Nyelvi technológiák

A nyelvi technológiák (LT) lehetővé teszik a gépek számára, hogy ne csak az emberi nyelvet olvassák, elemezzék, dolgozzák fel és generálják, hanem a legújabb tudományos fejlesztéseknek köszönhetően áthidalják az emberi kommunikáció és a gépi megértés közötti szakadékot.

Mivel a nyelv az emberi interakció alapvető médiumaként szolgál, a LT rendkívül fontossá vált a különböző iparágakban és alkalmazásokban, a fordítástól és a lokalizációtól az ügyfélszolgálatig, az egészségügyig, a médiaalkotásig és a marketingig. Ennek a technológiának a gyakori példái a beszédfelismerés, az intelligens asszisztensek, a gépi fordítás, a chatbotok, a szövegösszefoglalás és az automatikus feliratozás.

Mi szükséges a nyelvi technológiák fejlesztéséhez?

Az alábbiakban bemutatunk néhány kulcsfontosságú elemet a nyelvi alapú eszközök és szolgáltatások fejlesztéséhez.

• Nyelvi adatok: ez olyan – egy vagy több nyelven megfogalmazott – szöveges vagy szóbeli tartalomra vonatkozik, amely bemeneti vagy képzési anyagként szolgál a természetes nyelvi feldolgozási feladatokhoz, például szöveggeneráláshoz vagy érzelemelemzéshez. Ezek az adatok különböző forrásokból – könyvekből, cikkekből, közösségimédia-bejegyzésekből, szóbeli beszélgetések átirataiból stb. – származhatnak. Mivel ezek képezik a litván fejlesztés alapját, alapvető fontosságú, hogy gyűjtésük során teljes mértékben tiszteletben tartsák a szerzői jogra (IPR) és a személyes adatok védelmére (GDPR) vonatkozó rendelkezéseket.
• Képzési algoritmusok és nyelvi modellek: az algoritmusok az emberi nyelvek modelljeinek létrehozására szolgáló szoftverek, „receptek”. Jelentős mennyiségű minőségi adattal a legújabb gépi tanulási algoritmusok megnövekedett képességeket mutattak a nyelvi adatokból származó tudást reprezentáló modellek létrehozására. Minél nagyobbak az erőforrások és a modellek, alkalmazásuk annál átfogóbb és általánosabb.
• Számítási teljesítmény: jelentős számítástechnikai erőforrásokra van szükség, különösen a nyelvi modellek létrehozása során, ahol a nagy teljesítményű számítástechnika és a megbízható felhőinfrastruktúrák kulcsfontosságúak.
• Humán szakértelem: A sikeres LT magában foglalja a nyelvészek, az adattudósok, a számítógépes mérnökök és a tartományi szakemberek közötti együttműködést.

Mit tesz Európa a nyelvi technológiák fejlesztése érdekében?

Európában összetett nyelvi környezettel rendelkezünk. Az Európai Unió Alapjogi Chartája tiltja a nyelvi alapon történő megkülönböztetést, és kötelezi az EU-t a nyelvi sokszínűség tiszteletben tartására. Az elszámoltathatóság, az átláthatóság, a méltányosság és értékeink tiszteletben tartása csak néhány etikai vonatkozása. Ezeket a jogokat és elveket csak LT elfogulatlan használatával lehet garantálni.

Az európai litván ipar kulcsszerepet játszik Európa stratégiai és technológiai autonómiájában, amelyet tovább kell erősíteni. Sajátos piaci igényeinket leginkább az európai nyelvi szolgáltatók ismerik, amelyek közül több száz szerepel az eTranslation Services katalógusában.

A nyilvánosan elérhető megoldások, köztük az Európai Bizottság által kínált eszközök és szolgáltatások kiegészítik a piaci kínálatot, ugyanakkor orvosolják az alacsony erőforrás-igényű nyelvek technológiai támogatásának hiányosságait. Ezek az alapvető megoldások – gépi fordítás (eTranslation), név szerinti jogalany-felismerés, összefoglalás, beszédátírás és az általános adatvédelmi rendeletnek való megfeleléshez szükséges adatok álnevesítése – valamennyi európai közigazgatási szerv, valamint kis- és középvállalkozások számára valamennyi hivatalos nyelven elérhetők.

A Horizont 2020 keretében az Európai Nyelvi Hálózat (ELG) létrehozta a speciális nyelvi megoldások egyablakos ügyintézési rendszerét. A terjesztésre és a közösségépítésre irányuló erőfeszítések hozzájárultak annak előmozdításához, hogy egyetértés alakuljon ki a köz- és magánerőkhöz való csatlakozás szükségességéről, valamint arról, hogy a kutatás és a telepítés terén mindkét világ legjobb eredményeit ki lehessen használni.

A Horizont Európa program előmozdítja a kutatást és az innovációt azáltal, hogy támogatja a legkorszerűbb fejlett nyelvtudáson túlmutató nyelvtudás fejlesztését, beleértve a nagy nyelvi modelleket is. Ezek a modellek, amelyeket az ember és a gép közötti interakció fokozására terveztek, többnyelvű képességekkel rendelkeznek, többféle beviteli módot kezelnek, kezelik az elfogultságokat és bemutatják a kontextus-tudatosságot.

Az Európai Parlament által kezdeményezett kísérleti projekt/előkészítő intézkedés, az Európai Nyelvi Egyenlőség (ELE) kezdeményezés menetrendet és ütemtervet dolgozott ki a digitális nyelvek teljes egyenlőségének 2030-ig történő megvalósítására Európában.

A „Digitális évtized” szakpolitikai program keretében a Bizottság koordinálja a tagállamokban és a magánszektorban az európai hosszú távú tanulási ökoszisztéma fejlesztésére irányuló uniós erőfeszítéseket.

Végezetül a Bizottság elismeri a nyelvi adatok értékét, amelyek a közös európai nyelvi adattéren (LDS) keresztül a nyelvi modellek képzésének alapját képezik. A 2021–2022-es DIGITAL munkaprogram keretében finanszírozott projekt célja, hogy platformot és piacteret hozzon létre a többnyelvű és multimodális nyelvi adatok gyűjtésére, megosztására és további felhasználására. Az európai adatstratégiával és magával az adatterek koncepciójával összhangban biztosítani fogja, hogy több nyelvi adat álljon rendelkezésre a gazdaságban, a társadalomban és a kutatásban való felhasználásra, miközben az adatokat előállító vállalatokat és egyéneket ellenőrzés alatt tartja.

Mindezen elemek, projektek és szereplők összefogása komoly kihívást jelent az Unió, az európai ipar és a nemzeti közigazgatások számára – a végső cél az európai digitális évtized mindenki javát szolgáló támogatása.