Dünya genelindeki binlerce dil, modern çeviri teknolojileri için adeta birer hayalet gibi. Çoğu dilin dijital verisi yok denecek kadar az. Ancak Brigham Young Üniversitesi (BYU) araştırmacıları ve öğrencileri, bu durumu değiştirmek için önemli bir adım atıyor. PathSay Projesi adı verilen bu girişim, düşük kaynaklı diller için konuşma ve metin verileri toplayarak dil miraslarını korumayı ve yapay zeka çeviri araçlarına erişimi artırmayı hedefliyor.
PathSay Projesi ve Düşük Kaynaklı Diller
BYU MATRIX laboratuvarındaki öğrenciler, uluslararası BYU-Pathway Worldwide öğrencileriyle iş birliği yaparak bu büyük veri toplama işini yürütüyor. Proje, ana akım teknolojinin genellikle göz ardı ettiği topluluklar için çeviri araçlarına erişimi iyileştiriyor. Şu ana kadar 30 dilde 750.000'den fazla kaydedilmiş cümle ve 2.200 saat ses verisi toplandı. Bu diller arasında Afrikaans, Bislama, Chichewa, Cusco Quechua, Dholuo, Efik, Fante ve Fon gibi birçok farklı dil bulunuyor. Araştırmacılar, bu yılın sonuna kadar 50 dile ulaşmayı planlıyor.
Dünyadaki yaklaşık 7.000 dilden 50'den azı, gerçekten kullanışlı çeviri araçları oluşturmak için yeterli dijital veriye sahip. İngilizce, Portekizce, İtalyanca, Korece ve Çince gibi sadece ilk on iki dil "yüksek kaynaklı" kabul ediliyor. BYU bilgisayar bilimi profesörü Steve Richardson, "İlk 100'ün ötesindeki her dil, 'düşük kaynaklı' olarak adlandırılıyor. Google Translate gibi modellere bu dilleri öğretmek için yeterli çevrilmiş cümle yok" diyor. Ayrıca, dünya dillerinin yarısı bile yazılı değil. Bu diller arasında, sadece birkaç düzine anadili konuşanı kalan ve yok olma tehlikesiyle karşı karşıya olan diller de bulunuyor. Bu tür diller için amaç, kültürü ve mirası korumak, bu insanların değerli bilgilerini kaybetmemek.
Neden Bu Kadar Önemli: Miras ve İletişim
Ana akım teknolojinin göz ardı ettiği birçok dil, yüz binlerce, hatta milyonlarca insan tarafından aktif olarak konuşuluyor. Güney Afrika, Nijerya ve Kenya gibi ülkelerden BYU-Pathway öğrencileri, laboratuvarda geliştirilen bir program aracılığıyla kendi ana dillerinde cümleler kaydediyor. Ganalı BYU-Pathway öğrencisi Thomas, "Kendi dilimi koruma fırsatı buluyorum" diyor. "İnsanlar yerel dillerini meslektaşlarıyla bile konuşamıyor. Bu yüzden yerel diliniz hakkında bir şeyler öğrenme şansı bulmak benim için gerçekten inanılmaz bir şey oldu."
MATRIX laboratuvarı, dil miraslarını korumanın yanı sıra, bu topluluklar için çeviri kaynakları sağlamayı da hedefliyor. Profesör Richardson'ın vizyonu, dünyada herhangi bir dili okuyan, konuşan veya işaret diliyle iletişim kuran herkesin, ortak bir dil bilmeden başkalarıyla iletişim kurabilmesini sağlamak. "Örneğin, Brezilya'da Libras işaret dili kullanan biri, Güney Afrika'da Zulu konuşan biriyle iletişim kurabilecek" diye ekliyor.
Dini Misyon ve Teknolojik Çözümler
Richardson ve öğrencileri için nihai amaç, İsa Mesih'in İncili'ni herkese ulaştırmak. BYU-Pathway öğrencilerine göre, İncil kaynaklarını kendi dillerinde kaydetmek önemli bir manevi etki yaratıyor. Richardson, "Hristiyanlar olarak İncil'i dünyaya yaymaktan bahsediyoruz, böylece herkes kendi dilinde duyabilir" diyor. "Ancak bu düşük kaynaklı dilleri konuşan milyarlarca insana nasıl ulaşacağız? Bu düşük kaynaklı dillere çeviri yapmayı çözemezsek, İncil'i nasıl alacaklar?"
Bu manevi misyon doğrultusunda, MATRIX laboratuvarındaki öğrenciler toplanan verileri kullanarak dünyanın düşük kaynaklı dillerini tanıyabilen, çevirebilen ve üretebilen yapay zeka modelleri geliştiriyor. Baş araştırmacı asistanı Ammon Shurtz, "Dünyanın dört bir yanındaki üyeler, Mesih'i kendi ana dillerinde öğrenmeyi hak ediyor" diyor. "Bu beni motive ediyor ki onlar ve milyonlarca başkası bu araçlara ve fırsatlara erişebilsin." Bu tür projeler, sadece dilbilimsel bir çaba olmanın ötesinde, küresel teknoloji erişimini demokratikleştiren önemli adımlar atıyor. Böylece, teknolojiye erişimde dillerin bir engel olmaktan çıkması sağlanıyor.
30 Dilde 2.200 Saatin Üzerinde Ses Verisiyle Yapay Zekaya Yeni Ufuklar
PathSay Projesi, 30 dilde toplanan 2.200 saatin üzerindeki ses verisi ve 750.000'den fazla cümleyle, dünya genelindeki yaklaşık 7.000 dilden sadece 50'sinin sahip olduğu dijital veri eksikliğini gideriyor. Bu sayede, Google Translate gibi büyük yapay zeka çeviri modellerinin dahi göz ardı ettiği milyarlarca insanın kendi dilinde teknolojiye erişiminin önündeki en büyük engellerden biri kalkıyor.