全球每年消失24種語(yǔ)言，AI已成為瀕危語(yǔ)言新的救星

　　去年，聯(lián)合國曾宣布將2019年為“國際本土語(yǔ)言年”，現在離這個(gè)節日已經(jīng)越來(lái)越近。實(shí)際上，這一舉措旨在提高人們對瀕危語(yǔ)言的認識，因為這些語(yǔ)言正面臨滅絕的危險?！巴ㄟ^(guò)語(yǔ)言，人們保留了他們的社區的歷史、習俗和傳統、記憶、獨特的思維方式、意義和表達方式。他們也用語(yǔ)言來(lái)構建自己的未來(lái)。在人權保護、良好治理、和平建設、和諧和可持續發(fā)展等領(lǐng)域，語(yǔ)言是關(guān)鍵所在”：這些也是聯(lián)合國可持續發(fā)展目標(SDGs)的核心。

　　據聯(lián)合國統計，世界上有7000多種語(yǔ)言，但消亡的速度卻非?？?，平均每個(gè)月都有2種語(yǔ)言消失。由于人工智能在語(yǔ)言存檔和學(xué)習方面具有優(yōu)勢，人工智能在拯救瀕危語(yǔ)言的斗爭中變得比以往任何時(shí)候都更加重要。

　　Jason Lovell正在學(xué)習新西蘭的土著(zhù)語(yǔ)言“毛利語(yǔ)”，但缺少幫助他練習的對象，因此他與IBM的“沃森人工智能”合作，創(chuàng )立了一個(gè)Facebook messenger聊天機器人，該聊天機器人能夠理解并回復用戶(hù)的信息，包括毛利語(yǔ)和英語(yǔ)。即使用戶(hù)犯了拼寫(xiě)錯誤，比如“Reobot”，對Lovell的聊天機器人來(lái)說(shuō)，也不會(huì )造成理解障礙。Lovell希望在不久的將來(lái)引入發(fā)音幫助。通過(guò)提供毛利語(yǔ)交流機會(huì )，Reobot可以幫助學(xué)習者更快地培養自信和技能。

　　為了向居住在偏遠社區的兒童教授澳大利亞土著(zhù)語(yǔ)言，一組來(lái)自ARC語(yǔ)言動(dòng)力學(xué)卓越中心(CoEDL)的研究人員開(kāi)發(fā)了Opie，這是一種低成本、易于運輸的機器人。在學(xué)習故事、游戲和課程時(shí)，Opie的眼睛能夠和孩子們互動(dòng)，此外，機器人能夠記錄孩子們的語(yǔ)言技能，協(xié)助老師追蹤他們的學(xué)習進(jìn)度。CoEDL已經(jīng)與谷歌展開(kāi)合作，為土著(zhù)語(yǔ)言轉錄和構建人工智能模型，這要歸功于谷歌的開(kāi)源人工智能平臺TensorFlow。這臺機器學(xué)習技術(shù)為語(yǔ)言學(xué)家省去了數百萬(wàn)小時(shí)的時(shí)間，在CoEDL的存儲庫中記錄了超過(guò)4萬(wàn)小時(shí)的錄音。

　　對許多組織來(lái)說(shuō)，維護語(yǔ)言數據數據并將其引入土著(zhù)社區是一項挑戰。第一人民文化委員會(huì )(FPCC)的使命是支持不列顛哥倫比亞省的土著(zhù)語(yǔ)言、藝術(shù)、文化和遺產(chǎn)的復興，與當地社區合作，將語(yǔ)言數據存檔，并通過(guò)其First Voices平臺進(jìn)行教學(xué)。First Voices的最新創(chuàng )新是一款鍵盤(pán)應用，用戶(hù)可以在移動(dòng)設備上的任何應用上輸入超過(guò)100種本地語(yǔ)言，包括社交媒體、電子郵件和文字處理。

　　First Voices存儲的數據是一個(gè)開(kāi)源的云原生內容服務(wù)引擎，其將人工智能和機器學(xué)習整合在內。

　　未來(lái)學(xué)家托馬斯·弗雷(Thomas Frey)設想出一種全球語(yǔ)言檔案館，作為一個(gè)活生生的博物館，一座“語(yǔ)言的盧浮宮”，在那里，已經(jīng)滅絕的語(yǔ)言甚至都可以被學(xué)習：“將收集到的足夠多的視頻、音頻和書(shū)面文件輸入到人工智能語(yǔ)言重建引擎(AI Language Recreation Engine)，其能夠生成一個(gè)功能性的三維立體化身，將語(yǔ)言傳授給想要學(xué)習它的人?！比斯ぶ悄芤鎸⒏M(jìn)一步，填補任何語(yǔ)言空白，在需要時(shí)創(chuàng )建一種語(yǔ)言的書(shū)面形式，并提供語(yǔ)言之間的翻譯。

　　弗雷將瀕危語(yǔ)言項目(Endangered Languages Project)作為創(chuàng )建全球語(yǔ)言檔案的第一步，該項目由第一人民文化委員會(huì )在夏威夷大學(xué)夏威夷分校的瀕危語(yǔ)言目錄/瀕危語(yǔ)言項目(ELCat/ELP)管理。瀕危語(yǔ)言項目匯集了瀕危語(yǔ)言的資源和信息，這要歸功于全世界的合作者，到目前為止，該項目已擁有3418種語(yǔ)言的數據，其中許多語(yǔ)言都位列瀕危語(yǔ)種中。