קארן ספארק ג'ונס (Karen Spärck Jones): הסטטיסטיקאית שלימדה את החיפוש לדרג
בשנת 1972 פרסם כתב העת Journal of Documentation מאמר בן 11 עמודים מאת חוקרת מקיימברידג' שהועסקה בחוזה לטווח קצר, תחת הכותרת חסרת המבטיחים "פירוש סטטיסטי של ספציפיות מונחים ויישומו באחזור". הטיעון היה פשוט עד כדי מבוכה: מילה שמופיעה בכל מסמך אינה מלמדת דבר, ומילה שמופיעה במספר קטן של מסמכים מלמדת רבות, לכן יש לתת להן משקל בהתאם. מאמר זה הציג את תדירות המסמכים ההופכית (Inverse Document Frequency). חצי מאה לאחר מכן, זוהי אחת התוצאות המצוטטות ביותר בתחום אחזור המידע, וגרסה כלשהי שלה מוטמעת בתוך כמעט כל מנוע חיפוש עלי אדמות.
שם נורווגי, שנשמר בכוונה תחילה
קארן אידה בולת ספארק ג'ונס נולדה ב-26 באוגוסט 1935 בהדרספילד, יורקשייר. אביה, אלפרד אוון ג'ונס, היה מרצה לכימיה; אמה, אידה ספארק, הייתה נורווגית שנמלטה לבריטניה ועבדה עבור הממשלה הנורווגית הגולה במהלך מלחמת העולם השנייה. השם הכפול היה מעשה מכוון. היא שמרה על שם משפחתה הנורווגי של אמה בחייה המקצועיים מכיוון ש, כפי שניסחה זאת, הדבר "שומר על קיום קבוע של העצמי שלך" — סירוב שקט ומוקדם להיטמע.
מהיסטוריה אל היחידה למחקר שפה
היא למדה היסטוריה בגרטון קולג', קיימברידג', בין השנים 1953 ל-1956, ובחרה בפילוסופיה – מדעים מוסריים, במינוח של קיימברידג' – כמקצועה בשנת הלימודים האחרונה. לא היה בזה שום דבר חישובי. היא סיימה את לימודיה והפכה למורה בבית ספר.
מה שהחזיר אותה לתחום הייתה הסקרנות לגבי עבודתו של בעלה. היא נישאה למדען המחשב רוג'ר נידהם (Roger Needham) בשנת 1958, ובאמצעותו נחשפה ליחידה למחקר שפה של קיימברידג' (Cambridge Language Research Unit), צוות קטן ואקסצנטרי בניהולה של מרגרט מסטרמן (Margaret Masterman) שניסה לגרום למכונות לטפל במשמעות. מסטרמן הציעה לה משרת מחקר. ספארק ג'ונס קיבלה אותה, והקדישה את שארית חייה לבעיית היכולת של מחשבים לעשות משהו מועיל עם שפה אנושית. עבודת הדוקטורט שלה, על סיווג סמנטי, זכתה לפי הדיווחים לקבלת פנים צוננת מצד הבוחנים לפני שהופיעה בשנת 1964 כספר Synonymy and Semantic Classification (נרדפות וסיווג סמנטי) — הנקרא כיום כטקסט יסוד בעיבוד שפה טבעית.
Twenty questions, eight minutes on the clock, and a percentile measured against everyone who has taken it. No sign-up.
Take the IQ test →הרעיון שמילים נדירות שוות יותר
לתובנה שמאחורי תדירות מסמכים הופכית יש את האיכות של כל הרעיונות הטובים: מובנת מאליה ברגע שנאמרה, ובלתי נראית לפני כן. מערכות אחזור של שנות ה-60 התייחסו למילים בשאילתה כניתנות להחלפה במידה רבה. ספארק ג'ונס טענה שהשימושיות של מונח היא פונקציה של הספציפיות שלו בתוך האוסף — ככל שפחות מסמכים מכילים אותו, כך הוא מבחין יותר. "ה" אינו נושא אות; "פוטוסינתזה" נושאת כמעט את כל האות. הכפלת המשקל הזה בתדירות הופעת המונח במסמך נתון מעניקה את ה-TF–IDF, שיטת הניקוד שהפכה את אחזור המסמכים מהתאמת קבוצות לדירוג.
תוכנית המחקר הרחבה שלה חרגה הרבה מעבר לנוסחה אחת: מודלים הסתברותיים של אחזור, סיכום מסמכים אוטומטי, מערכות שאילתות למסדי נתונים, אחזור דיבור ומולטימדיה, מידול משתמשים וסוכנים, ועיסוק מרכזי שלה — הערכה קפדנית של מערכות שפה. היא כיהנה בוועדת התוכנית של כנסי אחזור הטקסט של DARPA/NIST משנת 1994, המאמץ שהפך את מחקר האחזור למדיד באופן אמפירי.
שלושים שנה בחוזים לטווח קצר
המסלול המוסדי שלה לא תאם את המסלול האינטלקטואלי שלה. היא הצטרפה למעבדה למחשבים של אוניברסיטת קיימברידג' ב-1974 ועבדה שם בחוזים מתחדשים לטווח קצר עד שקיבלה לבסוף משרה קבועה ב-1993 — כמעט שני עשורים לאחר מכן. היא הפכה לפרופסור למחשבים ומידע רק ב-1999, שלוש שנים לפני פרישתה ב-2002, והמשיכה לעבוד כמעט עד יום מותה. היא ייחסה את חוסר היציבות הזו בבירור למגדר שלה. קיימברידג', אמרה למראיין היסטוריה בעל-פה של IEEE בשנת 2001, הייתה "בדרכים רבות לא ידידותית למשתמש, במובן של ידידותית לנשים". במשך רוב הקריירה שלה היא הייתה האישה היחידה בחדר.
מחשוב הוא חשוב מכדי להשאיר אותו לגברים
היא הפכה את הניסיון הזה למאמץ מאורגן ולא לטינה פרטית: חברה מייסדת של רשת women@cl במעבדה למחשבים, מתכננת של פעילויות הסברה שמטרתן להכניס בנות לתחום, ומחברת המשפט שמצוטט כיום הכי הרבה – "מחשוב הוא חשוב מכדי להשאיר אותו לגברים". הכבוד הגיע מאוחר ובבת אחת: פרס ג'ררד סלטון (Gerard Salton Award) בשנת 1988, עמיתת AAAI ב-1993, נשיאות האגודה לבלשנות חישובית (ACL) ב-1994, עמיתת האקדמיה הבריטית וסגנית הנשיא שלה מ-2000 עד 2002, פרס ההצטיינות של ASIS&T ב-2002, פרס מפעל חיים של ACL ב-2004, פרס אלן ניואל (Allen Newell Award) של ACM–AAAI ב-2006, וב-2007 גם פרס אתנה של קבוצת הנשים של ACM ומדליית לאבלייס (Lovelace Medal) של החברה הבריטית למחשבים, שהיא הייתה האישה הראשונה לקבלה.
מדוע קארן מכונה גאונה
היכולת שהפגינה היא הפשטה תחת משמעת — הכישרון למצוא את הכמות הניתנת למדידה האחת שתופסת אינטואיציה אנושית מעורפלת, ואז להתעקש על מדידתה. כולם ידעו שמילים מסוימות אינפורמטיביות יותר מאחרות. ספארק ג'ונס המירה זאת לפונקציית שקלול שניתן לחשב על כל אוסף, ואז בילתה עשורים בטענה שמערכות שפה חייבות להיות מוערכות באופן אמפירי ולא רק להערצה. הכשרתה הייתה בהיסטוריה ובפילוסופיה, לא במתמטיקה או בהנדסה, מה שהופך את המהלך למוזר ומרשים יותר: היא ייבאה חשיבה סטטיסטית לתחום שנשלט אז על ידי בינה מלאכותית סמלית מבוססת חוקים, והיא במידה רבה צדקה בזמן שהאופנה פעלה נגדה. התפיסה הסטטיסטית-הקונטקסטואלית של משמעות שהיא דגלה בה — שמשמעות של מילה היא פונקציה של החברה שהיא נמצאת בה בתוך קורפוס — היא האב הקדמון האינטלקטואלי של מודלי שפה לומדים המכונים כיום ושולטים בתחום.
טיעון הנגד הכן הוא ש-IDF הוא רעיון יחיד ופשוט מבחינה מתמטית. זהו לוגריתם של יחס; סטטיסטיקאי מוכשר יכול היה לגזור אותו אחר הצהריים אחד. חשיבותו היא עניין של מסגור ותזמון ולא של עומק טכני, וספארק ג'ונס עצמה מעולם לא ניסתה להאדיר אותו. היא גם לא בנתה את המערכות שהפכו אותה למפורסמת — מנועי חיפוש מוסחרו על ידי אנשים אחרים, עשורים לאחר מכן, ברובם ללא מתן קרדיט לה. תביעתה מתבססת על כך שצדקה מוקדם, על גוף עבודה של הערכה זהירה שהרבה פחות נוצץ מהנוסחה האחת, ועל שיקול דעת ולא על כוח גס. זהו סוג אמיתי של הבחנה אינטלקטואלית, ויש לתאר אותו במדויק ולא לנפח אותו.
מורשת
היא נפטרה מסרטן ב-4 באפריל 2007, בגיל 71. ה-Times של לונדון, שפרסם הספד על בעלה ארבע שנים קודם לכן, לא פרסם הספד עבורה; ה-New York Times פרסם לבסוף אחד ב-2019 בסדרת ה-Overlooked שלו, כשהוא מכנה אותה "חלוצה של מדעי המחשב". התיקונים המשיכו להגיע: פרס קארן ספארק ג'ונס, שניתן מדי שנה מאז 2008 על ידי קבוצת המומחים לאחזור מידע של ה-BCS; בניין ספארק ג'ונס באוניברסיטת הדרספילד, ששמו שונה ב-2017; ומלגות ספארק לבינה מלאכותית שהושקו ב-2024 על ידי קיימברידג' וממשלת בריטניה. כל רשימה מדורגת של תוצאות חיפוש היא הערת שוליים ל-11 העמודים שלה.