Series 2 · 第 7 篇——Pure Projection 与 Lexical Normalization 上一篇：从两百多条音韵规律到 Quizzman Fanqie Engine
为什么演算法无法 100% 推导所有汉越音？理解 Pure Projection 与 Lexical Normalization
初次了解 Quizzman Fanqie Engine 时，许多人都会提出同一个问题：「既然音韵规律已经研究得相当完整，为什么 Engine 不能只依靠反切，就百分之百推导出所有汉越音？」 这个问题其实触及了历史语言学最核心的本质。简单地说：音韵规律（Phonological Rules）与语言使用历史（Lexical History）并不总是完全一致。 要理解这一点，首先必须区分两个重要概念：Pure Projection 与 Lexical Normalization。
两个完全不同的问题
研究汉越音时，
我们常常不自觉地把两个问题混在一起。
第一个问题是：
如果一个 Middle Chinese 音节完全依照音韵规律发展，它最后应该变成什么？
这是：
历史音韵学（Historical Phonology）
所讨论的问题。
第二个问题则是：
历史上的越南人实际是怎么读这个字的？
这属于：
词汇学（Lexicology）
与：
借词历史（Borrowing History）
的范畴。
两者密切相关，
却不是同一件事。
因此，
Quizzman Fanqie Engine
将它们分成两个不同层次处理。
Pure Projection 回答什么？
假设，
我们已经知道某个汉字完整的
Middle Chinese Profile。
例如：
- 声母；
- 韵；
- 摄；
- 等；
- 开口或合口；
- 平、上、去、入四声。
如果完全依照音韵规律推导，
Engine 便会得到一个汉越音。
这个过程，
称为：
Pure Projection。
在这个阶段，
Engine 完全不考虑：
- 字典怎么记录；
- 现代越南人怎么读；
- 哪一种读法比较常见。
它只回答一个问题：
依照历史音韵规律，理论上应该发展成什么样的汉越音？
但语言不只有规律
如果所有词语都完全按照规律演变，
问题就会变得非常简单。
只要知道：
- 声母；
- 韵母；
- 声调；
再套用规则即可。
然而，
真实的语言历史，
远比这复杂。
一个词可能因为：
- 在不同时期传入；
- 受到不同方言影响；
- 因使用习惯而改变；
- 与其他词发生同化；
- 保留了较早期的读音；
而走向不同的发展。
换句话说：
词汇历史，不一定完全遵循音韵历史。
一个容易理解的比喻
想像有一条从 A 点通往 B 点的直线道路。
如果每个人都按照这条路前进，
我们很容易预测他们的位置。
这就是：
Pure Projection。
然而，
现实中，
有人：
- 改走另一条路；
- 绕远路；
- 半途停下；
- 甚至折返。
这就是：
词汇的历史。
规律本身，
并没有错。
只是，
不同词语，
经历了不同的历史。
为什么汉越音存在那么多例外？
汉越音，
并不是在一天之内形成的。
它是：
数百年、
甚至上千年
汉越语言接触的结果。
在这段历史中：
- 发生过多次借词；
- 存在不同的发音中心；
- 汉语本身持续演变；
- 越南语也持续改变。
因此，
同一条音韵规律，
可能因借入时间不同，
而产生不同结果。
这也是我们经常看到：
- 一字多音；
- 文读与白读；
- 古层汉越音与标准汉越音；
同时存在的原因。
演算法不应该「背诵」所有例外
如果只是追求最高命中率，
有一种非常简单的方法：
每遇到一个例外，
就在资料库新增一笔。
几年之后，
Engine 就会累积：
数万条例外。
准确率，
或许会提高。
但是，
音韵规律呢？
它们会逐渐被大量例外掩盖。
最后，
整个 Engine
将不再是一套推理系统。
而只是：
一个巨大的资料库。
Quizzman
并没有选择这条道路。
Lexical Normalization 因此诞生
完成 Pure Projection 之后，
Engine 才会进入第二层：
Lexical Normalization。
如果：
Pure Projection 回答：
理论上应该怎么发展？
那么：
Lexical Normalization 回答：
历史上实际怎么读？
这时，
才会引入：
- Thiều Chửu；
- 汉越字典；
- 已验证的词汇资料；
来决定：
最适合作为输出的读音。
两个层次彼此互补
整个流程可以表示为：
Middle Chinese
↓
Pure Projection
↓
依照音韵规律得到的汉越音
然后：
依照音韵规律得到的汉越音
↓
Lexical Normalization
↓
历史上实际使用的汉越音
这两层，
并不是互相竞争。
而是：
互相补充。
如果没有：
Pure Projection，
Engine 就只是一本字典。
如果没有：
Lexical Normalization，
Engine 又无法完整反映语言历史。
科学未必只有唯一答案
在科学研究中，
尤其是历史语言学，
目标从来不是：
得到唯一且绝对正确的答案。
真正的目标是：
建立一个最能解释资料的模型。
当新的文献、
新的研究成果出现时，
模型可以继续修正。
这是再正常不过的事情。
Quizzman Fanqie Engine
正是建立在这样的理念上。
它不会宣称：
其他读法一定错。
也不会：
把所有例外都硬塞进规律。
相反，
Engine 努力区分：
- 哪些属于音韵规律；
- 哪些属于语言历史。
正因如此，
才能同时维持：
规则的一致性，
以及汉越音历史的丰富性。
结论
演算法无法仅依靠音韵规律，
就百分之百推导所有汉越音，
并不是因为演算法能力不足。
真正的原因是：
语言从来都不只是规律的集合。
每一个词，
都有自己的历史：
- 借入的年代；
- 使用的环境；
- 世代之间的演变；
- 方言的影响。
因此，
Quizzman Fanqie Engine
采用了两层架构：
Pure Projection
负责模型化音韵规律，
回答：
理论上应该如何发展。
Lexical Normalization
则负责反映历史上的实际使用，
回答：
历史上真正如何阅读。
这两层共同构成了一套既能推理、
又能解释、
同时可以验证的 Historical Phonology Rule Engine，
而不是一张单纯依靠资料查询的对照表。