Ιστορίες στη Ρομανί που περνούν από γενιά σε γενιά, λέξεις της Τσακωνικής που κινδυνεύουν να χαθούν και χιλιάδες σελίδες διαλεκτικού υλικού που αποκτούν ψηφιακή μορφή βρέθηκαν στο επίκεντρο της εκδήλωσης για την πρωτοβουλία Lingua της Microsoft, που πραγματοποιήθηκε σήμερα στο Μουσείο Κυκλαδικής Τέχνης. Εκεί παρουσιάστηκαν τέσσερις ελληνικές προτάσεις που διακρίθηκαν και λαμβάνουν στήριξη για να υλοποιηθούν.
Παρουσιάζοντας την πρωτοβουλία, ο ερευνητής του AI for Good Lab της Microsoft, Wassim Hamidouche, στάθηκε στο χάσμα που χωρίζει τις γλώσσες με πλούσια ψηφιακή παρουσία από εκείνες για τις οποίες υπάρχουν ελάχιστα διαθέσιμα δεδομένα. Σύμφωνα με τα στοιχεία που παρουσίασε, περισσότερες από τις περίπου 7.000 ομιλούμενες γλώσσες καταλαμβάνουν μόλις ένα μικρό μέρος του περιεχομένου στο διαδίκτυο. Αυτό έχει συνέπειες και για την τεχνητή νοημοσύνη: όταν τα γλωσσικά μοντέλα δεν διαθέτουν επαρκή δεδομένα για μια γλώσσα, οι ομιλητές της κινδυνεύουν να μείνουν πίσω στην πρόσβαση σε ψηφιακά εργαλεία, στην εκπαίδευση και στις ευκαιρίες που αυτά δημιουργούν.
Το Lingua επιδιώκει να καλύψει μέρος αυτού του κενού στηρίζοντας τη δημιουργία ανοιχτών συλλογών προφορικού και γραπτού λόγου για ευρωπαϊκές γλώσσες και διαλέκτους με περιορισμένη ψηφιακή παρουσία.
Στην Ελλάδα, η ΑΡΣΙΣ – Κοινωνική Οργάνωση Υποστήριξης Νέων έλαβε χρηματική επιχορήγηση, ενώ τρία ακόμη έργα διακρίθηκαν και υποστηρίζονται με υπολογιστικούς πόρους και υπηρεσίες της πλατφόρμας Azure: το CoDAG του Πανεπιστημίου Κρήτης, το LALIES του Ινστιτούτου Επεξεργασίας του Λόγου του Ερευνητικού Κέντρου «Αθηνά» και το T.S.A.K.O.N.I.A. του Αρχείου της Τσακωνιάς. Η υποστήριξη μέσω Azure αφορά ψηφιακές υποδομές για τα έργα και όχι χρηματική καταβολή.
Η καταγραφή της Ρομανί
Η πρόταση της ΑΡΣΙΣ αφορά τη συλλογή και ψηφιοποίηση γλωσσικού υλικού της Ρομανί στην Ελλάδα. Η Γεωργία Καλπαζίδου, υποψήφια διδάκτορας γλωσσολογίας με καταγωγή από την κοινότητα του Δενδροποτάμου, μίλησε για τη μητρική της γλώσσα και εξήγησε ότι το έργο θα συγκεντρώσει υλικό από κοινότητες Ρομά, μεταξύ άλλων ιστορίες και παραμύθια. Πέρα από την ψηφιακή καταγραφή, έθεσε ως στόχο την αντιμετώπιση του στιγματισμού της γλώσσας και των στερεοτύπων για τους ανθρώπους που τη μιλούν.
Χάρτης ελληνικών διαλέκτων και 40.000 ψηφιοποιημένες σελίδες
Τις δυνατότητες της τεχνολογίας για τη μελέτη των ελληνικών διαλέκτων παρουσίασε ο Στέργιος Χατζηκυριακίδης από το Πανεπιστήμιο Κρήτης. Στο πλαίσιο του CoDAG, η ομάδα του εργάζεται, όπως ανέφερε, για τη δημιουργία χάρτη ελληνικών διαλέκτων, την αξιοποίηση διαθέσιμων πηγών και την ανάπτυξη γλωσσικών μοντέλων. Έχει ήδη ψηφιοποιήσει περίπου 40.000 σελίδες διαλεκτικού υλικού, ενώ ως παράδειγμα εφαρμογής έφερε τη δυνατότητα να ζητήσει κανείς από ένα ψηφιακό εργαλείο να γράψει μια ιστορία στα κυπριακά.
Στη σημασία της επιτόπιας έρευνας στάθηκε η Στέλλα Μαρκαντωνάτου, ομότιμη ερευνήτρια του Ινστιτούτου Επεξεργασίας του Λόγου του Ερευνητικού Κέντρου «Αθηνά», παρουσιάζοντας το LALIES. Η ομάδα συγκεντρώνει προφορικό υλικό ταξιδεύοντας στους τόπους όπου ζουν οι ομιλητές. Όπως ανέφερε, έχει εργαστεί σε εννέα ελληνικές διαλέκτους και έχει καταγράψει, μεταξύ άλλων, κυπριακά, την ομιλία της Απειράνθου στη Νάξο και κεφαλονίτικο γλωσσικό υλικό. Στόχος είναι ο προφορικός λόγος να μετατραπεί σε κείμενο, ώστε να μπορεί να μελετηθεί και να αξιοποιηθεί.
Η προσπάθεια για την Τσακωνική
Για την Τσακωνική, η Αγγελική Πολίτη, εκπρόσωπος του Αρχείου της Τσακωνιάς, περιέγραψε την ανάγκη να καταγραφούν ομιλητές όσο υπάρχει ακόμη αυτή η δυνατότητα. Σύμφωνα με τα στοιχεία που παρουσίασε, οι ομιλητές της διαλέκτου είναι πλέον περίπου 1.200, ενώ τα διαθέσιμα γραπτά κείμενα είναι λιγοστά. Μέσα από το έργο T.S.A.K.O.N.I.A., που υλοποιείται σε συνεργασία με το Πανεπιστήμιο Πελοποννήσου, επιδιώκεται η συλλογή και τεκμηρίωση αυθεντικού γλωσσικού υλικού.
Ο ειδικός γραμματέας Μακροπρόθεσμου Σχεδιασμού, Γιάννης Μαστρογεωργίου, συνεχάρη τις ομάδες για το έργο τους και υπογράμμισε την αξία της συνεργασίας ερευνητών, κοινοτήτων, ιδιωτικού τομέα και Πολιτείας. Όπως είπε, στην επόμενη φάση ανάπτυξης της τεχνητής νοημοσύνης ο γλωσσικός πλούτος θα είναι ακόμη πιο αναγκαίος.
Την ανάγκη να παραμείνουν οι ίδιοι οι ομιλητές στο κέντρο αυτής της προσπάθειας υπογράμμισε η γενική γραμματέας Σύγχρονου Πολιτισμού του υπουργείου Πολιτισμού, Ελένη Δουνδουλάκη. «Η γλώσσα σώζεται όταν μιλιέται», σημείωσε, προσθέτοντας ότι οι άνθρωποι και οι κοινότητες που συμβάλλουν στη συλλογή του υλικού πρέπει να έχουν λόγο στον τρόπο με τον οποίο αυτό διαφυλάσσεται και χρησιμοποιείται. Έθεσε επίσης το ζήτημα της προστασίας των πνευματικών δικαιωμάτων, τονίζοντας ότι η αξιοποίηση της τεχνολογίας πρέπει να διατηρεί τον άνθρωπο και την κοινότητα στο επίκεντρο.
Ο ειδικός γραμματέας Τεχνητής Νοημοσύνης και Διακυβέρνησης Δεδομένων, Βασίλης Καρκατζούνης, αναφέρθηκε στις δυνατότητες που προσφέρουν τα μεγάλα γλωσσικά μοντέλα, τονίζοντας παράλληλα ότι χρειάζεται προσοχή στον τρόπο συλλογής των δεδομένων. Όπως είπε, η τεχνολογία μπορεί να βοηθήσει στην εκπαίδευση και στη διάδοση των γλωσσών, επισημαίνοντας και την ανάγκη να αντιμετωπιστούν τα στερεότυπα, ώστε τα παιδιά να μη νιώθουν στιγματισμένα για τη διάλεκτο που μιλούν.
«Αν μια γλώσσα δεν έχει ψηφιακό αποτύπωμα, κινδυνεύει να χαθεί», ανέφερε η επικεφαλής της Microsoft για την Ελλάδα, την Κύπρο και τη Μάλτα, Γιάννα Ανδρονοπούλου. Όπως είπε, η συζήτηση για την τεχνητή νοημοσύνη έχει περάσει από το τι μπορεί να κάνει στο πώς θα επιλέξουμε να την αξιοποιήσουμε. Τόνισε ότι η γλώσσα μεταφέρει την ιστορία, τις αξίες και την ταυτότητα των ανθρώπων, συνοψίζοντας την επιδίωξη της πρωτοβουλίας με τη φράση: «Μάθαμε την τεχνητή νοημοσύνη να μιλάει. Τώρα πρέπει να τη μάθουμε να ακούει όλες τις φωνές».
ΠΗΓΗ: ΑΠΕ-ΜΠΕ
