Πέντε ελληνικά έργα για την… διάσωση ισάριθμων τοπικών διαλέκτων εντάσσονται στην πρωτοβουλία LINGUA της Microsoft για γλώσσες και διαλέκτους με μικρό ψηφιακό αποτύπωμα. Η Ρομανί, η Τσακωνική, η Καππαδοκική, η Ποντιακή και τα Αρβανίτικα, βρίσκονται ανάμεσα στις φωνές που καλούνται πλέον να περάσουν από την προφορική παράδοση και τα αρχεία, στα δεδομένα της νέας τεχνολογίας.
Όμως, ποια γλώσσα μπορεί να μιλήσει με ένα σύστημα Τεχνητής Νοημοσύνης; Και, εξίσου κρίσιμο ερώτημα είναι, ποια γλώσσα μπορεί εκείνο να καταλάβει;
Για τις πιο διαδεδομένες γλώσσες, η απάντηση θεωρείται σχεδόν αυτονόητη. Όμως, για χιλιάδες άλλες, η ψηφιακή παρουσία είναι τόσο περιορισμένη, ώστε να μην υπάρχουν αρκετά δεδομένα για να τις υποστηρίξουν τα εργαλεία που χρησιμοποιούνται καθημερινά.
Αυτό είναι το νέο πεδίο γλωσσικής ανισότητας στην εποχή της Τεχνητής Νοημοσύνης. Από τις περίπου 7.000 γλώσσες που ομιλούνται σήμερα στον κόσμο, οι περισσότερες έχουν μικρή παρουσία στο διαδίκτυο.
Όταν μια γλώσσα δεν καταγράφεται, δεν ψηφιοποιείται και δεν εντάσσεται σε γλωσσικά σώματα, κινδυνεύει να μείνει έξω από τα δεδομένα με τα οποία εκπαιδεύονται τα ψηφιακά συστήματα. Και όσο η επικοινωνία, η γνώση και οι υπηρεσίες μεταφέρονται σε ψηφιακά περιβάλλοντα, τόσο η απουσία αυτή μπορεί να περιορίσει και τη δυνατότητα των ομιλητών να τα χρησιμοποιούν στη γλώσσα τους.
Στην Ελλάδα, το ζήτημα αφορά μια πλούσια και σύνθετη γλωσσική κληρονομιά. Η Ρομανί, η Τσακωνική, η Καππαδοκική, η Ποντιακή και τα Αρβανίτικα, αποτελούν διαφορετικές γλωσσικές φωνές, με δική τους ιστορία και ζωντανή ή καταγεγραμμένη παράδοση.
Δεν πρόκειται για μια ενιαία κατηγορία: οι όροι «γλώσσα» και «διάλεκτος» δεν περιγράφουν πάντοτε με τον ίδιο τρόπο τις ποικιλίες αυτές. Κοινό τους στοιχείο είναι ότι διαθέτουν πολύ μικρότερο ψηφιακό αποτύπωμα από την κοινή νεοελληνική και τις μεγάλες διεθνείς γλώσσες.
Την πρόκληση αυτή επιχειρεί να αντιμετωπίσει η πρωτοβουλία LINGUA της Microsoft, που υποστηρίζει ερευνητές και οργανισμούς οι οποίοι εργάζονται για την καταγραφή και την ψηφιακή παρουσία γλωσσών με περιορισμένα διαθέσιμα δεδομένα.
Στον ευρωπαϊκό κύκλο της πρωτοβουλίας, διακρίθηκαν πέντε ελληνικά έργα -ο μεγαλύτερος αριθμός μεταξύ των συμμετεχουσών ευρωπαϊκών χωρών, σύμφωνα με ανακοίνωση της Microsoft.
Η ΑΡΣΙΣ – Κοινωνική Οργάνωση Υποστήριξης Νέων έλαβε χρηματοδότηση 50.000 ευρώ για την ψηφιοποίηση γλωσσικού υλικού της Ρομανί. Τέσσερις άλλες πρωτοβουλίες υποστηρίζονται με πιστώσεις Azure και πρόσβαση στην τεχνογνωσία του AI for Good Lab της Microsoft. Πρόκειται για το CoDAG του Πανεπιστημίου Κρήτης, το LALIES του Ινστιτούτου Επεξεργασίας του Λόγου του Ερευνητικού Κέντρου «Αθηνά», το T.S.A.K.O.N.I.A. του Αρχείου της Τσακωνιάς και το Istorima.
Η σημασία των έργων αυτών δεν περιορίζεται στην αποθήκευση παλιού υλικού σε ψηφιακή μορφή. Η καταγραφή του προφορικού λόγου, η ψηφιοποίηση των αρχείων και η δημιουργία γλωσσικών σωμάτων, μπορούν να αποτελέσουν το πρώτο βήμα για να γίνουν οι γλωσσικές ποικιλίες αναζητήσιμες και αξιοποιήσιμες σε νέες εφαρμογές.
Για γλώσσες και διαλέκτους που μεταδίδονται κυρίως μέσα από την καθημερινή ομιλία, την οικογένεια και τη βιωμένη εμπειρία, η καταγραφή έχει ακόμη μια διάσταση: διασώζει λέξεις, εκφράσεις και τρόπους αφήγησης που ενδέχεται να μην έχουν αποτυπωθεί επαρκώς σε γραπτές πηγές.
Ωστόσο, η Τεχνητή Νοημοσύνη δεν μπορεί να «μάθει» μια γλώσσα χωρίς κατάλληλο υλικό. Όπως εξηγεί ο Wassim Hamidouche, Principal Research Scientist στο AI for Good Lab της Microsoft, η περιορισμένη διαθεσιμότητα γλωσσικών δεδομένων, επηρεάζει την αποτελεσματικότητα των σχετικών εργαλείων και μπορεί να περιορίσει την ισότιμη πρόσβαση των ομιλητών στην τεχνολογία, την εκπαίδευση και τις νέες ευκαιρίες.
Αυτό, προσθέτει, μετατρέπει τη διατήρηση των διαλέκτων σε ζήτημα που υπερβαίνει την πολιτιστική καταγραφή. Αν οι μελλοντικές ψηφιακές υπηρεσίες λειτουργούν κυρίως στις γλώσσες που διαθέτουν μεγάλο όγκο δεδομένων, οι ομιλητές μικρότερων γλωσσικών κοινοτήτων θα χρειάζεται να προσαρμόζονται σε ένα περιβάλλον που δεν τους αναγνωρίζει γλωσσικά.
Η αύξηση του διαθέσιμου υλικού με γλώσσες και διαλέκτους, μπορεί να διευρύνει τις δυνατότητες χρήσης των τεχνολογιών, χωρίς αυτό να σημαίνει ότι από μόνη της λύνει όλα τα ζητήματα της γλωσσικής εκπροσώπησης.
«Η γλώσσα μεταφέρει την ιστορία, τις αξίες και την ταυτότητα των ανθρώπων. Όταν μια γλώσσα δεν έχει ψηφιακή παρουσία, κινδυνεύει να χαθεί μαζί με ένα σημαντικό κομμάτι του πολιτισμού που εκπροσωπεί», σημειώνει η Γιάννα Ανδρονοπούλου, CEO της Microsoft Ελλάδας, Κύπρου, Μάλτας και Αδριατικής και προσθέτει: «Και αφού μάθαμε την τεχνητή νοημοσύνη να μιλά, τώρα ήρθε η ώρα να της μάθουμε να ακούει όλες τις φωνές».
Το LINGUA υλοποιείται στο πλαίσιο των ευρύτερων European Digital Commitments της Microsoft, με στόχο να ενισχυθεί η ψηφιακή παρουσία γλωσσών με περιορισμένο διαθέσιμο περιεχόμενο και να υποστηριχθεί η γλωσσική και πολιτιστική πολυμορφία της Ευρώπης. Για την Ελλάδα, το στοίχημα είναι αν η Ρομανί, η Τσακωνική, η Καππαδοκική, η Ποντιακή και τα Αρβανίτικα, θα καταφέρουν να έχουν θέση σε έναν κόσμο όπου οι μηχανές ακούν και απαντούν — και αν η τεχνολογία θα μπορέσει να αναγνωρίσει τις φωνές που μέχρι σήμερα έμεναν στο περιθώριο των δεδομένων.