Series 2 · 第 10 篇——為什麼 Quizzman Fanqie Engine 不是漢越字典 上一篇：準確率與 Benchmark：Quizzman Fanqie Engine 的評估方法
為什麼 Quizzman Fanqie Engine 並不是一部漢越字典？
初次接觸 Quizzman Fanqie Engine 時，許多人都會認為它只是一套漢越音查詢工具。這樣的理解並沒有錯，但並不完整。Engine 確實可以輸出漢越音、Pinyin，以及各種音韻資訊，因此很容易被誤認為電子字典。然而，如果深入觀察整個運作流程，就會發現兩者解決的是完全不同的問題。字典儲存的是結果；Quizzman Fanqie Engine 重建的是結果形成的過程。 這正是 Dictionary Lookup 與 Historical Phonology Inference Engine 之間最根本的差異。
漢越字典是如何工作的？
大多數電子字典，
都採用相同的方式。
使用者輸入：
國
系統查詢資料表：
國
↓
quốc
如果再輸入：
德
系統再次查詢：
德
↓
đức
每一個漢字，
都是一筆獨立資料。
如果要新增新的漢字，
只需要加入新的紀錄即可。
這種架構：
- 容易開發；
- 容易理解；
- 查詢速度極快；
- 非常適合日常檢索。
對一般使用而言，
這樣的方法完全足夠。
查表方法的限制
但這種架構，
存在一個根本性的限制。
字典知道：
國
↓
quốc
卻不知道：
- 為什麼讀作 quốc？
- 為什麼不是 cuốc？
- 為什麼是去聲（sắc）？
- 為什麼保留 -c 韻尾？
- 為什麼聲母變成 qu-？
換句話說，
字典只保存：
結果（Result）
卻沒有保存：
形成結果的過程（Reasoning）。
如果遇到字典裡沒有的漢字呢？
這是一個最簡單的測試。
如果某個漢字不存在於資料庫，
一般字典只能回答：
查無資料。
或者：
沒有收錄。
這是很正常的。
因為字典不知道：
讀音是如何形成的。
它只能回答：
自己已經記錄過的內容。
Fanqie Engine 的思考方式完全不同
對 Quizzman Fanqie Engine 而言，
真正的問題不是：
這個字怎麼讀？
而是：
這個讀音是如何形成的？
兩個問題看起來相似，
本質卻完全不同。
如果 Engine 已知：
- 反切；
- 聲母；
- 韻部；
- 攝；
- 等；
- 開合口；
- 平上去入；
- 漢越音的歷史演變；
那麼，
即使從未遇過這個漢字，
它仍然可以推導出合理的漢越音。
這就是最大的差異。
Engine 並不是從漢字開始
字典的流程：
漢字
↓
讀音
Quizzman Fanqie Engine 的流程則是：
漢字
↓
反切
↓
Middle Chinese
↓
音韻規則
↓
漢越音
換句話說，
Engine 保存的，
不是數萬筆讀音。
而是：
產生這些讀音的規則。
規則比資料更有價值
假設有一千個漢字，
都屬於相同的音韻類型。
字典需要保存：
1000
筆資料。
Quizzman Fanqie Engine
只需要：
1
條規則。
例如：
通攝
↓
Rule A
梗攝
↓
Rule B
流攝
↓
Rule C
每一條規則，
都可以同時適用於數百、
甚至數千個漢字。
這就是 Rule Engine 的思維。
並不是 AI 在「猜」
今天，
許多人看到能夠推導結果的系統，
第一個反應就是：
AI。
Quizzman Fanqie Engine
並不是如此。
它不是：
猜測。
也不是：
統計預測。
每一步，
都依據具體的音韻規則。
例如：
聲母
↓
決定起始輔音
攝
↓
決定韻尾
等
↓
影響元音
清濁聲母
↓
影響聲調
每一步都可以說明。
沒有任何一步，
來自模型的「直覺」。
Explainable by Design
Quizzman Fanqie Engine
最重要的設計目標之一，
就是：
Every Result Must Be Explainable.
例如，
Engine 不只是輸出：
國
↓
quốc
還可以進一步說明：
- 使用了哪一個反切；
- 選用了哪一組聲母；
- 韻屬於哪一攝；
- 為什麼出現介音 u；
- 為什麼保留 -c 韻尾；
- 為什麼屬於去聲；
- 為什麼這個候選結果優先於其他候選。
這正是大多數電子字典無法做到的。
字典與 Engine 並不是互相排斥
有趣的是，
Quizzman Fanqie Engine
依然使用字典。
只是，
字典的位置改變了。
傳統架構：
Dictionary
↓
Answer
Quizzman Fanqie Engine：
Rule Engine
↓
Pure Projection
↓
Dictionary
↓
Lexical Normalization
↓
Final Result
字典不再主導整個推導流程。
它只是最後的：
Lexical Layer。
這也是整個架構最大的改變之一。
如果規則與字典不同呢？
這是一個非常重要的問題。
假設：
Pure Projection
得到：
A
但現代漢越字典記錄：
B
一般字典，
直接回傳：
B。
Quizzman Fanqie Engine
則會先判斷：
- 是規則錯誤？
- 還是古讀？
- 還是歷史例外？
- 還是文讀？
- 還是字典資料尚未完整？
只有完成分析之後，
Engine 才會決定最終輸出。
因此，
它不會把所有差異，
都視為錯誤。
為什麼這件事重要？
如果目的只是：
查詢幾萬個漢字。
那麼，
一本字典已經足夠。
但如果希望：
- 研究漢越音歷史；
- 從反切重建讀音；
- 由 Middle Chinese 推導 Pinyin；
- 分析韻書；
- 驗證音韻規則；
- 建立語言學工具；
光有資料，
是不夠的。
真正需要的是：
一套能夠推理的系統。
一個平台，而不是一個應用程式
因此，
Quizzman Fanqie Engine
從來不是以查詢工具為目標。
它是一套：
Historical Phonology Platform。
從同一份 Middle Chinese Profile，
Engine 可以產生：
- 漢越音；
- Pinyin；
- 歷史讀音；
- NLP 所需資料；
- 反切研究工具；
- 更多未來的 Projection。
只有把規則放在整個架構中心，
這些能力才可能實現。
從 Lookup 到 Inference
Quizzman Fanqie Engine
與傳統漢越字典，
最大的不同，
其實可以用兩個字概括。
Dictionary
↓
Lookup
Fanqie Engine
↓
Inference
前者：
保存答案。
後者：
重建答案形成的過程。
前者知道：
讀音是什麼。
後者知道：
為什麼會這樣讀。
這也是 Quizzman Fanqie Engine 自第一版開始就始終堅持的理念：
不是建立一個更大的資料庫，而是建立一套真正理解並模型化一千多年來漢越音形成規律的 Historical Phonology Rule Engine。