מה זאת בלשנות חישובית, ולפי מי
בלשנות חישובית (Computational Linguistics) היא תחום מחקר בין-תחומי שחוקר שפה אנושית באמצעות כלים חישוביים וסטטיסטיים — הן משפת מדעני-המחשב והן משפת הבלשנים. לפי ההגדרה הרשמית של האגודה המקצועית המרכזית בתחום, ה-Association for Computational Linguistics (ACL), מדובר ב"מחקר מדעי של שפה מנקודת-מבט חישובית": בניית מודלים חישוביים של תופעות לשוניות, בין אם מבוססי-ידע וכללים שנכתבו ביד ובין אם מבוססי-נתונים וסטטיסטיקה.
שורשי התחום: תרגום-מכונה וההדגמה של ג'ורג'טאון-IBM, 1954
שורשי התחום נטועים במחקר תרגום-מכונה בתחילת עידן המחשוב. ב-1954 הדגימו חוקרים מאוניברסיטת ג'ורג'טאון ומחברת IBM לראשונה תרגום-מכונה פומבי — כ-60 משפטים ברוסית תורגמו אוטומטית לאנגלית. ההדגמה, שהוצגה כפריצת-דרך קרובה, הציתה גל אופטימיות ומימון ממשלתי נרחב למחקר תרגום-מכונה בארצות-הברית לאורך שנות ה-50 וה-60.
טביעת המונח וייסוד ACL, 1962–1968
המונח "בלשנות חישובית" עצמו טבע כנראה הבלשן דייוויד הייז (David Hays) בתחילת שנות ה-60. הוא שימש כבר בשם האגודה המקצועית הראשונה בתחום, שהוקמה ב-13 ביוני 1962 בשם Association for Machine Translation and Computational Linguistics (AMTCL) — האגודה שינתה את שמה ל-Association for Computational Linguistics (ACL) הנוכחי רק ב-1968, השם שבו היא ידועה עד היום.
דוח ALPAC, 1966: המפנה שקיצץ את מימון תרגום-המכונה
נקודת-מפנה מכרעת הגיעה ב-1966, כשוועדת ALPAC — ועדה מטעם האקדמיה הלאומית האמריקאית למדעים — פרסמה דוח ביקורתי בשם "Language and Machines", שקבע כי תרגום-מכונה נכון לאותה עת איטי, יקר ופחות מדויק מתרגום אנושי, ושאין באופק פתרון קרוב. הוועדה המליצה להפנות מימון-מחקר מפיתוח-הנדסי-ישיר של תרגום-מכונה אל מחקר-יסוד רחב-יותר בבלשנות חישובית — המלצה שגרמה לקיצוץ חד במימון האמריקאי לתרגום-מכונה לשנים רבות.
בלשנות חישובית מול עיבוד שפה טבעית: תחום-אם או שם-נרדף?
היחס בין בלשנות חישובית לעיבוד שפה טבעית (NLP) שנוי-במחלוקת-מסוימת בתחום עצמו: חלק מהמוסדות והחוקרים משתמשים בשני המונחים כמעט כנרדפים, ואילו אחרים תופסים את הבלשנות החישובית כתחום-האם הרחב-והמדעי-יותר — כולל שאלות תיאורטיות על מבנה השפה עצמה, לא רק בניית מערכות עובדות — ואת NLP כענף היישומי-הנדסי שצמח ממנו.
מכללים ידניים לסטטיסטיקה ועד למודלי-שפה גדולים
מאז שנות ה-90 עברו רוב שיטות התחום ממודלים מבוססי-כללים-ידניים (שהומחשו קלאסית, לדוגמה, במערכות-מומחה) לשיטות סטטיסטיות ולמידת-מכונה שנלמדות מכמויות-גדולות של טקסט מתויג. מ-2010 ואילך התרחש מעבר נוסף — לרשתות-נוירונים עמוקות ולבסוף למודלי-שפה גדולים (LLM), שמסוגלים ללמוד דפוסי-שפה מורכבים בלי כללים ידניים כלל.