該機構不就是設計來從事這類管制的嗎？）。

另外，根據台灣經濟發展鐵律「政府輔導什麼，什麼就倒」的引理「打壓什麼，什麼就盛」，立法禁止中文版本的電玩還有一項額外的好處：台灣立刻會變成 l10n/m17n/i18n 的世界大國，當然，對本地經濟的貢獻，就只能靠地下經濟的產值來估算了。

lukhnos :: Apr.11.2008 :: realitas 真實殘酷的世界 :: 13 Comments »

Flickr 也有 video 了。

雖然有很多評論者馬上拿來和 Google 的 YouTube 擺在一起比較，我倒是覺得，Flickr Video 跟 YouTube 完全是兩種概念的東西。Flickr 的 90 秒短片，一如 Flickr 員工自己說的，比較像 “moving pictures”。另外 Flickr 的 video 是圍繞在「個人」身上，也就是說那些影片跟作為上傳者的「你」是聯繫在一起的。YouTube，一定程度上，比較像一種脫個人化（de-individualized）的 video depot （影片倉儲）。同時你也很難從後者影片的留言串，跟他人建立關係。反之，Flickr 的 comment 很成功地把人跟人給拉在一起。

另外就是 Flickr 員工自己的社群經營囉。例如這個。很可愛不是嗎？

我主觀的欣賞這個新服務，當然有一些同樣主觀的因素啦。好比說，那一年去東京旅遊時，拿 Cybershot 拍的那些爛爛的 video，也終於找到了合適的地方上架。這種東西我不太可能搬到 YouTube 上。但是放在 Flickr 上卻合適極了。套用《空想科學讀本》的說法，適才適所，這樣不是很好嗎？（誤）

lukhnos :: Apr.11.2008 :: tekhnologia 技術與藝術 :: No Comments »

(是的，我有 file 過 Radar, to no avail.)

lukhnos :: Apr.07.2008 :: tekhnologia 技術與藝術 :: 1 Comment »