Atveria naują tyrimų sritį
Dirbtinio intelekto (DI) tobulėjimas mokslininkams atveria duris, už kurių slepiasi menkai paliesta, tačiau itin aktuali kalbos technologijų tyrimų sritis. Kauno technologijos universiteto Socialinių, humanitarinių mokslų ir menų fakulteto (KTU SHMMF) kartu su Lietuvos švietimo istorijos muziejumi birželio 13–14 d. surengtoje konferencijoje „LTech 2024“ mokslininkai dalijosi atradimais apie kalbą ir jos iššūkius dirbtinio intelekto amžiuje.
Valstybinės lietuvių kalbos komisijos (iš Lietuvių kalbos prestižo stiprinimo programos lėšų) remiamoje konferencijoje kalbos ekspertai, tarp kurių ir žinomi mokslininkai bei profesoriai, dalijosi tyrimų rezultatais, metodologinėmis įžvalgomis ir patirtimi apie sparčiai besiplečiančią kalbos industriją bei dirbtinio intelekto pritaikymo galimybes.
Dirbtinio intelekto įtaka kalbai
Skaitmeninėje erdvėje dominuoja tos kalbos, kuriomis ekonomiškai stipriose valstybėse kalba dauguma žmonių, todėl kalbos technologijų tobulėjimas yra susijęs su kalbos standartizacijos klausimais, ypač kalbant apie pliuricentrines kalbas.
Freiburgo universiteto (Vokietija) profesoriaus dr. Christiano Mairo atlikto tyrimo metu paaiškėjo, kad mažiau dominuojantiems pliuricentrinių kalbų standartams (pavyzdžiui, britų anglų kalbos) tenka mažiau dėmesio kuriant didžiuosius kalbos modelius, o generatyvinio dirbtinio intelekto tekstuose taikomi labiau paplitę kalbos variantai.
Įdomu tai, kad pati kalba taip pat daro savotišką įtaką dirbtinio intelekto įrankiams. Pasitelkiant tam tikros struktūros ir turinio pasakojimo formos tekstus, vadinamus dirbtinio intelekto „užkalbėjimais“ (angl. jailbreaks), galima apeiti didžiųjų kalbos modelių draudžiamo turinio apribojimus.
„Jei sąmokslo teorijos įtikina žmones, „nulauždamos“ jų kritinio mąstymo apsaugos mechanizmus, lygiai tokiomis pačiomis priemonėmis sukonstruoti užkalbėjimai išjungia didžiųjų kalbos modelių algoritminius apribojimus“, teigia KTU mokslo grupės „Skaitmeninė kultūra, komunikacija ir medijos“ pagrindinis tyrėjas prof. dr. Saulius Keturakis. Kalbos technologijos kopijuoja mūsų bendravimą, o kartu ir klaidas bei silpnąsias vietas.
Mažai išteklių turinčių kalbų problema
Jau šiandien pastebima nelygybė tarp dirbtinio intelekto įrankių naudotojų. Nors kalbos technologijų bijoti nereikia, dirbtinis intelektas gali visuomenėje sukurti socialinę atskirtį tarp mažiau ir daugiau išsilavinusiųjų. Pastarieji, mokėdami daug išteklių turinčių kalbų, turi prieigą prie daugiau skaitmeninių duomenų.
Didieji kalbos modeliai, tokie, kaip „ChatGPT“, yra taikomi ir vertimo srityje, nors generatyviniai DI įrankiai nėra sukurti kaip vertimo sistemos.
Pasak universiteto mokslininkės, mokslo grupės „Kalba ir technologijos“ tyrėja ir konferencijos organizacinio komiteto pirmininkės doc. dr. Dainoros Maumevičienės, kalba ir technologijos visada eina greta nuo to momento, kai žmogus išraižė tekstą Gilgamešo molio lentelėse ar hieroglifais.
„Kalba ir technologijos sąlygoja nuolatinę abipusę kaitą, plėtrą, raidą ir naujų technologinių sprendimų kūrimą. Dėl to kalbos, kartu ir vertimo, industrija per pastaruosius dešimt metų stipriai pasikeitė. Nepaisant to, kokybiško vertimo, ypač į lietuvių kalbą, mašininio vertimo sistemos ir dirbtinis intelektas šiuo metu ir per artimiausią laikotarpį negali pateikti dėl to, kad lietuvių kalba yra mažai išteklių turinti kalba. O tam, kad mašininio vertimo sistemos galėtų pasiūlyti aukštos kokybės vertimus, reikia ne tik daug finansinių investicijų, bet ir iniciatyvų sukurti pakankamai skaitmenizuotų ir atvirų išteklių turinčius didžiuosius kalbos modelius“, – sako ji.
DI ir lietuvių kalba
Lyginant su didelėmis kalbomis, ypač anglų, lietuvių kalba turi daug mažiau skaitmeninių išteklių ir duomenų rinkinių, nors yra viena iš oficialiųjų Europos Sąjungos kalbų.
„Lietuvių kalba visame pasaulyje maždaug kalba iki 4 milijonų gyventojų. Palyginus su kinų, anglų, vokiečių, ispanų ar kitomis „didelėmis“ kalbomis, net ir ukrainiečių, kurių yra 45 milijonai, kalbančiųjų bendruomenėmis, misija ir užduotis sukurti kokybiškai veikiančias mašininio vertimo ar DI sprendimais grindžiamas vertimo sistemas yra beveik neįmanoma tiek dėl mažos investicinės grąžos, tiek dėl mažos lietuvių kalba kalbančiųjų bendruomenė“, – sako D. Maumevičienė.
Pasak VLKK narės, KTU mokslo grupės „Kalba ir technologijos“ pagrindinės tyrėjos prof. dr. Ramunės Kasperės, didieji kalbų modeliai ir generatyvinis dirbtinis intelektas tekstus lietuvių kalba generuoja palikdami daug klaidų, netikslumų, neegzistuojančių žodžių, jau nekalbant apie tai, kad sugeneruotas turinys yra bendrinio pobūdžio.
„Pateikus užklausą, susijusią su tuo, kas nėra plačiai aprašyta skaitmeninėje erdvėje lietuvių kalba, rezultatai yra labai abstraktūs, tinkantys apibūdinti daug panašių konceptų arba pateikiama informacija yra klaidinga“, – sako ji.
Nors didelė visuomenės dalis technologijomis gali naudotis ir globaliąja anglų kalba, unikalią kultūrą ir tautinę tapatybę galime perteikti tik savo kalba.
„Jei siekiame išsaugoti lietuvių kalbą, vien mokslininkų pajėgų ir verslo investicijų neužtenka, reikalingi politiniai sprendimai ir finansavimas valstybės mastu. Svarbu skaitmenizuoti jau turimus išteklius, kurti atviros prieigos duomenų rinkinius ir tekstynus, nes tik dideli duomenų kiekiai gali užtikrinti skaitmeninių išteklių plėtrą lietuvių kalba“, – sako R. Kasperė.
