СТРУКТУРНЫЕ ОСОБЕННОСТИ ТЕРМИНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В АНГЛИЙСКОМ ЯЗЫКЕ

Винокурова Т.Н.

Кандидат филологических наук, Омский государственный университет им. Ф.М. Достоевского

СТРУКТУРНЫЕ ОСОБЕННОСТИ ТЕРМИНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В АНГЛИЙСКОМ ЯЗЫКЕ

Аннотация

Настоящая статья посвящена структурным особенностям терминов искусственного интеллекта в английском языке. Приводятся наиболее продуктивные модели терминообразования, выделяются наиболее продуктивные ядерные термины, участвующие в образовании специальных лексических единиц, а также даётся этимологическая справка о происхождении некоторых терминов исследуемой терминологии. Результаты данного исследования могут применяться в курсе лекций по лексикологии и терминоведении, а также на практических занятиях по научно-техническому переводу.

Ключевые слова: искусственный интеллект, структура термина, аббревиация, продуктивные термины, терминологические сочетания.

Vinokurova T.N.

 PhD in Philology, Omsk State University named after F. M. Dostoevsky

STRUCTURAL PECULIARITIES OF ARTIFICIAL INTELLIGENCE TERMINOLOGY IN THE ENGLISH LANGUAGE

Abstract

This paper is devoted to the research of structural peculiarities of the terms of artificial intelligence in the English language. The most productive models of term composition are presented in the article; the most productive nuclear terms employed for special language units creation are defined and the chronological reference on the history of some terms of the studied terminology is given. The results of this research can be employed in the course of lectures on lexicology and terminology; it can also be used on scientific and technical translation seminars.

Keywords: artificial intelligence, structure of a term, abbreviation, productive terms, terminological combinations.

Обращение к структурным параметрам рассматриваемой терминологии предполагает выявление существующих проблем в рамках подъязыка и позволяет исследователю предложить возможные пути решения выявленных трудностей. При рассмотрении структурных особенностей терминологии мы в первую очередь обращаем внимание на форму, т.е. морфологическую структуру терминологической единицы. По этому критерию мы можем разделить специальные лексические единицы на термины-слова, или однословные термины, и термины-словосочетания, которые также носят название терминологических сочетаний. Даниленко В.П. языковые и неязыковые средства образования терминов. К языковым относятся: 1. термины-слова: а) непроизводные; б) производные; в) сложные; г) аббревиатуры. 2. термины-сочетания: а) свободные сочетания; б) несвободные сочетания; в) термины-фразеологизмы. 3. термины-предложения. К неязыковым средствам относятся знаки, графические символы и цифры [Даниленко, 1971: 8].  Подробная  классификация терминов с точки зрения их формы представлена на схеме 1.

Схема 1 - Классификация терминов с точки зрения структуры

 

Из всего объема выборки, составленной путем сплошного просмотра специализированных монографий и статей и насчитывающей 2729 терминологических единиц, представляется возможным выделить 426 термина-слова, что составляет 16% от общего количества специальных лексических единиц. Термины-слова неоднородны по своему составу, поскольку к однословным терминам относятся следующие разновидности: 1)  корневые термины – однословные термины, основа которых совпадает с корнем; 2) аффиксальные термины – однословные термины, основа которых содержит корни и аффиксы; 3) сложные термины – однословные термины, основа которых содержит несколько корневых морфем [Гринев-Гриневич, 2008: 62].

Количественное соотношение простых терминов в английском подъязыке искусственного интеллекта представлено на диаграмме 1.

 

Диаграмма 1 - Простые термины в английской терминологии искусственного интеллекта

 

Что касается терминологии искусственного интеллекта, то к корневым терминам-словам принадлежат 134 специальные лексические единицы, составляющие 5% от общей выборки. Примерами таких терминов могут служить следующие лексические единицы: agent – агент, circuit – схема, event – событие, robot – робот, search – поиск, term – терм, word – слово.

Аффиксальные термины представлены шире в исследуемой терминологии. Как отмечает В.М. Лейчик, среди производных терминов, т.е. полученных способами словопроизводства, подавляющее большинство специальных лексических единиц образовано с помощью деривации [Лейчик, 2007: 52]. Следует заметить, что аффиксация играет значительную роль в создании прозрачной структуры внутренней формы термина. Общее количество аффиксальных терминов в исследуемой выборке составляет 303 терминологические единицы (11% от общей выборки). Как суффиксы, так и префиксы являются средствами системного терминообразования.

Стоит отметить, что в специальной лексике суффиксальные формы не имеют того же значения, что и бессуфиксные формы, поэтому суффиксы используются для обозначения новых понятий, а не вариантов одного и того же слова. В исследуемой терминологии искусственного интеллекта возможно выделить 213 специальных лексических единиц, образованных с помощью суффиксов (7% от общей выборки).

При изучении исследуемой терминологии представляется возможным выделить наиболее продуктивные суффиксы, участвующие в образовании терминов. Под продуктивными понимаются те аффиксы, которые являются наиболее частотными в исследуемой выборке. Результаты проведенного анализа представлены ниже в таблице 1 в порядке уменьшения продуктивности.

Таблица 1 - Продуктивные суффиксы в терминообразовании английского подъязыка  искусственного интеллекта

Суффикс	Количество терминологических единиц	Пример
-tion/ ion	106 (4% от общей выборки)	Abstraction (абстрагирование), causation (каузация), definition (определение)
-ing	33 (1% от общей выборки)	Abstracting (абстрагирование), backjumping (обратный переход)
-y/ty	31 (1% от общей выборки)	Admissibility (допустимость), continuity (непрерывность), equality (равенство)
- or/er	17 (0,6% от общей выборки)	Compiler (компилятор), controller (контроллер), demodulator (демодулятор)
-ence/ance	9 (0,3% от общей выборки)	Dominance (доминирование), equivalence (эквивалентность), inference (вывод)
-ness/ ess	8 (0,2% от общей выборки)	Compactness (компактность сети), conciseness (краткость)
-ment	5 (0,1 % от общей выборки)	Argument (аргументация), environment (среда), judgment (суждение).
- ism	3 (0,1 % от общей выборки)	Behaviourism (бихевиоризм), connectionism (коннекционизм).
- ure	1 (0,03% от общей выборки)	Architecture (архитектура).

 

Как показывает анализ терминологических единиц, образованных суффиксальным способом, самым продуктивным является суффикс –tion, использующийся для производства абстрактных понятий. Суффикс –ing, обозначающий процесс, стал вторым по продуктивности.

Префиксальным способом образовано 54 термина, что составляет 2% от общей выборки. Такой способ образования терминов является менее частотным по сравнению с суффиксальным. В таблице 2 представлены префиксы в порядке уменьшения частотности.

Таблица 2 - Продуктивные префиксы в терминообразовании английского подъязыка  искусственного интеллекта 

Префикс	Количество терминологических единиц	Примеры
Sub-	10 (0,4% от общей выборки)	Subevent (подсобытие), subtree (поддерево), sunset (подмножество)
De-	7 (0,3% от общей выборки)	Debugging (отладка), decomposition (декомпозиция)
Re-	7 (0,3% от общей выборки)	Replanning (перепланирование), representation (представление)
Meta-	5 (0,2% от общей выборки)	Metarule (метаправило), metalanguage (метаязык)
Dis-	4 (0,1% от общей выборки)	Disequality (неравенство), disjunct (дизъюнкт), disjunction (дизъюнкция)
Un-	4 (0,1% от общей выборки)	Uncertainty (неопределенность), unsatisfiability (невыполнимость)
Hyper-	3 (0, 1% от общей выборки)	Hyperlink (гиперссылка), Hypertree (гипердерево), hyperevent (гиперсобытие)
Pre-	3 (0,1% от общей выборки)	Precondition (предусловие), presupposition (пресуппозиция)
Co-	3 (0,1% от общей выборки)	Cooperation (кооперация), coordination (координация), coroutines (сопроцедуры)
In-	2 (0,07% от общей выборки)	Incompleteness (неполнота), independence (независимость)
Non-	2 (0,07% от общей выборки)	Nonidentity (неравенство), nonmonotonicity (немонотонность)
Super-	2 (0,07% от общей выборки)	Superset (надмножество), supercategory (надкатегория)
Mega-	1 (0,03% от общей выборки)	Megavariable (мегапеременная)
Under-	1 (0,03% от общей выборки)	Underconstraint (недостаточное ограничение)
Semi-	1 (0,03% от общей выборки)	Semidecidability (полуразрешимость)

 

Как видно из таблицы 2, среди префиксов, участвующих в образовании терминов, присутствуют элементы терминов, заимствованные из классических языков. К таким элементам относятся, например, приставка meta-, hyper-, and mega-. Некоторые исследователи, в частности,  В.М. Лейчик, называют термины, имеющие структуру, в состав которой входит заимствованный элемент и элемент родного языка, гибридотерминами [Лейчик, 2009: 83].

Сложные термины в выборке искусственного интеллекта в английском языке представлены всего 43 единицами (1,5% от общей выборки). Схема 1 наглядно иллюстрирует виды сложных терминов. Проведенный анализ показывает, что подавляющее большинство сложных терминов представляют собой специальные лексические единицы, состоящие из нескольких корневых морфем – 37 терминов (1,3% от общей выборки). Примерами указанных единиц могут служить термины blackboard (доска объявлений), crossover (скрещивание),  keystroke (нажатие клавиш). Термины-символослова, в состав которых входит буквенный или числовой символ, не являются частотными  в исследуемой выборке. Таким структурным способом образовано всего 6 специальных лексических единиц, например, λ- expression - λ-выражение,  k-consistency – k- совместимость.

Анализ терминов искусственного интеллекта в английском языке показывает, что значительное количество терминов представлено словосочетаниями – 2291 единица (84%). Терминологические сочетания можно рассматривать с точки зрения элементов, входящих в сочетание, что позволяет установить их приемлемую длину. Количественное соотношение терминологических сочетаний, рассматриваемых с точки зрения компонентов, входящих в их состав, представлено на диаграмме 2.

   

Диаграмма 2 - Многокомпонентные терминологические сочетания в английской терминологии искусственного интеллекта

 

Что касается терминологии искусственного интеллекта в английском языке, то наиболее частотными оказались терминологические сочетания, состоящие из двух компонентов. Их количество составляет 1463 единицы (53,5% от общей выборки).

Многие исследователи, в частности Санкин А.А., работая с терминологиями различных наук и направлений, приходят к выводу, что для английского языка наиболее характерным является образование терминологических сочетаний по модели «прилагательное + существительное»  [Санкин, 1956: 34]. Как справедливо отмечает А.В. Суперанская, в двухкомпонентных терминологических сочетаниях определяемый компонент выступает в качестве названия рода или вида, получившего дополнительную дифференциацию с помощью определяющего компонента [Суперанская, 2009: 99]. Эту закономерность можно проследить на двухкомпонентных сочетаниях, ядерным термином в которых является лексическая единица logic (логика). Общее количество таких сочетаний в терминологической выборке составляет 29 единиц (1% от общего объема). Если проследить особенности этих терминологических сочетаний, то можно заметить следующее: в каждом из этих сочетаний ядерный термин logic употребляется в одном и том же значении – the science or study of careful reasoning using formal method (наука о формах, методах и законах интеллектуальной познавательной деятельности, формализуемых с помощью логического языка) [Longman, 1995: 844]. Второй же уточняет значение, указывая на дополнительный план-содержание: belief logic -  логика веры, common-sense logic – логика здравого смысла, constructive logic – конструктивная логика, deontic logic – деонтическая логика, inductive logic – индуктивная логика.  Считается, что терминологические сочетания характерны для подъязыка науки и техники, поскольку они дают определенную характеристику конструкций, процессов и технологий. В целях экономии языковых средств терминологические сочетания подвергаются сокращению, что приводит к образованию буквенных аббревиатур и сложносокращенных слов. Двухкомпонентные сочетания характеризуются большей связью составляющих их компонентов и тенденцией к превращению в однословные обозначения. Многокомпонентные терминологические сочетания по мере развития подъязыка той или иной науки нередко становятся аббревиатурами.

С.В. Гринев-Гриневич, исследуя терминологии нескольких отраслей знания, пришел к выводу, что основным типом двухкомпонентных сочетаний является атрибутивное словосочетание, в состав которого входит ядерный элемент, выраженный, как правило, именем существительным, и атрибутивный, определяющий элемент [Гринев, 1993: 136].

Анализ исследуемой выборки специальных лексических единиц искусственного интеллекта в английском языке позволяет выделить наиболее продуктивные модели образования двухкомпонентных терминологических сочетаний. Результаты исследования представлены в таблице 3.

Таблица 3 - Продуктивные модели образования двухкомпонентных терминологических сочетаний в английской терминологии искусственного интеллекта 

Модель	Количество терминологических единиц	Пример
AN	687 (25% от общей выборки)	abductive inference (абдуктивный вывод), biconditional elimination (удаление двусторонней импликации)
NN	574 (`21% от общей выборки)	abstraction hierarchy (иерархия абстракций), belief logic (логика веры), chain rule (цепное правило), data base (база данных)
NofN.	85 (3% от общей выборки)	Axiom of probability (аксиома вероятности), calculus of variations (вариационное исчисление), conjunction of subgoals (конъюнкция подцелей)
VedN	59 (2,1% от общей выборки)	automated deduction (автоматизированный дедуктивный вывод), closed model (замкнутая модель), expanded node (развернутый узел).
VingN	49 (1,7% от общей выборки)	backjumping method (метод обратного перехода), clustering algorithm (алгоритм кластеризации)
N’sN	9 (0,3 % от общей выборки)	Bayes’ model (байесовская модель), Herbrand's theorem (теорема Эрбрана), Kolmogorov’s axiom (аксиома Колмогорова).

 

Диаграмма 2 демонстрирует количественное соотношение терминологических сочетаний, рассматриваемых с точки зрения числа составляющих их компонентов. Трехкомпонентные терминологические сочетания представлены в исследуемой выборке в меньшей степени, по сравнению с двухкомпонентными сочетаниями. Общее количество таких сочетаний составляет 552 (20% от общей выборки). Благодаря большему количеству элементов, входящих в состав терминологического сочетания, возможные модели построения таких специальных лексических единиц представлены шире, чем, к примеру, модели двухкомпонентных сочетаний.   Результаты анализа структуры трехкомпонентных сочетаний отражены в таблице 4.

Таблица 4 - Продуктивные модели образования трехкомпонентных терминологических  сочетаний в английской терминологии искусственного интеллекта

Модель	Количество терминологических единиц	Пример
ANN	240 (10% от общей выборки)	abstract data type (абстрактный тип данных), complete local search (полный локальный поиск)
NNN	119 (4% от общей выборки)	action selection rule (правило выбора действия), data base machine (машина базы данных)
VedNN	32 (1% от общей выборки)	argumented transition network (расширенная сеть переходов),  closed world assumption (предположение о закрытом мире)
AVingN	30 (1% от общей выборки)	autonomous learning agent (автономный обучающийся агент), computational learning theory (теория вычислительного обучения)
ANN	28 (1% от общей выборки)	asynchronous policy iteration (асинхронная итерация по стратегиям), full resolution rule (правило полной резолюции)
NVingN	25 (1% от общей выборки)	chess playing automation (автомат для игры в шахматы), game playing program (программа ведения игры),
NVedN	25 (1% от общей выборки)	circuit based agent (агент на основе логических схем), explanation based generalization (обобщение на базе объяснения.
NAN	24 (1% от общей выборки)	constraint logic programming (логическое программирование в ограничениях), domain independent heuristic (эвристика, не зависимая от проблемной области).

 

Стоит отметить, что при образовании трехкомпонентных терминологических сочетаний в английском подъязыке искусственного интеллекта имеют место и другие модели, не вошедшие в таблицу 4. Сочетаний, образованных по этим моделям, мало (в процентном соотношении они составляют менее 1 % от общей выборки), поэтому они не могут считаться характерными для исследуемой терминологии. К таким моделям относятся:

- AdAN – образовано 7 сочетаний: nearly decomposable problem (частично декомпонуемая проблема), perfectly decomposable problem (идеально декомпонуемая задача;

- VingNN – образовано 6 сочетаний: sliding block puzzles (задачи со скользящими фишками), programming language statement (оператор языка программирования);

- AVedN – образовано 6 сочетаний: heavy tailed distribution (распределение с широким хвостом), highest valued successor (преемник с наивысшем значением), linear bounded automation (линейно-ограниченный автомат);

- VingAN – образовано 3 сочетания: handling special constraints (обработка специальных ограничений), parsing natural language (синтаксический анализ текста на естественном языке);

- VedVingN – образовано 2 сочетания: constrained solving algorithm (алгоритм решения задач с ограничениями),automated reasoning method (автоматизированный метод формирования рассуждения);

- VedAN – образовано 2 сочетания: limited rational agent (ограниченный рациональный агент), weighted linear function (взвешенная линейная функция);

- NandNN – образовано 1 сочетания: missionaries and cannibals problem (проблема миссионеров и каннибалов);

- AdVedN – образовано 1 сочетание: locally structured system (локально структурированная система).

Общее количество четырехкомпонентных терминологических сочетаний – 109 единиц (4% от общей выборки), пятикомпонентных – 18 единиц (0,6% от общей выборки), шестикомпонентных – 5 единиц (0,1% от общей выборки). В терминологии искусственного интеллекта присутствует всего один семикомпонентный термин – nonnumeric theory of physical objects and processes (нечисловая теория физических объектов и процессов).

Л.Б. Ткачева подразделяет терминологические сочетания на связные и свободные [Ткачева, 1987: 40].  Связные терминологические сочетания обозначают устойчивые многокомпонентные терминологические сочетания, в которых невозможна субституция составляющих его элементов без нарушения семантической целостности всего сочетания. Следующие терминологические сочетания являются иллюстрацией  связных сочетаний в исследуемой выборке: artificial intelligence (искусственный интеллект), neural net (нейронная сеть).

Свободные терминологические сочетания, напротив, предполагают возможность синонимичной субституции одного или двух составляющих элементов с сохранением семантической целостности всего сочетания [Ткачева, 1987: 40]. Стоит отметить, что свободные терминологические сочетания способствуют возникновению внутриотраслевой синонимии. Примерами свободных терминологических сочетаний в исследуемой выборке английских терминов искусственного интеллекта могут служить следующие сочетания: atemporal function – eternal function (вневременная функция – неизменная функция),  information search – information retrieval (информационный поиск).

Говоря о синтаксических отношениях внутри терминологических сочетаний, можно выделить особый тип сочетаний – фразовые. Особенностью таких терминологических сочетаний является схожесть структуры с фразой, а синтаксические отношения выражены с помощью союзов или предлогов. Общее количество фразовых терминологических сочетаний составляет 264 терминологические единицы (9,6% от общей выборки). Примерами фразовых терминологических сочетаний могут служить: algorithm with linear time complexity (алгоритм со сложностью, линейно зависящей от времени), depth of truth (степень истинности), game of chance (игра с элементами случайного выбора), reasoning by analogy (рассуждение по аналогии).

Внутри терминологических сочетаний представляется возможным выделить элемент, который несет основную смысловую нагрузку, являясь смысловым центром этого сочетания. Такие элементы носят название ядерных терминов. Анализ выборки специальной лексики искусственного интеллекта в английском языке позволяет выделить наиболее продуктивные ядерные термины. К таким терминам относятся следующие специальные лексические единицы, расположенные в порядке уменьшения частотности образования многокомпонентных терминологических сочетаний: 1) algorithm (алгоритм) – 77 ТС; 2) model (модель) – 61 ТС; 3) function (функция) – 58 ТС; 4) problem (задача) – 54 ТС; 5) search (поиск) – 54 ТС; 6) system (система) – 50 ТС; 7) logic (логика) – 35 ТС; 8) set (множество) – 34 ТС; 9) agent (agent) – 32 ТС; 10)  rule (правило) – 30 ТС; 11) network (сеть) – 29 ТС; 12) language (язык) – 28 ТС; 13) relation (отношение) – 28 ТС; 14) method (метод) – 27 ТС; 15) state (состояние) – 26 ТС; 16) theory (теория) – 26 ТС; 17) reasoning (рассуждение) – 24 ТС; 18) heuristic (эвристика) – 23 ТС; 19) domain (домен, проблемная область) – 22 ТС; 20) learning (обучение) – 22 ТС; 21) variable (переменная) – 22 ТС; 22) planning (планирование) – 21 ТС; 23) knowledge (знание) – 18 ТС; 24)  programming (программирование) – 17 ТС; 25) space (пространство) – 17 ТС.

Считаем необходимым детально исследовать некоторые ядерные термины с точки зрения их этимологической природы, семантических особенностей. На наш взгляд, эти специальные лексические единицы обладают высоким терминообразовательным потенциалом, а развитие науки искусственного интеллекта будет способствовать увеличению терминологических сочетаний с участием этих терминов. Следует заметить, что рассматриваемые ядерные термины принадлежат к классу базовых терминов, под которыми в своей работе мы понимаем термины, обозначающие используемые в терминосистеме понятия базовых наук, т.е. наук и областей знания, которые формируют фундамент рассматриваемой науки [Лейчик, 2009: 127-128].

Первым ядерным термином, создавшим наибольшее количество терминологических сочетаний, является термин Algorithm.

Термин algorithm (алгоритм) является базовым понятием подъязыка искусственного интеллекта, заимствованного из математики. Продуктивность этой специальной лексической единицы можно объяснить тем, что искусственный интеллект является прикладной наукой, и большинство его практических разработок действуют на основе набора инструкций, которые необходимо выполнить рациональному агенту, чтобы успешно справиться с решением поставленной задачи. Longman Dictionary of Contemporary English дает следующее определение рассматриваемому термину: algorithm - technical, a set of instructions for solving a mathematical problem, making a computer program etc that are followed in a fixed order [Longman, 1995: 31]. Таким образом, под алгоритмом понимается точный набор инструкций, описывающих порядок действий исполнителя для достижения результата решения задачи за конечное время.

Интересно происхождение специальной лексической единицы algorithm в английском языке. Этимологический словарь английского языка указывает на то, что само слово «алгоритм» происходит от имени персидского учёного Абу Абдуллах Мухаммеда ибн Муса аль-Хорезми и пришло в английский язык из французского, но изначально неверно связывалось с греческим понятием, обозначающим «число» [The Oxford Dictionary of English Etymology, 1960: 37]. Современное значение термина  «алгоритм» датируется 19 веком. Algorithm - 1690s, from Fr. algorithme, refashioned (under mistaken connection with Gk. arithmos "number") from O.Fr. algorisme "the Arabic numeral system" (13c.), from M.L. algorismus, a mangled transliteration of Arabic al-Khwarizmi "native of Khwarazm," surname of the mathematician whose works introduced sophisticated mathematics to the West. The earlier form in M.E. was algorism (early 13c.), from Old French. Modern use of algorithmic to describe symbolic rules or language is from 1881.

Следующий по производительности идет специальная лексическая единица Model (модель). Этот термин пришел в английский язык из французского в эпоху Возрождения, когда возврат к идеалам античности дал толчок к развитию искусства, поэтому изначально “model” употреблялся именно в данной сфере. Английская промышленная революция XVII века стимулировала развитие науки и техники, что привело к терминологическому заимствованию этой специальной лексической единицы в сферу производства путем расширения  ее лексического значения. Это наглядно подтверждается данными Этимологического словаря английского языка, согласно которому model -  1570s, "architect's set of designs," from M.Fr. modelle (Fr. modèle), from It. modello "a model, mold," from V.L. *modellus, dim. of L. modulus "measure, standard," dim. of modus "manner, measure". Sense of "thing or person to be imitated" is 1630s [The Oxford Dictionary of English Etymology, 1960: 354]. В современном английском языке термин model в технической сфере употребляется в  значении упрощенного представления реального устройства и/или протекающих в нем процессов, явлений (a simple description of a system or structure that helps people understand similar systems or structures) [Longman, 1995: 916]. Поскольку ученые искусственного интеллекта занимаются разработками устройств, моделирующих деятельность человека, то терминологическая единица model  является продуктивной именно по этой причине.

Базовый термин function (функция) был заимствован из общелитературного языка и имел значение «обязанность, круг деятельности», что подтверждается данными Cobuild English Dictionary for Advanced Learners, который дает первым значением “the purpose that something is made for, or the job that someone does” [Cobuild English Dictionary for Advanced Learners, 2001: 574]. По материалам Оксфордского словаря английского языка, заимствование этой лексической единицы произошло из французского языка, там в свою очередь она появилась из латинского, произошло в первой половине XVI  столетия (1530s, "proper work or purpose," from M.Fr. fonction (16c.) and directly from L. functionem (nom. functio) "performance, execution") [201]. Затем, в ходе терминологизации общеупотребительного значения, термин приобрел математическое значение – закон зависимости одной величины от другой (a mathematical quantity that changes according to how another mathematical quantity changes”) [Walter, 2007: 574], произошло это в 1692 году благодаря трудам выдающегося математика Готфрида Лейбница.  Далее в результате терминологического заимствования из смежных областей знания, с развитием информатики, в частности такого раздела, как программирование, термин начинает использоваться в значении  «поименованная часть программы, которая может вызываться из других частей программы столько раз, сколько необходимо» (an of the basic operations performed by a computer). Именно в этом значении термин перешел в терминосистему искусственного интеллекта.

Продуктивность этой терминологической единицы объясняется тем, что компьютер является одним из основных объектов искусственного интеллекта, а специально создаваемые для него программы содержат функции. Примерами терминологических сочетаний, образованных с привлечением рассматриваемой терминологической единицей, могут служить следующие специальные лексические единицы: addictive function (аддитивная функция), computable function (вычислимая функция), explicit utility function (явная заданная функция полезности), function free literal (литерал, не содержащий функций), library function (библиотечная функция).

Следующий продуктивный ядерный термин, который мы рассмотрим, - search (поиск). В искусственном интеллекте задачам и алгоритмам поиска уделяется серьезное внимание, поскольку рациональный агент должен находить наиболее подходящие и удачные решения. По данным Этимологического словаря английского языка, лексическая единица “search” перешла в английский язык из французского в качестве глагола в XIV веке. В результате конверсии слово  стало употребляться как существительное (early 14c., from O.Fr. cerchier "to search," from L. circare "go about, wander, traverse," from circus "circle" (see circus-). The noun is first recorded c.1400 [Walter, 2007: 543]). Примерами терминологических сочетаний, образованных с помощью ядерного термина search, могут служить следующие сочетания: associative search (ассоциативный поиск), backtracking search (поиск с возвратом), contingency search (поиск в условиях непредвиденной ситуации), depth limited search (поиск с ограничением глубины), exhaustive search (исчерпывающий поиск).

Ядерный термин logic (логика) являет собой интересный пример межотраслевого заимствования, поскольку в английский язык эта специальная лексическая единица была заимствована в XIV в. как наименование раздела философии: mid-14c., "branch of philosophy that treats of forms of thinking," from O.Fr. logique, from L. (ars) logica, from Gk. logike (techne) "reasoning (art)’ [Little, 1973: 765]. Логика как наука получила основательное развитие изначально только в трёх традициях: в китайской, индийской и греческой. В английскую терминологию искусственного интеллекта единица “logic” была заимствована из греческого в значении «наука о формах, методах и законах интеллектуальной познавательной деятельности, формализуемых с помощью логического языка» (the science or study of careful using formal methods [Longman, 1995: 844]).

Иллюстрациями терминологические сочетания, в которых специальная единица “logic” выступала в качестве ядерного компонента, могут служить: standard logic (логика стандартов), propositional logic (пропозициональная логика), operational logic (логика действий), multivalued logic (многозначная логика), intuitionistic logic (интуиционистская логика).

Ядерный термин “network” (сеть) является ключевым в одном из направлений искусственного интеллекта – нейронных сетях. Термин был заимствован из языков германской группы в XVI в. в значении «нитевидная организация проводов и т.д.», затем в результате расширения значения в XVII в. лексическая единица стала употребляться для обозначения  «системы взаимосвязанных объектов» (a system of lines or similar things [Longman, 1995: 912]): "net-like arrangement of threads, wires, etc.," 1550s, from net (n.) + work (n.). Extended sense of "any complex, interlocking system" is from 1839 [Little, 1973: 893].

Следующие терминологические сочетания иллюстрируют употребление специальной лексической единицы “network” в качестве ядерного термина: associative network (ассоциативная сеть), connectional network (соединительная сеть), decision network (сеть принятия решений), feed-forward network (нейронная сеть с прямым распространением), inference network (сеть вывода), probabilistic network (вероятностная сеть).

Термин “language” (язык) является центральным в компьютерной лингвистике, приоритетном направлении искусственного интеллекта. Многие выдающиеся ученые, в частности Ю.Н. Марчук, уделяют большой внимание теоретическим основам этой области лингвистики [Марчук, 2000: 143].

Компьютерная лингвистика, будучи одним из направлений прикладной лингвистики, изучает лингвистические основы информатики и все аспекты связи языка и мышления, моделирования языка и мышления в компьютерной среде с помощью компьютерных программ. По мнению Л.Н. Ясницкого, компьютерная лингвистика является одной из наиболее популярных тем исследования искусственного интеллекта [Ясницкий, 2005: 27].

Как особое научное направление компьютерная лингвистика оформилась в 1950-е годы в Соединенных Штатах Америки (в СССР интерес к компьютерной лингвистике возник десятилетие спустя). С изобретением транзистора и появлением нового поколения компьютеров, а также первых языков программирования, начались эксперименты с машинным переводом, особенно русских научных журналов. Русский термин «компьютерная лингвистика» является калькой с английского computational linguistics. Поскольку прилагательное computational на русский может переводиться и как «вычислительный», в литературе встречается также термин «вычислительная лингвистика». Компьютерная лингвистика как особая прикладная дисциплина выделяется, прежде всего, по инструменту, т.е. по использованию компьютерных средств обработки языковых данных. Самым продуктивным ядерным термином внутри данной тематической группы стала лексическая единица language – язык, с помощью которой было образовано 28 терминологических сочетаний: machine language – машинный язык, production system language – язык продукционной системы, programming language – язык программирования, query language – язык запросов, formal language – формальный язык [39, с. 66-70].

Рассмотрим это на примере термина language – язык, который, как правило, ассоциируется с системой устного или письменного общения, используемой людьми определенной страны или территории. Longman Dictionary of Contemporary English дает следующее определение лексической единицы: language – 1. a system of communication by written or spoken words, which is used by the people of the particular country or territory; 2. the ability to use words to communicate; 3. a system of instruction and commands for operating a computer [Longman, 1995: s789]. Из приведенного определения термина явно следует, что первоначальное значение лексемы “language” лежит в области лингвистики, как одной из наук о языке, и только потом было заимствовано компьютерными науками, в частности, искусственным интеллектом для обозначения «общения» между человеком и компьютером.

Слово “language” было заимствовано из французского языка в конце 13 века, в то время, когда человечество начинает анализировать и осмыслять особенности взаимоотношений между людьми. Оксфордский Этимологический Словарь Английского языка дает следующую справку о происхождении лексической единицы “language’: language – late 13c., from O.Fr. langage (12c.), from V.L. *linguaticum, from L. lingua "tongue," also "speech, language [Little, 1973:  658].

Аббревиация как способ терминообразования, по С.В. Гриневу-Гриневичу,  представляет собой сложение слов или основ с их одновременным сокращением [Гринев-Гриневич, 2008: 146]. Несмотря на то, что аббревиация является достаточно распространенным способом терминологического образования, в исследуемой выборке она представлена не так широко, как в подъязыках наук, имеющих длительную историю. Д.С. Лотте еще в 30х годах ХХ столетия писал, что многокомпонентные терминологические сочетания имеют существенный недостаток, выраженный в длине, что ведет к нарушению языковой экономии [Лотте, 1961: 13].

Можно предположить, что помимо стремления к языковой экономии, источниками аббревиации также являются интеграция наук, которая имеет место в настоящий момент и характеризует современные тенденции развития научной мысли, взаимопроникновение идей различных наук, междисциплинарные исследования.

Анализ лингвистической литературы позволяет выделить следующие типы аббревиатур: 1) инициальная аббревиация – сокращенная форма образуется только по начальным буквам компонентов терминологических сочетаний; 2) усечение – сокращенная форма образуется путем сохранения первого слога, реже второго или последнего в термине или в компонентах терминологического сочетания; 3) стяжение – сокращенная форма образуется путем сокращения целого ряда согласных букв термина; 4) акронимия – сокращенная форма образуется путем инициальной аббревиации, в результате чего происходит совпадение с общелитературным словом, или усечения одного или более компонентов терминологического сочетания для удобства произношения; 5) гибридные сочетания – сокращенная форма образуется путем инициальной аббревиации, а остальная часть остается неизменной [Ткачева, 1987: 56-57].

Как справедливо отмечает С.В. Гринев-Гриневич, аббревиация является эффективным способом сжатия многокомпонентных терминологических сочетаний [Гринев-Гриневич, 2008: 149]. Поскольку многокомпонентные терминологические сочетания, состоящие более чем из 5 элементов, не характерны для терминологии искусственного интеллекта в английском языке, то это и является причиной низкого процента аббревиатур  в представленной выборке.

Интересную точку зрения на сущность аббревиатур в терминологии высказывает Н.К. Сухов, который считает, что необходимость применения кратких форм вызвана удобством их употребления. Однако ученый отказывается признавать аббревиатуры полноценными словами, именуя их «условными заместителями термина» [Сухов, 1953: 1062].

Общее количество аббревиатур в английской терминологии искусственного интеллекта – 67 единиц (2,4% от общей выборки). В английской терминологии искусственного интеллекта  основным типом аббревиации выступает инициальная аббревиация, с помощью которой образовано 39 терминологических единиц (1,4% от общей выборки). Примерами таких терминов могут служить следующие специальные лексические единицы: ADL (Action Description Language) – язык описания действий; AI (Artificial Intelligence) – искусственный интеллект; CWA (Closed World Assumption) – предположение о закрытом мире; HMM (Hidden Markov Model) – скрытая Марковская модель.

Важной характеристикой терминологии искусственного интеллекта в английском языке является наличие гибридных терминов.  В своей работе мы придерживаемся следующего определения гибридов – многокомпонентные терминологические сочетания, где в качестве одного или нескольких компонентов выступают инициальные сокращения [Беликова, 2004: 100]. Общее количество гибридных образований в терминологии искусственного интеллекта в английском языке составляет 27 единиц (1% от общей выборки). Примерами таких специальных лексических единиц могут служить следующие термины: AI programming (ИИ программирование), HTN planning (планирование в иерархической сети задач), logic based AI (искусственный интеллект, основанный на логике).

Единственным примером акронимии в исследуемой выборке является термин macrop (macrooperator) – макрооператор.

Образование аббревиатур является достаточно простым по сравнению с образованием терминов посредством обычных способов терминообразования. Но использование буквенных сокращений кроет в себе некоторые трудности: 1) первоначальное освоение таких терминов сложнее, поскольку требуется не только освоение понятия, но и дополнительная расшифровка аббревиатуры; 2) буквенные сокращения сложнее запоминаются, чем словесные термины; 3) аббревиатуры не способны образовывать производные [Сухов, 1953:  1062].

Упорядочение терминологии особенно на этапе ее становления, связано с важной структурной задачей – созданием целесообразных моделей термина в сфере определенной специальной области знания. Анализ терминологической выборки по искусственному интеллекту в английском языке показал, что наиболее продуктивным синтаксическим способом образования терминов служит образование двухкомпонентных терминологических сочетаний по модели AN и NN. Многокомпонентные терминологические сочетания по сравнению с терминами-словами передают более точную информацию о называемом понятии и обладают большей степенью мотивированности.

Литература

1. Collins Cobuild English dictionary for advanced learners. – 6th ed. – Great Britain : Major New Edition, 2001. – 2604 p.
2. Longman dictionary of contemporary English: the compl. guide to written a spoken English: over 80 000 words and phrases. – 3. ed. – Harlow (Essex) : Longman, 1995. – 1668 p.
3. Onions, C. T. The Oxford dictionary of English etymology / C. T. Onions. – Oxford: Clarendon Press, 1960. – 1040 p.
4. Russell, S. J. Artificial intelligence: a modern approach / S. J. Russell, P. Norvig. – New Jersey: Prentice Hall, 2003. – 1109 p.
5. The Shorter Oxford English dictionary on historical principles / Prep. by W. Little et al. ; Rev. and ed. by C. T. Onions. – 3rd ed., compl. reset with etymologies rev. – Oxford : Clarendon press, 1973. – 2672 p.
6. Walter Skeat, W. Concise dictionary of English etymology / W. Walter Skeat. – New York: Wordsworth Edition Limited, 2007. – 656 p.
7. Беликова, И. А. Особенности образования терминов-неологизмов в подъязыке компьютерной техники : дис. … канд. филол. наук / И. А. Беликова. – Омск, 2004. – 147 с.
8. Гринёв, С. В. Введение в терминоведение : учеб. пособие / С. В. Гринев. – М.: Московский Лицей, 1993. – 309 с.
9. Гринёв-Гриневич, С. В. Терминоведение / С. В. Гринёв-Гриневич. – М.: Академия, 2008. – 304 с. – (Высшее профессиональное образование).
10. Даниленко, В. П. Лексико-семантические и грамматические особенности слов-терминов / В. П. Даниленко // Исследования по русской терминологии. – М.: Наука, 1971. – С. 7-67.
11. Лейчик, В. М. Терминоведение. Предмет, методы, структура / В. М. Лейчик. – М.: КомКнига, 2009. – 256 с.
12. Лотте, Д. С. Основы построения научно-технической терминологии: вопросы теории и методики / Д. С. Лотте. – М.: Изд-во Академии Наук СССР, 1961. – 158 с.
13. Марчук Ю. Н. Основы компьютерной лингвистики / Ю.Н. Марчук. – М.: Изд-во МПУ «Народный учитель», 2000. – 226 с
14. Санкин, А. А. О характерных чертах составных терминов типа «прилагательное + существительное» в английском языке : дис. ... канд. филол. наук / А. А. Санкин. – М., 1956. – 345 с.
15. Суперанская, А. В. Общая терминология: вопросы теории / А. В. Суперанская, Н. В. Подольская, Н. В. Васильева. – 5-е изд. – М.: ЛИБРОКОМ, 2009. – 248 с.
16. Сухов, Н. К. О применении буквенных сокращений в качестве научно-технических терминов / Н. К. Сухов // Известия АН СССР. Отделение технических наук. – 1953. – № 7. – С. 1058-1064.
17. Ткачева, Л. Б. Гибридное образование - путь к интернационализации терминологии / Л. Б. Ткачева // Взаимодействие языков на разных уровнях и научно-технический перевод : тез. докл. и сообщений. – Орел, 1987. – С. 24-29
18. Ясницкий, Л. Н. Введение в искусственный интеллект : учеб. пособие для студ. вузов / Л. Н. Ясницкий. – М.: Академия, 2005. – 176 с.

References

1. Collins Cobuild English dictionary for advanced learners. – 6th ed. – Great Britain : Major New Edition, 2001. – 2604 p.
2. Longman dictionary of contemporary English: the compl. guide to written a spoken English: over 80 000 words and phrases. – 3. ed. – Harlow (Essex) : Longman, 1995. – 1668 p.
3. Onions, C. T. The Oxford dictionary of English etymology / C. T. Onions. – Oxford: Clarendon Press, 1960. – 1040 p.
4. Russell, S. J. Artificial intelligence: a modern approach / S. J. Russell, P. Norvig. – New Jersey: Prentice Hall, 2003. – 1109 p.
5. The Shorter Oxford English dictionary on historical principles / Prep. by W. Little et al. ; Rev. and ed. by C. T. Onions. – 3rd ed., compl. reset with etymologies rev. – Oxford : Clarendon press, 1973. – 2672 p.
6. Walter Skeat, W. Concise dictionary of English etymology / W. Walter Skeat. – New York: Wordsworth Edition Limited, 2007. – 656 p.
7. Belikova, I. A. Osobennosti obrazovaniya terminov-neologizmov v podyazyke kompyuternoi tekhniki [Peculiarities of terminological neologisms formation in the sublanguage of computer technology]. : dis. … kand. filol. nauk / I. A. Belikova. – Omsk, 2004. – P. 147. [in Russian]
8. Grinyov, S. V. Vvedenie v terminovedenie [Introduction to terminology studies]. : ucheb. posobie / S. V. Grinyov. – M.: Moskovskii Litcei, 1993. – P. 309. [in Russian]
9. Grinyov-Grinevich, S. V. Terminovedenie [Terminology studies]. / S. V. Grinyov-Grinevich. – M.: Akademiya, 2008. – P. 304 – (Vysshee professional'noe obrazovanie). [in Russian]
10. Danilenko, V. P. Leksiko-semanticheskie i grammaticheskie osobennosti slov-terminov [Lexical-semantic and grammar peculiarities of term-words]. / V. P. Danilenko // Issledovanija po russkoj terminologii. [Researches on Russian terminology]. – M.: Nauka, 1971. – P. 7-67. [in Russian]
11. Leichik, V. M. Terminovedenie. Predmet, metody, struktura [Terminology studies. Subject, methods, structure]. / V. M. Leichik. – M.: KomKniga, 2009. – P. 256. [in Russian]
12. Lotte, D. S. Osnovy postroeniya nauchno-tekhnicheskoi terminologii: voprosy teorii i metodiki. [The basics of scientific and technical terminology creation: theoretical and methodical issues]. / D. S. Lotte. – M.: Izd-vo Akademii Nauk SSSR, 1961. – P. 158. [in Russian]
13. Marchuk Y. N. Osnovy kompyuternoi lingvistiki [The basics of computer linguistics]. / Y .N. Marchuk. – M.: Izd-vo MPU «Narodni uchitel'», 2000. – P. 226. [in Russian]
14. Sankin, A. A. O kharakternykh chertakh sostavnykh terminov tipa «prilagatel'noe + suschestvitel'noe» v angliiskom yazyke [Towards characteristic features of compound terms of “adjective + noun” type in the English language]. : dis. ... kand. filol. nauk / A. A. Sankin. – M., 1956. – P. 345. [in Russian]
15. Superanskaya, A. V. Obschaya terminologiya: voprosy teorii [General terminology: theoretical matters]. / A. V. Superanskaya, N. V. Podol'skaya, N. V. Vasil'eva. – 5 ed. – M.: LIBROKOM, 2009. – P. 248. [in Russian]
16. Sukhov, N. K. O primenenii bukvennykh sokraschenii v kachestve nauchno-tekhnicheskikh terminov [Towards the usage of letter contractions as scientific and technical terms]. / N. K. Sukhov // Izvestiya AN SSSR. Otdelenie tekhnicheskikh nauk [Izvestiya of the Academy of Science of the USSR. Technical sciences department]. – 1953. – № 7. – P. 1058-1064. [in Russian]
17. Tkacheva L. B. Gibridnoe obrazovanie - put' k internacionalizatcii terminologii [Hybrid term-formation as the way to terminology internalization]. / L. B. Tkacheva // Vzaimodeistvie yazykov na raznykh urovnyakh i nauchno-tekhnicheskii perevod [Language interaction on various levels and scientific and technical translation]. : tez. dokl. i soobschenii. – Orel, 1987. – P. 24-29. [in Russian]
18. Yasnitcky, L. N. Vvedenie v iskusstvennyi intellekt [Introduction to artificial intelligence]. : ucheb. posobie dlya stud. vuzov / L. N. Yasnitcky. – M.: Akademiya, 2005. – P. 176. [in Russian]