Series 2 · 第 10 篇——为什么 Quizzman Fanqie Engine 不是汉越字典 上一篇：准确率与 Benchmark：Quizzman Fanqie Engine 的评估方法
为什么 Quizzman Fanqie Engine 并不是一部汉越字典？
初次接触 Quizzman Fanqie Engine 时，许多人都会认为它只是一套汉越音查询工具。这样的理解并没有错，但并不完整。Engine 确实可以输出汉越音、Pinyin，以及各种音韵资讯，因此很容易被误认为电子字典。然而，如果深入观察整个运作流程，就会发现两者解决的是完全不同的问题。字典储存的是结果；Quizzman Fanqie Engine 重建的是结果形成的过程。 这正是 Dictionary Lookup 与 Historical Phonology Inference Engine 之间最根本的差异。
汉越字典是如何工作的？
大多数电子字典，
都采用相同的方式。
使用者输入：
国
系统查询资料表：
国
↓
quốc
如果再输入：
德
系统再次查询：
德
↓
đức
每一个汉字，
都是一笔独立资料。
如果要新增新的汉字，
只需要加入新的纪录即可。
这种架构：
- 容易开发；
- 容易理解；
- 查询速度极快；
- 非常适合日常检索。
对一般使用而言，
这样的方法完全足够。
查表方法的限制
但这种架构，
存在一个根本性的限制。
字典知道：
国
↓
quốc
却不知道：
- 为什么读作 quốc？
- 为什么不是 cuốc？
- 为什么是去声（sắc）？
- 为什么保留 -c 韵尾？
- 为什么声母变成 qu-？
换句话说，
字典只保存：
结果（Result）
却没有保存：
形成结果的过程（Reasoning）。
如果遇到字典里没有的汉字呢？
这是一个最简单的测试。
如果某个汉字不存在于资料库，
一般字典只能回答：
查无资料。
或者：
没有收录。
这是很正常的。
因为字典不知道：
读音是如何形成的。
它只能回答：
自己已经记录过的内容。
Fanqie Engine 的思考方式完全不同
对 Quizzman Fanqie Engine 而言，
真正的问题不是：
这个字怎么读？
而是：
这个读音是如何形成的？
两个问题看起来相似，
本质却完全不同。
如果 Engine 已知：
- 反切；
- 声母；
- 韵部；
- 摄；
- 等；
- 开合口；
- 平上去入；
- 汉越音的历史演变；
那么，
即使从未遇过这个汉字，
它仍然可以推导出合理的汉越音。
这就是最大的差异。
Engine 并不是从汉字开始
字典的流程：
汉字
↓
读音
Quizzman Fanqie Engine 的流程则是：
汉字
↓
反切
↓
Middle Chinese
↓
音韵规则
↓
汉越音
换句话说，
Engine 保存的，
不是数万笔读音。
而是：
产生这些读音的规则。
规则比资料更有价值
假设有一千个汉字，
都属于相同的音韵类型。
字典需要保存：
1000
笔资料。
Quizzman Fanqie Engine
只需要：
1
条规则。
例如：
通摄
↓
Rule A
梗摄
↓
Rule B
流摄
↓
Rule C
每一条规则，
都可以同时适用于数百、
甚至数千个汉字。
这就是 Rule Engine 的思维。
并不是 AI 在「猜」
今天，
许多人看到能够推导结果的系统，
第一个反应就是：
AI。
Quizzman Fanqie Engine
并不是如此。
它不是：
猜测。
也不是：
统计预测。
每一步，
都依据具体的音韵规则。
例如：
声母
↓
决定起始辅音
摄
↓
决定韵尾
等
↓
影响元音
清浊声母
↓
影响声调
每一步都可以说明。
没有任何一步，
来自模型的「直觉」。
Explainable by Design
Quizzman Fanqie Engine
最重要的设计目标之一，
就是：
Every Result Must Be Explainable.
例如，
Engine 不只是输出：
国
↓
quốc
还可以进一步说明：
- 使用了哪一个反切；
- 选用了哪一组声母；
- 韵属于哪一摄；
- 为什么出现介音 u；
- 为什么保留 -c 韵尾；
- 为什么属于去声；
- 为什么这个候选结果优先于其他候选。
这正是大多数电子字典无法做到的。
字典与 Engine 并不是互相排斥
有趣的是，
Quizzman Fanqie Engine
依然使用字典。
只是，
字典的位置改变了。
传统架构：
Dictionary
↓
Answer
Quizzman Fanqie Engine：
Rule Engine
↓
Pure Projection
↓
Dictionary
↓
Lexical Normalization
↓
Final Result
字典不再主导整个推导流程。
它只是最后的：
Lexical Layer。
这也是整个架构最大的改变之一。
如果规则与字典不同呢？
这是一个非常重要的问题。
假设：
Pure Projection
得到：
A
但现代汉越字典记录：
B
一般字典，
直接回传：
B。
Quizzman Fanqie Engine
则会先判断：
- 是规则错误？
- 还是古读？
- 还是历史例外？
- 还是文读？
- 还是字典资料尚未完整？
只有完成分析之后，
Engine 才会决定最终输出。
因此，
它不会把所有差异，
都视为错误。
为什么这件事重要？
如果目的只是：
查询几万个汉字。
那么，
一本字典已经足够。
但如果希望：
- 研究汉越音历史；
- 从反切重建读音；
- 由 Middle Chinese 推导 Pinyin；
- 分析韵书；
- 验证音韵规则；
- 建立语言学工具；
光有资料，
是不够的。
真正需要的是：
一套能够推理的系统。
一个平台，而不是一个应用程式
因此，
Quizzman Fanqie Engine
从来不是以查询工具为目标。
它是一套：
Historical Phonology Platform。
从同一份 Middle Chinese Profile，
Engine 可以产生：
- 汉越音；
- Pinyin；
- 历史读音；
- NLP 所需资料；
- 反切研究工具；
- 更多未来的 Projection。
只有把规则放在整个架构中心，
这些能力才可能实现。
从 Lookup 到 Inference
Quizzman Fanqie Engine
与传统汉越字典，
最大的不同，
其实可以用两个字概括。
Dictionary
↓
Lookup
Fanqie Engine
↓
Inference
前者：
保存答案。
后者：
重建答案形成的过程。
前者知道：
读音是什么。
后者知道：
为什么会这样读。
这也是 Quizzman Fanqie Engine 自第一版开始就始终坚持的理念：
不是建立一个更大的资料库，而是建立一套真正理解并模型化一千多年来汉越音形成规律的 Historical Phonology Rule Engine。