Språkteknik

Språkteknologier (LT) gör det möjligt för maskiner att inte bara läsa, analysera, bearbeta och generera mänskligt språk, utan också, tack vare de senaste vetenskapliga framstegen, överbrygga klyftan mellan mänsklig kommunikation och maskinförståelse.

Eftersom språket fungerar som det grundläggande mediet för mänsklig interaktion har LT fått enorm betydelse inom olika branscher och applikationer, från översättning och lokalisering till kundsupport, hälso- och sjukvård, medieskapande och marknadsföring. Vanliga exempel på denna teknik är taligenkänning, smarta assistenter, maskinöversättning, chatbots, textsammanfattning och automatisk textning.

Vad krävs för att utveckla språktekniken?

Nedan följer några av de viktigaste inslagen för att utveckla språkbaserade verktyg och tjänster.

• Språkuppgifter: Detta avser textinnehåll eller talat innehåll – på ett eller flera språk – som fungerar som inmatnings- eller utbildningsmaterial för bearbetning av naturligt språk, t.ex. textgenerering eller sentimentanalys. Dessa uppgifter kan komma från en rad olika källor – böcker, artiklar, inlägg på sociala medier, utskrifter av muntliga samtal osv. Eftersom de utgör grunden för den litauiska utvecklingen är det mycket viktigt att de samlas in med full respekt för bestämmelserna om upphovsrätt (IPR) och skydd av personuppgifter (GDPR).
• Utbildningsalgoritmer och språkmodeller: Algoritmer är programvaran, ”recepten”, för att skapa modeller av mänskliga språk. Med betydande mängder kvalitetsdata har de senaste maskininlärningsalgoritmerna visat ökad förmåga att skapa modeller som representerar den kunskap som härrör från språkdata. Ju större resurserna och modellerna är, desto mer omfattande och generiska är deras tillämpningar.
• Beräkningskraft: Det krävs betydande beräkningsresurser, särskilt vid skapandet av språkmodeller, där högpresterande datorsystem och robusta molninfrastrukturer är avgörande.
• Mänsklig expertis: framgångsrik LT innebär samarbete mellan lingvister, datavetare, dataingenjörer och domänspecialister.

Vad gör EU för att utveckla språktekniken?

I Europa har vi ett komplext språklandskap. Europeiska unionens stadga om de grundläggande rättigheterna förbjuder diskriminering på grund av språk och ålägger EU att respektera den språkliga mångfalden. Ansvar, öppenhet, rättvisa och respekt för våra värderingar är bara några av dess etiska konsekvenser. Dessa rättigheter och principer kan endast garanteras genom en opartisk användning av LT.

Den europeiska långsiktiga industrin spelar en nyckelroll för Europas strategiska och tekniska oberoende, som bör stärkas ytterligare. Våra specifika marknadsbehov är mest kända av European LT p roviders, av vilka hundratals finns förtecknade i katalogen över eTranslation-tjänster.

Offentligt tillgängliga lösningar, inklusive verktyg och tjänster som erbjuds av Europeiska kommissionen, kompletterar marknadsutbudet och åtgärdar samtidigt en brist i det tekniska stödet till lågresursspråk. Dessa grundläggande lösningar – maskinöversättning (eTranslation), igenkänning av namngivna enheter, sammanfattning, taltranskribering och pseudonymisering av data för efterlevnad av den allmänna dataskyddsförordningen – är tillgängliga för alla europeiska offentliga förvaltningar och små och medelstora företag på alla officiella språk.

Inom ramen för Horisont 2020 inrättade Europeiska språknätet (ELG) en enda kontaktpunkt för specialiserade LT-lösningar. Insatser för spridning och samhällsbyggande har bidragit till att främja en gemensam förståelse för behovet av att gå samman med offentliga och privata krafter och dra nytta av det bästa av båda världarna inom forskning och utveckling.

Programmet Horisont Europa främjar forskning och innovation genom stöd till utveckling av avancerad teknik utöver den senaste tekniken, inbegripet stora språkmodeller. Dessa modeller, som är utformade för att förbättra interaktionen mellan människa och maskin, kommer att ha flerspråkiga funktioner, hantera flera inmatningslägen, hantera fördomar och uppvisa kontextmedvetenhet.

Genom det europeiska initiativet för språklig jämlikhet, ett pilotprojekt/en förberedande åtgärd som initierats av Europaparlamentet, utarbetades en agenda och en färdplan för att uppnå fullständig digital språklig jämlikhet i Europa senast 2030.

Inom ramen för policyprogrammet för det digitala decenniet samordnar kommissionen en unionsinsats i medlemsstaterna och den privata sektorn för att utveckla ett europeiskt LT-ekosystem.

Slutligen erkänner kommissionen värdet av språkdata som grund för utbildning av språkmodeller genom det gemensamma europeiska språkdataområdet. Projektet finansieras inom ramen för arbetsprogrammet för det digitala området 2021–2022 och syftar till att införa en plattform och en marknadsplats för insamling, delning och vidareutnyttjande av flerspråkiga och multimodala språkdata. I linje med den europeiska strategin för data och själva konceptet med dataområden kommer det att säkerställa att fler språkdata blir tillgängliga för användning i ekonomin, samhället och forskningen, samtidigt som de företag och individer som genererar uppgifterna behåller kontrollen.

Att sammanföra alla dessa delar, projekt och aktörer är en stor utmaning för unionen, den europeiska industrin och de nationella offentliga förvaltningarna – det slutliga syftet är att stödja Europas digitala decennium till gagn för alla.