Kalbos technologijos

Kalbos technologijos (LT) leidžia mašinoms ne tik skaityti, analizuoti, apdoroti ir generuoti žmogaus kalbą, bet ir dėl naujausių mokslo pasiekimų sumažinti atotrūkį tarp žmogaus bendravimo ir mašinos supratimo.

Kadangi kalba yra pagrindinė žmonių sąveikos priemonė, LT įgijo didžiulę reikšmę įvairiose pramonės šakose ir programose, pradedant vertimu ir lokalizavimu, baigiant klientų aptarnavimu, sveikatos priežiūra, žiniasklaidos kūrimu ir rinkodara. Įprasti šios technologijos pavyzdžiai yra kalbos atpažinimas, išmanieji asistentai, mašininis vertimas, pokalbių robotai, teksto apibendrinimas ir automatinis subtitravimas.

Ko reikia kalbos technologijoms plėtoti?

Toliau pateikiami kai kurie pagrindiniai kalbinių priemonių ir paslaugų kūrimo elementai.

• Kalbos duomenys: tai tekstinis ar žodinis turinys viena ar keliomis kalbomis, naudojamas kaip įvesties ar mokymo medžiaga atliekant natūraliosios kalbos apdorojimo užduotis, pvz., teksto generavimą ar sentimentų analizę. Šie duomenys gali būti gaunami iš įvairių šaltinių – knygų, straipsnių, įrašų socialiniuose tinkluose, šnekamųjų pokalbių stenogramų ir t. t. Kadangi jie sudaro LT plėtros pagrindą, labai svarbu, kad jie būtų renkami visapusiškai laikantis autorių teisių (INT) ir asmens duomenų apsaugos (BDAR) nuostatų.
• Mokymo algoritmai ir kalbų modeliai: algoritmai yra programinė įranga, „receptai“, skirti žmonių kalbų modeliams kurti. Su dideliais kiekiais kokybiškų duomenų, naujausi mašininio mokymosi algoritmai parodė didesnius sugebėjimus kurti modelius, atspindinčius žinias, gautas iš kalbos duomenų. Kuo didesni ištekliai ir modeliai, tuo platesnis ir bendresnis jų taikymas.
• Skaičiavimo galia: reikia didelių skaičiavimo išteklių, ypač kuriant kalbų modelius, kuriuose itin svarbus itin našus skaičiavimas ir patikima debesijos infrastruktūra.
• Žmogiškoji patirtis: Sėkmingas LT apima bendradarbiavimą tarp lingvistų, duomenų mokslininkų, kompiuterių inžinierių ir sričių specialistų.

Ką Europa daro kurdama kalbos technologijas?

Europoje turime sudėtingą kalbinį kraštovaizdį. Europos Sąjungos pagrindinių teisių chartijoje draudžiama diskriminacija dėl kalbos ir ES įpareigojama gerbti kalbų įvairovę. Atskaitomybė, skaidrumas, sąžiningumas ir pagarba mūsų vertybėms yra tik keletas jo etinių pasekmių. Šias teises ir principus galima užtikrinti tik nešališkai naudojant LT.

Europos kalbų technologijų pramonė atlieka svarbų vaidmenį užtikrinant Europos strateginį ir technologinį savarankiškumą, kuris turėtų būti toliau stiprinamas. Mūsų konkrečius rinkos poreikius geriausiai žino Europos vertimo raštu paslaugų teikėjai, iš kurių šimtai išvardyti e. vertimo paslaugų kataloge.

Viešai prieinami sprendimai, įskaitant Europos Komisijos siūlomas priemones ir paslaugas, papildo rinkos pasiūlą, kartu sprendžiant technologinės paramos mažai išteklių turinčioms kalboms trūkumo problemą. Šie pagrindiniai sprendimai – mašininis vertimas („eTranslation“), subjektų atpažinimas, apibendrinimas, kalbos transkribavimas ir duomenų pseudoniminimas siekiant atitikties BDAR reikalavimams – yra prieinami visoms Europos viešojo administravimo institucijoms ir mažosioms bei vidutinėms įmonėms visomis oficialiosiomis kalbomis.

Pagal programą „Horizontas 2020“Europos kalbų tinkle (ELG) sukurtas vieno langelio principu veikiantis specializuotų kalbos technologijų sprendimų centras. Pastangos skleisti informaciją ir kurti bendruomenę padėjo skatinti bendrą supratimą apie būtinybę sujungti viešąsias ir privačiąsias pajėgas ir pasinaudoti geriausiomis abiejų pasaulių mokslinių tyrimų ir diegimo galimybėmis.

Programa „Europos horizontas“ skatinami moksliniai tyrimai ir inovacijos, remiant ne tik pažangiausių pažangiųjų kalbų, bet ir didelių kalbų modelių kūrimą. Šie modeliai, skirti žmogaus ir mašinos sąveikai stiprinti, turės daugiakalbes galimybes, valdys įvairius įvesties režimus, valdys šališkumą ir demonstruos konteksto supratimą.

Įgyvendinant Europos kalbų lygybės (ELE) iniciatyvą, Europos Parlamento inicijuotą bandomąjį projektą ir (arba) parengiamuosius veiksmus, parengta darbotvarkė ir veiksmų gairės, kaip iki 2030 m. užtikrinti visišką skaitmeninę kalbų lygybę Europoje.

Pagal Skaitmeninio dešimtmečio politikos programą Komisija koordinuoja Sąjungos pastangas visose valstybėse narėse ir privačiajame sektoriuje sukurti Europos KT ekosistemą.

Galiausiai Komisija pripažįsta, kad kalbų duomenys yra vertingas kalbų modelių mokymo per bendrą Europos kalbų duomenų erdvę (LDS) pagrindas. Projektas finansuojamas pagal 2021–2022 m. DIGITAL darbo programą ir juo siekiama sukurti daugiakalbių ir daugiarūšių kalbų duomenų rinkimo, dalijimosi jais ir jų pakartotinio naudojimo platformą ir prekyvietę. Suderinta su Europos duomenų strategija ir pačia duomenų erdvių koncepcija, ji užtikrins, kad ekonomikoje, visuomenėje ir moksliniuose tyrimuose būtų galima naudoti daugiau kalbinių duomenų, kartu kontroliuojant duomenis kuriančias įmones ir asmenis.

Visų šių elementų, projektų ir subjektų sutelkimas yra didelis iššūkis Sąjungai, Europos pramonei ir nacionalinėms viešojo administravimo institucijoms, o galutinis tikslas – remti Europos skaitmeninį dešimtmetį visų labui.