{"id":1149,"date":"2024-05-30T16:20:39","date_gmt":"2024-05-30T16:20:39","guid":{"rendered":"https:\/\/ailabor.appsters.me\/?page_id=1149"},"modified":"2024-08-26T10:55:53","modified_gmt":"2024-08-26T10:55:53","slug":"text2sql","status":"publish","type":"page","link":"https:\/\/ailabor.appsters.me\/it\/text2sql\/","title":{"rendered":"Text2SQL"},"content":{"rendered":"
\n
\n

Autore: Istv\u00e1n Szakad\u00e1t<\/em><\/p>\n\n\n\n\n\n\n

<\/div>\n\n\n\n
\n
\n

Ricerca testuale su Text2SQL<\/strong><\/h3>\n\n\n\n

Quando i CD-ROM apparvero all'inizio degli anni '90, furono pubblicizzati come in grado di\nmemorizzare tanti libri su un singolo disco quanto quelli che avrebbero occupato uno scaffale\nin formato cartaceo tradizionale. Inoltre, grazie ai computer, era possibile cercare velocemente\nall'interno dei testi, mettendo ancora pi\u00f9 in contrasto le capacit\u00e0 di ricerca umana. "Cerchiamo\nquante volte \u00e8 menzionato il cane in tutte le opere di Shakespeare!" Questo compito sembrava\nuna sfida insormontabile per l'uomo, mentre il computer rispondeva in un attimo, mostrando\nimmediatamente i risultati. La potenza straordinaria dei computer divenne ancora pi\u00f9 evidente\ncon l'avvento del web, dando inizio a una nuova accumulazione digitale della conoscenza\numana. Abbiamo iniziato a costruire un nuovo mondo della conoscenza umana, dove\nchiunque poteva accedere a qualsiasi cosa, ovunque, in qualsiasi momento (con un po' di\nesagerazione). La quantit\u00e0 di documenti accessibili via web \u00e8 cresciuta in modo straordinario.\nEric Schmidt, allora CEO di Google, dichiar\u00f2 nel 2010:<\/p>\n<\/div>\n\n\n\n

\n
\"\"<\/figure>\n<\/div>\n<\/div>\n\n\n\n
<\/div>\n\n\n\n

"Oggi produciamo la stessa quantit\u00e0 di informazioni ogni due giorni, rispetto a quanto ne\nabbiamo prodotte dall'inizio dei tempi fino al 2003."<\/p>\n\n\n\n

L'universo digitale \u00e8 continuato a espandersi, e l'accesso al contenuto del gigantesco corpus\ntestuale \u00e8 stato reso possibile dai servizi automatici emergenti dell'epoca: i motori di ricerca.\nNel 2000, Tim Berners-Lee, il padre del progetto World-Wide-Web, ha dichiarato che il primo\ndecennio del web aveva compiuto la sua missione. Conserviamo l'intera conoscenza\ndell'umanit\u00e0 in un unico sistema integrato; i motori di ricerca sono in grado di leggere\nrapidamente l'enorme quantit\u00e0 di testi accumulati e di aiutare efficacemente le persone a\ntrovare i documenti desiderati. In quell'occasione, Berners-Lee ha lanciato il programma web\nper i decenni successivi, fissando nuovi obiettivi per gli sviluppi futuri.<\/p>\n\n\n\n

\"Il primo decennio del web riguardava l'insegnamento della lettura alle macchine; ora \u00e8 il\nmomento di insegnare loro a interpretare i testi.\"<\/p>\n\n\n\n

Perch\u00e9 \u00e8 stato necessario fissare nuovi obiettivi, quale era il motivo? Sebbene la\nperformance spettacolare delle macchine fosse impressionante, era anche noto che la ricerca\ncomputerizzata presentava delle carenze. Se si dava al computer il compito di cercare la\nparola 'gyula', restituiva immediatamente i risultati (con il tempo, sempre di pi\u00f9), ma non\nriusciva a gestire bene frasi come:<\/p>\n\n\n\n

\"Gyula Gyula \u00e8 stato gyula per cinque anni nella citt\u00e0 di Gyula.\"<\/p>\n\n\n\n

Il computer trovava la parola 'gyula' quattro volte all'interno della frase, ma non era in\ngrado di gestire la differenza che un essere umano riconosce immediatamente: vale a dire, che\nl'espressione trovata appare nella frase in quattro significati diversi: 'gyula' pu\u00f2 essere un\ncognome, un nome proprio, un titolo onorifico e il nome di una citt\u00e0 (e potremmo trovare o\ncreare ulteriori possibilit\u00e0 di interpretazione\/uso). A un certo livello del linguaggio, a livello\nsintattico, il motore di ricerca \u00e8 efficace, ma al livello successivo \u2013 quello semantico \u2013 non lo\n\u00e8. Il computer, in questo caso, non sa ancora che 'gyula' pu\u00f2 significare pi\u00f9 cose all'interno di\nuna frase. Questo esempio illustra cosa intendesse Tim Berners-Lee quando affermava che \"le\nmacchine non capiscono ci\u00f2 che leggono.\" <\/p>\n\n\n\n

La risoluzione del problema \u00e8 stata promessa dallo sviluppo delle tecniche di ricerca\nsemantica. Per questo motivo, il nuovo programma web \u00e8 stato denominato 'iniziativa di\nricerca semantica'. Tuttavia, questo programma non ha ottenuto successi rapidi e\nspettacolari come quelli visti nel decennio precedente con il progetto web.<\/p>\n\n\n\n

C'era ovviamente anche un altro problema con i motori di ricerca. Quando una persona\nformulava una query di ricerca, i computer restituivano un elenco di risultati, composto da una lista di documenti in cui compariva il termine di ricerca. Con il tempo, la lunghezza di tali\nelenchi \u00e8 aumentata sempre di pi\u00f9, e questa crescita \u00e8 diventata costante. Ben presto sono\napparse liste di risultati con miliardi di elementi. Ma cosa dovrebbe fare una persona con tali\nquantit\u00e0? In un certo senso, siamo tornati al punto di partenza: di nuovo, il compito di\neffettuare la ricerca \u00e8 ricaduto sull'uomo. Doveva manualmente esaminare i documenti della\nlista dei risultati: cliccare uno dopo l'altro per vedere in quale contesto appariva il termine di\nricerca nel testo selezionato. Abbiamo chiesto poco, ma abbiamo ricevuto troppo.\nPotremmo dire: la macchina \u00e8 diventata eccessivamente prolissa. Noi, invece, abbiamo\nbisogno che la ricerca sia pi\u00f9 mirata. <\/p>\n\n\n\n

\n
<\/span><\/span>

Affidabilit\u00e0, prolissit\u00e0, gestione della rilevanza<\/strong><\/h3><\/div><\/div>
\n

Ovviamente, i sviluppatori dei motori di ricerca avevano una risposta a questa prolissit\u00e0. Se\nl'elenco dei risultati era troppo lungo, sia per consapevolezza di s\u00e9 che per esperienza,\npotevamo supporre che gli utenti avrebbero guardato solo le prime proposte della lista. In\nquesto caso, il criterio di servizio pi\u00f9 importante \u00e8 diventata la qualit\u00e0 dell'ordinamento della\nlista dei risultati in base alla rilevanza (cosa e perch\u00e9 l'algoritmo mette in cima alla lista). Nei\nprimi tempi ci sono stati molti tentativi diversi. Poi \u00e8 arrivato Google, che in brevissimo\ntempo ha conquistato il mercato dei motori di ricerca con il suo servizio. Il motivo era che il\nmotore di ricerca di Google, rispetto ai suoi concorrenti (come AltaVista, Lycos, HotBot e\naltri), aveva capacit\u00e0 di gestione della rilevanza nuove e di gran lunga migliori. <\/p>\n\n\n\n

Tuttavia, il successo del motore di ricerca di Google non era dovuto a competenze semantiche\no a qualsiasi altra abilit\u00e0 linguistica, ma piuttosto alla novit\u00e0 del modo in cui era in grado di\nraccogliere e algoritmizzare le informazioni valutative sparse nei documenti web espresse\ndagli utenti (espressioni di valore). Oggi possiamo dire che, raccogliendo queste tracce di dati\ne creando indicatori di rilevanza, Google non ha fatto altro che sfruttare una particolare\nmanifestazione dell'intelligenza collettiva umana (e, anche se di solito non se ne parla, \u00e8 vero\nche nel motore di ricerca di Google \u00e8 nascosto forse il pi\u00f9 grande progetto di crowdsourcing\nvolontario e inconsapevole. Tuttavia, ci\u00f2 non sminuisce i meriti degli ingegneri di Google,\npoich\u00e9 nella costruzione dell'infrastruttura tecnica e nello sviluppo dell'algoritmo \u00e8 stato\nnecessario impiegare molte conoscenze ingegneristiche.<\/p>\n\n\n\n

Un altro tipo di critica poteva essere mossa nei confronti dei motori di ricerca. Se\nconsideriamo infatti questa relazione uomo-macchina come un atto comunicativo, in cui\nl'uomo pone una domanda e la macchina risponde, e sappiamo che la risposta del motore di\nricerca \u00e8 la restituzione di un elenco di risultati, allora si pu\u00f2 affermare che domanda e\nrisposta differiscono per genere e qualit\u00e0 linguistica. L'uomo infatti inserisce un termine di\nricerca, ossia pone una domanda (una frase interrogativa), alla quale la macchina restituisce\nun elenco di titoli (una serie di frasi pi\u00f9 o meno lunghe) come risposta, con l'"incarico" di\nproseguire cliccando sui link offerti e leggendo i testi accessibili uno dopo l'altro. Questo\nrapporto differisce significativamente dalla forma di base della comunicazione umana, in cui\ncomunichiamo tra noi con frasi, poniamo domande (frasi) e ci aspettiamo risposte (frasi) dagli\naltri. <\/p>\n\n\n\n

Questa differenza ha fornito la base per lo sviluppo di nuovi tipi di sistemi di ricerca. Si \u00e8\npensato che, se alle domande "a una frase" ci si aspetta risposte "a una frase", allora il nome\ndel sistema di nuova funzionalit\u00e0 dovrebbe essere 'Q&A' (question and answer) o 'sistema di\ndomanda e risposta'. <\/p>\n<\/div><\/div><\/div>\n\n\n\n

<\/span><\/span>

Sistemi di domanda e risposta<\/strong><\/h3><\/div><\/div>
\n

I tentativi di sviluppare sistemi di domanda e risposta sono in corso da molto tempo, ma\nnessuno \u00e8 riuscito a ottenere un successo clamoroso. La ragione evidente di ci\u00f2 \u00e8 che per far\nfunzionare con successo questi sistemi \u00e8 necessario modellare le capacit\u00e0 semantiche umane e\nrealizzare questi modelli attraverso l'elaborazione informatica.<\/p>\n\n\n\n

Questo compito \u00e8 di gran lunga pi\u00f9 difficile rispetto all'esecuzione dell'operazione di ricerca\nbasata su principi sintattici (somiglianza basata sui caratteri). Per fare ci\u00f2, infatti, \u00e8 necessario\nrivelare la struttura interna delle frasi, la relazione tra le parole e le espressioni, il loro\nsignificato e il loro collegamento ai contesti d'uso linguistici, ovvero l'intero sistema di regole\ndella lingua naturale. Bene, finora questo non \u00e8 stato possibile. Non sono pochi quelli che\nritengono che forse non sia nemmeno possibile, e ci sono anche coloro che pensano che sia\nun'impresa del tutto insensata. Tuttavia, molti hanno cercato e cercano ancora soluzioni.<\/p>\n<\/div><\/div><\/div>\n\n\n\n

<\/span><\/span>

Ricerca semantica<\/strong><\/h3><\/div><\/div>
\n

Google ha iniziato molto presto (gi\u00e0 all'inizio degli anni 2000) a sviluppare le capacit\u00e0\nsemantiche del suo motore di ricerca. Ha integrato nel suo motore di ricerca un numero\nconsiderevole di moduli semantici di diversa rilevanza, ma sempre focalizzati su un'area di\nconoscenza ristretta o su un tipo specifico di dati, tuttavia il grande passo avanti deve ancora\narrivare. Il grande passo avanti sarebbe se Google diventasse improvvisamente un motore di\nricerca semantico, ma \u00e8 evidente che le continue variazioni quantitative non hanno ancora\nraggiunto la misura necessaria per un cambiamento qualitativo.<\/p>\n\n\n\n

Rispetto ai primi tempi, da molto tempo ormai, Google fornisce servizi diversi sulla sua\npagina dei risultati di ricerca a seconda della domanda, grazie al fatto che continuano a essere\nintegrate nuove funzionalit\u00e0 basate su capacit\u00e0 semantiche. Fin dall'inizio, il motore di ricerca\nha funzionato come calcolatrice, convertitore di valute, cercatore di codici postali, e col tempo\nha gestito sempre pi\u00f9 aree di conoscenza in modo leggermente diverso rispetto alle altre in\ngenerale. <\/p>\n\n\n\n

Sempre pi\u00f9 spesso riceviamo una pagina dei risultati in cui non vediamo in cima all'elenco dei\nsiti web correlati (cio\u00e8 un insieme di titoli di documenti), ma informazioni pertinenti e uniche\nrelative alla domanda posta (tralasciamo per un momento le modifiche delle pagine dovute a\nconsiderazioni pubblicitarie e di gestione della rilevanza \u2013 poich\u00e9 anche queste hanno causato\nmolti cambiamenti).<\/p>\n\n\n\n

Possiamo citare come esempio convincente la soluzione per cui, quando inseriamo come\ncriterio di ricerca la domanda "primo ministro dell'Ungheria", otteniamo in cima alla pagina\nuna risposta specifica alla domanda specifica (ovviamente aggiornata al presente), seguita da\nmolte altre informazioni e solo dopo arriva il lungo elenco delle pagine in cui compare il\ntermine cercato.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Nonostante i successi parziali spettacolari, la sfida di sviluppare la capacit\u00e0 semantica delle\nmacchine, ossia il riconoscimento e la comprensione della struttura interna delle frasi, del\nsignificato delle parole e delle espressioni, \u00e8 rimasta ancora un problema esistente. Nel\nfrattempo, per\u00f2, sono emerse e si sono consolidate altre tecnologie utilizzate per scopi diversi,\nche hanno \u2013 in parte o completamente \u2013 trasformato e continuano a trasformare le nostre idee\nsulle capacit\u00e0 linguistiche delle macchine.<\/p>\n<\/div><\/div><\/div>\n<\/div><\/div><\/div><\/div>\n\n\n\n

Conversazione con le macchine basata su corpora testuali<\/strong><\/h3>\n\n\n\n

Gli sviluppi dell'intelligenza artificiale (AI) basati su algoritmi di deep learning hanno seguito\nuna logica completamente diversa rispetto ai motori di ricerca, e questi sviluppi hanno\nraggiunto successi sorprendenti e rapidissimi negli anni 2020. Le nuove tecnologie basate su\nLLM (Large Language Model) \u2013 per alcuni aspetti molto importanti \u2013 hanno elevato le\ncapacit\u00e0 di parola delle macchine alla qualit\u00e0 del discorso umano. Con ChatGPT si pu\u00f2\ncomunicare come fanno le persone tra loro. Si pu\u00f2 conversare con la macchina proprio come\nfacciamo tra di noi, e sotto molti aspetti con la stessa qualit\u00e0. Poniamo domande e riceviamo\nrisposte in frasi ben formate, sia sintatticamente che semanticamente. Un cambiamento cos\u00ec\ntravolgente e dirompente si \u00e8 visto raramente, sin dagli albori del mondo digitale.<\/p>\n\n\n\n

Cosa pu\u00f2 fare la macchina parlante basata su AI? Parlare \u2013 come solo noi esseri umani siamo\nstati in grado di fare finora. Cosa c'\u00e8 dietro questa tecnologia? Molti algoritmi, un'enorme\nquantit\u00e0 di calcoli e tantissimi testi. Non ci siamo mai occupati prima degli algoritmi, delle\nesigenze di capacit\u00e0 di calcolo, delle questioni relative all'infrastruttura tecnica sottostante al\nservizio, e possiamo trascurarli anche ora. Questi aspetti sono ovviamente estremamente\nimportanti per garantire il funzionamento sistematico, ma non sono realmente necessari per\nil confronto dei processi analizzati, per la costruzione del quadro interpretativo e per le\nvalutazioni finali. <\/p>\n\n\n\n

Per semplificare le cose, possiamo dire che anche questa macchina parlante utilizza lo stesso\nenorme corpus testuale del motore di ricerca, e possiamo dire che questo "corpus comune"\nnon \u00e8 altro che una vasta collezione di testi umani raccolti e gestiti digitalmente,\noriginariamente creati e conservati in modo sparso. <\/p>\n\n\n\n

Questo corpus fornisce al motore di ricerca la possibilit\u00e0, quando viene posta una domanda,\ndi trovare i passaggi rilevanti (che garantiscono una certa corrispondenza) nell'intero insieme\ne di restituirli come risultati, in modo che la persona possa vedere in quale contesto il\ntermine di ricerca \u00e8 apparso nel documento precedentemente registrato da qualcun altro.\nSe il motore di ricerca funziona correttamente \u2013 qui: tecnicamente, in senso sintattico \u2013 la\ncorrettezza semantica delle risposte (passaggi testuali) restituite dalla macchina non pu\u00f2\nessere contestata. Se leggiamo la pagina a cui siamo stati indirizzati tramite il link offerto dal\nmotore di ricerca e l'informazione trovata non \u00e8 adeguata o sufficiente per noi, la macchina\nnon pu\u00f2 essere ritenuta responsabile, poich\u00e9 non \u00e8 stata lei a produrla. Naturalmente, uno\ndei servizi importanti del motore di ricerca \u00e8 il modo in cui classifica i documenti trovati in\nbase a criteri di rilevanza, poich\u00e9 questo influisce effettivamente su ci\u00f2 che leggiamo (e su\nci\u00f2 che non leggiamo), ma anche in questo caso non possiamo incolpare la macchina per la\nqualit\u00e0 delle risposte leggibili in termini di contenuto. Il motore di ricerca pu\u00f2 sempre\ndifendersi in caso di "risposta sbagliata" indicando un punto qualsiasi del corpus testuale e\naffermando che \u00e8 stato un'altra persona a dirlo (scriverlo), quindi \u00e8 lui il responsabile del\ncontenuto della risposta.<\/p>\n\n\n\n

La situazione \u00e8 diversa per la macchina parlante! Sebbene questa macchina utilizzi lo stesso\ncorpus testuale del motore di ricerca, lo fa in modo completamente diverso e per scopi\ncompletamente diversi. Qui, l'obiettivo principale \u00e8 che la macchina parlante sia sempre in\ngrado di rispondere alle domande poste, e per farlo non \u00e8 necessario che restituisca o mostri\nnulla di quel corpus su cui si basa. Il corpus \u00e8 necessario solo (e soltanto) per dare risposte\nquanto pi\u00f9 appropriate possibile \u2013 espresse in frasi di linguaggio naturale \u2013 a chi pone la\ndomanda. Lo fa utilizzando il corpus per apprendere preliminarmente come le persone\nformulano frasi nei diversi contesti d'uso della lingua. Questo avviene su base statistica \u2013\nrichiedendo enormi capacit\u00e0 di calcolo e tempo. <\/p>\n\n\n\n

Un aspetto importante qui \u00e8 la gestione del contesto. La comunicazione linguistica umana,\ninfatti, \u00e8 estremamente sensibile al contesto, il che significa che le nostre espressioni\nlinguistiche possono essere comprese e interpretate correttamente solo in un determinato\ncontesto, e le nostre espressioni (parole, frasi, frasi) simili o molto simili possono portare\nsignificati diversi da contesto a contesto. Questo \u00e8 ci\u00f2 che intendiamo quando diciamo che il\nnostro uso del linguaggio (la nostra lingua) \u00e8 estremamente flessibile. A lungo \u00e8 stato uno\ndei maggiori ostacoli allo sviluppo di capacit\u00e0 linguistiche efficienti per le macchine. La\nmacchina parlante \u00e8 stata in grado di risolvere questo problema grazie alla sua capacit\u00e0 di\nidentificare miliardi di contesti linguistici basandosi su parole, espressioni, frasi, contesti\ntestuali presenti nel corpus, e sui calcoli automatici che identificano i modelli statistici tra di\nessi. Poich\u00e9 il suo corpus \u00e8 costituito da testi precedentemente registrati da esseri umani,\npossiamo dire che la macchina impara come le persone tendono a utilizzare parole e frasi in\ndeterminati contesti linguistici. Con dati sufficienti, capacit\u00e0 di calcolo sufficiente, denaro\nsufficiente e, naturalmente, una quantit\u00e0 e qualit\u00e0 sufficiente di intelligenza umana, questa\ncombinazione pu\u00f2 improvvisamente diventare funzionale.<\/p>\n\n\n\n

\n
<\/span><\/span>

Allucinazione<\/strong><\/h3><\/div><\/div>
\n

Anche se la macchina parlante \u00e8 in grado di conversare come fanno le persone tra loro, non\npossiamo dire che abbia raggiunto il livello di intelligenza. Ma perch\u00e9 no? La macchina\nparlante non utilizza il suo corpus come riferimento, ma per poter partecipare a un discorso\nben formato a livello concettuale. Sa che il cane abbaia, che il gatto ha cuccioli, non pulcini,\nche l'aereo vola, ma non \u00e8 un uccello, che il pinguino non sa volare, ma \u00e8 comunque un\n\nuccello, ecc. Le sue frasi sono quasi sempre ben formate, la sua conoscenza del mondo \u00e8\nconvincente. Anche a livello di conoscenza umana particolare, individuale, fattuale, spesso si\ncomporta bene, disponendo di un ampio database di conoscenze fattuali. Tuttavia, a questo\nlivello pu\u00f2 facilmente commettere errori. \u00c8 emerso presto che la macchina parlante spesso\nallucina, ovvero produce risposte errate e non fondate sui fatti. Non analizzeremo qui le\nragioni di ci\u00f2, anche se forse la critica pi\u00f9 seria rivolta alla macchina parlante riguarda proprio\nquesta debolezza. Tuttavia, dal punto di vista del nostro ragionamento, questa mancanza non \u00e8\ncos\u00ec rilevante.<\/p>\n<\/div><\/div><\/div>\n\n\n\n

<\/span><\/span>

Traduzione<\/strong><\/h3><\/div><\/div>
\n

Sebbene il fenomeno dell'allucinazione possa sollevare dubbi, si pu\u00f2 discutere se sia possibile\nsperare in un miglioramento significativo in questo campo, e se s\u00ec, come e in quale misura,\nma non vale la pena contestare che la capacit\u00e0 di parola della macchina parlante \u00e8 a un livello\nmolto alto. Da ci\u00f2 deriva un'altra conseguenza: basandosi su questa abilit\u00e0, questo sistema ha\nottime capacit\u00e0 di traduzione tra diverse lingue. E non solo \u00e8 in grado di tradurre tra due\nlingue naturali, ma \u00e8 anche capace di effettuare conversioni tra lingue naturali e formali.\nSfruttare questa ultima capacit\u00e0 offre un enorme potenziale, soprattutto se si utilizza la\nmacchina parlante come traduttore tra le lingue naturali e un linguaggio formale specifico,\ncome SQL.<\/p>\n\n\n\n

SQL (Structured Query Language) \u00e8 il linguaggio di interrogazione per database. Gi\u00e0 agli\ninizi dell'informatica \u00e8 stato sviluppato un linguaggio formale che consente di estrarre\ninformazioni dai database in modo standardizzato. Con una semplificazione possiamo dire\nche tutto il sapere che \u00e8 stato inserito nei database dagli esseri umani negli ultimi decenni\n(quasi cinquant'anni) \u00e8 accessibile tramite comandi SQL. Sebbene questo linguaggio non sia\ncomplicato, i non esperti non sono in grado di usarlo, e per questo motivo fino ad ora hanno\navuto bisogno dell'assistenza di specialisti per accedere alle informazioni archiviate nei\ndatabase. Ci\u00f2 ha rappresentato un limite per tutti coloro per i quali sarebbe stato\/\u00e8 importante\naccedere a questa ricchezza di conoscenze \u2013 continuamente \u2013 e usarla nella vita quotidiana. <\/p>\n\n\n\n

A questo punto, la macchina parlante offre nuove opportunit\u00e0. Ma prima di approfondire il\ncome e il perch\u00e9, dobbiamo capire cosa si intende per concetto di database e perch\u00e9 \u00e8 cos\u00ec\nimportante dal punto di vista della rappresentazione e della gestione della conoscenza.<\/p>\n<\/div><\/div><\/div>\n<\/div><\/div><\/div><\/div>\n<\/div><\/div>\n<\/div><\/div>\n\n\n\n

\n
\n

Ricerca automatica nei database<\/strong><\/h3>\n\n\n\n

Gi\u00e0 agli inizi dell'informatica, gli esperti hanno iniziato a costruire database, e questo fatto di\nper s\u00e9 \u00e8 notevole, ma l'importanza dei database \u00e8 ulteriormente sottolineata dal valore\nfinanziario che rappresentano nei sistemi che li utilizzano all'interno dell'intera economia e\ndalla quantit\u00e0 di informazioni che immagazziniamo in questo formato. Possiamo percepire il\ndominio quantitativo dei database con l'aiuto di una coppia concettuale apparentemente\nintrodotta per scopi diversi. All'inizio degli anni 2000, \u00e8 emerso il concetto di web\nsuperficiale e deep web, che da allora \u00e8 stato utilizzato in molti modi e per molteplici scopi. Il\nconcetto di web superficiale \u00e8 definito come l'insieme delle informazioni liberamente\naccessibili attraverso il web. Qui, per accesso libero si intende che sia le persone che le\nmacchine possono accedere e leggere le informazioni memorizzate in una determinata pagina.\nQuesto \u00e8 contrapposto al concetto di deep web, che descrive le pagine teoricamente e\ntecnicamente accessibili attraverso la rete, ma che nella pratica sono utilizzabili solo in modo\nlimitato. Alla domanda sul perch\u00e9 le pagine del deep web non possano essere utilizzate\nliberamente e senza restrizioni come nel caso del web superficiale, si possono dare diverse\nrisposte. Da un lato, ci sono pagine (non poche) che impongono barriere di accesso in senso\ntecnico (ad esempio, proteggendo un'area con una password). In questi casi, barriere tecniche\ne legali impediscono l'uso libero. Ma c'\u00e8 un'altra barriera all'accesso, che non pu\u00f2 essere\nspiegata con l'imposizione di ostacoli tecnici e legali, ma piuttosto con il fatto che, sebbene i\ndati memorizzati nei database web liberamente accessibili siano teoricamente accessibili, per\nusarli \u00e8 necessario conoscere la struttura interna del database e saper utilizzare il linguaggio\nSQL. N\u00e9 le macchine n\u00e9 le persone possono superare questo ostacolo. I motori di ricerca,\nquando incontrano tali pagine e vogliono raccogliere il contenuto trovato l\u00ec per incorporarlo\nnei loro servizi di ricerca, non possono interrogare il contenuto del database perch\u00e9 non\nconoscono le informazioni sullo schema. Se lo sapessero, sarebbero in grado di raccogliere\ndati proprio come fanno con i contenuti trovati nel web superficiale. Le persone sono ancora\npi\u00f9 "impotenti", poich\u00e9 anche in possesso delle informazioni sullo schema non saprebbero\nutilizzare il linguaggio di interrogazione per estrarre dati dai database, poich\u00e9 non sanno usare\nil linguaggio SQL. Eppure la posta in gioco non \u00e8 piccola a questo punto. Secondo le stime\ndegli esperti, nel complesso memorizziamo ordini di grandezza di informazioni molto\nmaggiori su queste pagine del deep web rispetto all'intera estensione del web superficiale.<\/p>\n\n\n\n

I database non sono solo importanti perch\u00e9 contengono una quantit\u00e0 incredibile di\ninformazioni, ma anche perch\u00e9, in termini di qualit\u00e0, sono in qualche modo migliori, pi\u00f9\nprecisi, pi\u00f9 chiari rispetto ai semplici documenti testuali. Per capire perch\u00e9 \u00e8 cos\u00ec, dobbiamo\nconoscere l'essenza dei database, la loro qualit\u00e0 e la differenza tra un "semplice" testo e un\ndatabase.<\/p>\n\n\n\n

\n
<\/span><\/span>

Database<\/strong><\/h3><\/div><\/div>
\n

Quando migliaia di anni fa i commercianti iniziarono a tenere i loro registri su carta (tavolette\ndi argilla) per sapere quanti prodotti vendevano ogni giorno, tecnicamente fecero qualcosa di\nsimile a quello che facciamo oggi: scrivere parole, espressioni e numeri in una tabella. Bene,\nquesta disposizione tabellare delle informazioni linguistiche era una forma di\nrappresentazione della conoscenza analoga a quella degli attuali database. In altre parole:\n\nsappiamo da tempo che se scriviamo testo in una tabella, ci sono dei vantaggi rispetto a\nconcatenare semplicemente frasi una dopo l'altra. Anche le informazioni memorizzate in una\ntabella possono essere lette linearmente, proprio come un testo scritto, ma \u00e8 necessario\napplicare alcune regole grammaticali per la correttezza delle frasi, cosa che la forma tabellare\nnon richiede. Tuttavia, la tabella non viene organizzata in un'unica direzione (come il testo),\nma si presta attenzione anche a organizzare gli elementi della tabella in colonne. Per questo\nmotivo, la tabella pu\u00f2 essere letta e valutata sia verticalmente che orizzontalmente (come fa il\ncommerciante quando, nel suo registro, inserisce il numero e il prezzo dei prodotti venduti in\nun determinato giorno, e alla fine della giornata somma questi valori per conoscere le vendite\ne i ricavi giornalieri). La caratteristica principale del formato tabellare \u00e8 la sua organizzazione\nin due dimensioni. Si pu\u00f2 dire che la tabella \u00e8 un testo strutturato.<\/p>\n<\/div><\/div><\/div>\n\n\n\n

<\/span><\/span>

Breve digressione teorico-linguistica<\/strong><\/h3><\/div><\/div>
\n

A questo punto, in un'analisi pi\u00f9 approfondita, sarebbe necessario parlare di un tipo di\ncapacit\u00e0 linguistica umana finora non trattata, per cui la teoria di Ferdinand de Saussure\npotrebbe essere utile. La teoria pu\u00f2 spiegare perch\u00e9 e come siamo in grado di creare testi\nstrutturati. Qui \u00e8 sufficiente ricordare solo un punto della teoria di Saussure: poich\u00e9 l'uso della\nlingua richiede due tipi di abilit\u00e0 da parte dell'uomo, dobbiamo cogliere e interpretare la\nnostra attivit\u00e0 comunicativa in due dimensioni. <\/p>\n\n\n\n

La nostra prima capacit\u00e0 linguistica \u00e8 quella di concatenare le parole in sequenza lineare nelle\nnostre espressioni per formare frasi con un significato. Questo pu\u00f2 essere interpretato nella\ndimensione morfosintattica, e la questione qui \u00e8 come possiamo formare le nostre frasi ben\nformate. Questo \u00e8 il livello primario della nostra capacit\u00e0 linguistica, dove si crea un risultato\nimmediatamente visibile\/ascoltabile. A questo livello (con questa abilit\u00e0) si formano le nostre\nfrasi, e poi dalla concatenazione di queste si formano i nostri discorsi \u2013 udibili \u2013 o i nostri\ndocumenti scritti, leggibili.<\/p>\n\n\n\n

Saussure riconobbe tuttavia che possediamo anche un'altra capacit\u00e0 linguistica: quando\ncomponiamo le nostre frasi, prestiamo attenzione in un'altra dimensione a come possiamo\ninserire parole attuali nelle forme morfosintattiche, nei modelli (schemi di frasi) secondo\ndeterminate regole. Questa capacit\u00e0 pu\u00f2 essere definita come una sorta di conoscenza\nclassificatoria (semantica, ontologica) che funziona sulla base della nostra conoscenza del\nmondo. Quando formiamo frasi, l'uso di certe parole \u00e8 permesso o proibito in una determinata\nposizione di un tipo di frase (schema di frase). Questa nostra conoscenza \u2013 in condizioni\nnormali \u2013 non appare n\u00e9 nello spazio acustico n\u00e9 in quello visivo, ma la utilizziamo\ncomunque. Saussure la chiamava dimensione associativa, mentre i suoi seguaci oggi usano\npi\u00f9 spesso il termine dimensione paradigmatica per descrivere lo stesso concetto. Quando\nscriviamo qualcosa in una tabella, usiamo questa capacit\u00e0 durante l'organizzazione in colonne\n(nella dimensione verticale).<\/p>\n\n\n\n\n\n\n\n\n<\/p>\n\n\n\n

L’uso del database (tabella), quindi, significa che registriamo (rappresentiamo) le nostre affermazioni sul mondo (la nostra conoscenza) separando all’interno delle affermazioni i componenti significativi (parole, espressioni). Se lo facciamo, siamo in grado di gestire separatamente i componenti delle nostre affermazioni (riferirsi ad essi, cercarli, calcolarli, ecc.). Formulare il messaggio linguistico in questo modo rende il contenuto delle nostre affermazioni molto pi\u00f9 chiaro e preciso rispetto alle affermazioni espresse in testo libero. Grazie alla chiarezza derivante dalla struttura, possiamo fare molto di pi\u00f9 con le frasi espresse in questo modo, possiamo eseguire una variet\u00e0 di operazioni, possiamo ottenere di pi\u00f9 dallo stesso insieme di frasi. Questo valore aggiunto di qualit\u00e0 conferisce ai database il loro vantaggio e la loro forza.<\/p>\n\n\n

\n\n\n\n

I database, quindi, sono pi\u00f9 ricchi di dati rispetto al testo, ci danno di pi\u00f9, ma c'\u00e8 un prezzo da pagare. Questo valore aggiunto deriva dal fatto che la costruzione dei database richiede molto lavoro \u2013 che consiste in operazioni di ordinamento \u2013 e questo valore d'ingresso \u00e8 spesso piuttosto elevato. Fortunatamente, molte persone hanno accettato e accettano ancora questo lavoro, molti database sono stati costruiti in passato e continuano a essere costruiti nel presente.<\/p>\n\n\n\n

E a questo punto possiamo tornare al nostro ragionamento originale.<\/p>\n<\/div><\/div><\/div>\n<\/div><\/div><\/div><\/div>\n\n\n\n

Text2SQL<\/strong><\/h3>\n\n\n\n

Abbiamo detto che:<\/p>\n\n\n\n

    \n
  • da un lato abbiamo una macchina parlante che sa parlare molto bene in linguaggio naturale,\ntraduce abbastanza bene tra lingue naturali e tra lingue naturali e \u2013 in parte \u2013 formali, ma non\n\u00e8 affidabile dal punto di vista fattuale e spesso allucina;<\/li>\n\n\n\n
  • dall'altro lato, abbiamo database che organizzano la conoscenza in modo strutturato,\ngarantendo cos\u00ec che la conoscenza accessibile in questo modo sia affidabile, precisa,\nricercabile, riorganizzabile e calcolabile in molti modi.<\/li>\n<\/ul>\n\n\n\n

    Come abbiamo gi\u00e0 accennato, queste due capacit\u00e0 possono essere combinate in modo che la macchina parlante venga utilizzata \"solo\" per tradurre le domande in linguaggio naturale poste dai laici SQL in comandi SQL, che possono essere inviati al database, e le risposte \u2013 in formato tabellare \u2013 possono essere tradotte nuovamente in testo libero. In questo caso, non siamo minacciati dal pericolo di allucinazioni, perch\u00e9 non ci aspettiamo risposte dalla macchina parlante, ma dai database; la macchina parlante svolge solo il ruolo di interprete. Naturalmente, questo richiede metadati descrittivi della struttura dei database, informazioni sullo schema, e bisogna ovviamente sintonizzare la macchina parlante su questo compito di traduzione specifico. Tuttavia, ci\u00f2 sembra fattibile.<\/p>\n\n\n\n\n\n\n\n\n<\/p>\n\n\n\n

    Per il gestore del database, pu\u00f2 essere un aspetto importante il fatto che non \u00e8 necessario rilasciare pubblicamente le informazioni sullo schema; per il servizio, \u00e8 sufficiente mostrarle e insegnarle alla macchina parlante. Se la macchina conosce la struttura del database (tabelle, campi delle tabelle, tipi, relazioni tra le tabelle, ecc.), sapr\u00e0 gi\u00e0 come formulare le query per estrarre i dati desiderati dal database. Questo, naturalmente, richiede l’accesso, ma \u00e8 risolvibile. Forse oggi la macchina parlante non \u00e8 ancora in grado di formulare tutte le query come farebbe un esperto, ma questa capacit\u00e0 potr\u00e0 sicuramente essere portata a un livello elevato nel prossimo futuro (le query pi\u00f9 semplici le formula gi\u00e0 bene).<\/p>\n\n\n

    \n\n\n\n

    <\/div>\n<\/div><\/div>\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"

    Szerz\u0151: Szakad\u00e1t Istv\u00e1n G\u00e9pi keres\u00e9s sz\u00f6vegkorpuszban Amikor a CD-ROM-ok megjelentek a kilencvenes \u00e9vek elej\u00e9n, azzal hirdett\u00e9k \u0151ket, hogy egy CD-lemezen annyi k\u00f6nyv sz\u00f6vege t\u00e1rolhat\u00f3, amennyi a hagyom\u00e1nyos, pap\u00edr alap\u00fa form\u00e1tumban egy polcon f\u00e9rne el. R\u00e1ad\u00e1sul a sz\u00e1m\u00edt\u00f3g\u00e9pek seg\u00edts\u00e9g\u00e9vel nagyon gyorsan lehetett benn\u00fck keresni, \u00e9s ezt m\u00e9g ink\u00e1bb kontrasztba lehetett \u00e1ll\u00edtani az ember keres\u00e9si k\u00e9pess\u00e9g\u00e9vel. \u201eKeress\u00fck…<\/p>","protected":false},"author":5,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_eb_attr":"","inline_featured_image":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"footnotes":""},"class_list":["post-1149","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/pages\/1149","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/comments?post=1149"}],"version-history":[{"count":23,"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/pages\/1149\/revisions"}],"predecessor-version":[{"id":3119,"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/pages\/1149\/revisions\/3119"}],"wp:attachment":[{"href":"https:\/\/ailabor.appsters.me\/it\/wp-json\/wp\/v2\/media?parent=1149"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}