Η AI στη διάσωση γλωσσών και διαλέκτων – Για ποιον λόγο συλλέγεται το υλικό;

Η τεχνητή νοημοσύνη και η συμβολή της στη διατήρηση γλωσσών και διαλέκτων βρέθηκαν σήμερα στο επίκεντρο εκδήλωσης για την πρωτοβουλία Lingua της Microsoft, στο Μουσείο Κυκλαδικής Τέχνης. Παρουσιάστηκαν ιστορίες στη Ρομανί που μεταδίδονται από γενιά σε γενιά, λέξεις της Τσακωνικής που απειλούνται με εξαφάνιση, αλλά και χιλιάδες σελίδες διαλεκτικού υλικού που ψηφιοποιούνται.

Στην εκδήλωση παρουσιάστηκαν οι τέσσερις προτάσεις από την Ελλάδα που ξεχώρισαν και ήδη λαμβάνουν υποστήριξη για την υλοποίησή τους.

Ο Wassim Hamidouche, ερευνητής στο AI for Good Lab της Microsoft, παρουσίασε την πρωτοβουλία δίνοντας έμφαση στην απόσταση ανάμεσα στις γλώσσες που διαθέτουν έντονη ψηφιακή παρουσία και σε όσες έχουν ελάχιστα δεδομένα διαθέσιμα. Όπως έδειξαν τα στοιχεία του, η πλειονότητα των περίπου 7.000 γλωσσών που ομιλούνται παγκοσμίως αντιστοιχεί σε ένα πολύ μικρό τμήμα του διαδικτυακού περιεχομένου. Η ανισορροπία αυτή επηρεάζει και την τεχνητή νοημοσύνη, καθώς η έλλειψη επαρκών δεδομένων για μία γλώσσα στα γλωσσικά μοντέλα μπορεί να αφήσει τους ομιλητές της πίσω ως προς την πρόσβαση σε ψηφιακά εργαλεία, στην εκπαίδευση και στις ευκαιρίες που προκύπτουν από αυτά.

Μέσω του Lingua επιχειρείται να περιοριστεί ένα μέρος αυτού του χάσματος, με υποστήριξη για τη συγκρότηση ανοιχτών συλλογών γραπτού και προφορικού λόγου σε ευρωπαϊκές γλώσσες και διαλέκτους που έχουν μικρή παρουσία στον ψηφιακό χώρο.

Για την Ελλάδα, χρηματική επιχορήγηση εξασφάλισε η ΑΡΣΙΣ – Κοινωνική Οργάνωση Υποστήριξης Νέων. Παράλληλα, διακρίθηκαν άλλα τρία έργα, τα οποία ενισχύονται με υπολογιστικούς πόρους και υπηρεσίες μέσω της πλατφόρμας Azure: το CoDAG από το Πανεπιστήμιο Κρήτης, το LALIES του Ινστιτούτου Επεξεργασίας του Λόγου στο Ερευνητικό Κέντρο «Αθηνά» και το T.S.A.K.O.N.I.A. από το Αρχείο της Τσακωνιάς. Η συνδρομή του Azure παρέχει στα έργα ψηφιακές υποδομές και δεν συνιστά χρηματική ενίσχυση.

Η συλλογή και ψηφιοποίηση της Ρομανί

Στη συγκέντρωση και την ψηφιακή αποτύπωση γλωσσικού υλικού της Ρομανί στην Ελλάδα επικεντρώνεται η πρόταση της ΑΡΣΙΣ. Η Γεωργία Καλπαζίδου, υποψήφια διδάκτορας γλωσσολογίας που κατάγεται από την κοινότητα του Δενδροποτάμου, αναφέρθηκε στη μητρική της γλώσσα και εξήγησε πως θα συλλεχθούν ιστορίες, παραμύθια και άλλο υλικό από κοινότητες Ρομά. Στους στόχους του έργου, πέρα από την ψηφιακή καταγραφή, περιλαμβάνεται η καταπολέμηση τόσο του στιγματισμού της γλώσσας όσο και των στερεοτύπων που συνοδεύουν τους ομιλητές της.

Χάρτης διαλέκτων και ψηφιοποίηση 40.000 σελίδων

Ο Στέργιος Χατζηκυριακίδης από το Πανεπιστήμιο Κρήτης παρουσίασε τον τρόπο με τον οποίο η τεχνολογία μπορεί να αξιοποιηθεί για τη μελέτη των ελληνικών διαλέκτων. Όπως ανέφερε, η ομάδα του στο CoDAG αναπτύσσει γλωσσικά μοντέλα, αξιοποιεί ήδη διαθέσιμες πηγές και εργάζεται για να δημιουργήσει έναν χάρτη των ελληνικών διαλέκτων. Μέχρι τώρα έχουν ψηφιοποιηθεί περίπου 40.000 σελίδες διαλεκτικού υλικού. Ως ενδεικτική εφαρμογή ανέφερε ότι ένας χρήστης θα μπορούσε να ζητήσει από ψηφιακό εργαλείο να συντάξει μία ιστορία στα κυπριακά.

Παρουσιάζοντας το LALIES, η Στέλλα Μαρκαντωνάτου, ομότιμη ερευνήτρια στο Ινστιτούτο Επεξεργασίας του Λόγου του Ερευνητικού Κέντρου «Αθηνά», τόνισε πόσο σημαντική είναι η έρευνα στο πεδίο. Για να συλλέξει προφορικό υλικό, η ομάδα μεταβαίνει στις περιοχές όπου διαμένουν οι ομιλητές. Η ίδια ανέφερε ότι έχει μελετήσει εννέα ελληνικές διαλέκτους, καταγράφοντας μεταξύ άλλων κυπριακά, κεφαλονίτικο γλωσσικό υλικό και την ομιλία της Απειράνθου στη Νάξο. Η μετατροπή του προφορικού λόγου σε κείμενο αποτελεί τον στόχο, ώστε το υλικό να είναι διαθέσιμο για μελέτη και αξιοποίηση.

Η καταγραφή και η διατήρηση της Τσακωνικής

Αναφερόμενη στην Τσακωνική, η Αγγελική Πολίτη, εκπρόσωπος του Αρχείου της Τσακωνιάς, εξήγησε ότι είναι αναγκαίο να καταγραφούν οι ομιλητές όσο αυτό παραμένει ακόμη εφικτό. Με βάση τα στοιχεία που παρουσίασε, περίπου 1.200 άνθρωποι μιλούν πλέον τη διάλεκτο, ενώ ιδιαίτερα περιορισμένος είναι ο αριθμός των διαθέσιμων γραπτών κειμένων. Το έργο T.S.A.K.O.N.I.A., το οποίο πραγματοποιείται σε συνεργασία με το Πανεπιστήμιο Πελοποννήσου, στοχεύει στη συγκέντρωση αυθεντικού γλωσσικού υλικού και στην τεκμηρίωσή του.

Τα συγχαρητήριά του στις ομάδες για τη δουλειά τους εξέφρασε ο ειδικός γραμματέας Μακροπρόθεσμου Σχεδιασμού, Γιάννης Μαστρογεωργίου, επισημαίνοντας τη σημασία που έχει η σύμπραξη ανάμεσα στους ερευνητές, στις κοινότητες, στην Πολιτεία και στον ιδιωτικό τομέα. Όπως ανέφερε, ο γλωσσικός πλούτος θα καταστεί ακόμη πιο απαραίτητος κατά την επόμενη φάση εξέλιξης της λεγόμενης τεχνητής νοημοσύνης.

Η γενική γραμματέας Σύγχρονου Πολιτισμού του υπουργείου Πολιτισμού, Ελένη Δουνδουλάκη, επισήμανε ότι στον πυρήνα της προσπάθειας πρέπει να βρίσκονται οι ίδιοι οι ομιλητές. «Η γλώσσα σώζεται όταν μιλιέται», σημείωσε, διευκρινίζοντας πως οι άνθρωποι και οι κοινότητες που βοηθούν στη συγκέντρωση του υλικού οφείλουν να συμμετέχουν στις αποφάσεις για τη χρήση και τη διαφύλαξή του. Αναφέρθηκε ακόμη στην προστασία των πνευματικών δικαιωμάτων, υπογραμμίζοντας ότι κατά την αξιοποίηση της τεχνολογίας ο άνθρωπος και η κοινότητα πρέπει να παραμένουν στο επίκεντρο.

Ο Βασίλης Καρκατζούνης, ειδικός γραμματέας Τεχνητής Νοημοσύνης και Διακυβέρνησης Δεδομένων, στάθηκε στις δυνατότητες των μεγάλων γλωσσικών μοντέλων, υπογραμμίζοντας ταυτόχρονα ότι η διαδικασία συγκέντρωσης των δεδομένων απαιτεί ιδιαίτερη προσοχή. Όπως εξήγησε, η τεχνολογία μπορεί να συμβάλει τόσο στη διδασκαλία όσο και στη διάδοση των γλωσσών. Παράλληλα, σημείωσε πως είναι απαραίτητο να καταπολεμηθούν τα στερεότυπα, ώστε τα παιδιά να μην αισθάνονται ότι στιγματίζονται εξαιτίας της διαλέκτου που χρησιμοποιούν.

«Αν μια γλώσσα δεν έχει ψηφιακό αποτύπωμα, κινδυνεύει να χαθεί», δήλωσε η Γιάννα Ανδρονοπούλου, επικεφαλής της Microsoft σε Ελλάδα, Κύπρο και Μάλτα. Η ίδια ανέφερε ότι το ερώτημα γύρω από την αποκαλούμενη τεχνητή νοημοσύνη δεν αφορά πλέον μόνο τις δυνατότητές της, αλλά και τον τρόπο με τον οποίο θα αποφασίσουμε να τη χρησιμοποιήσουμε. Επισήμανε ακόμη πως μέσα στη γλώσσα αποτυπώνονται η ιστορία, οι αξίες και η ταυτότητα των ανθρώπων, ενώ περιέγραψε τον στόχο της πρωτοβουλίας λέγοντας: «Μάθαμε την τεχνητή νοημοσύνη να μιλάει. Τώρα πρέπει να τη μάθουμε να ακούει όλες τις φωνές».