AURELIJA TAMULIONIENĖ

Litván Nyelvi Intézet

Kutatási irányok: a mai litván nyelvhasználat és annak változatossága.

A LITVÁN NYELV HELYZETE A DIGITÁLIS KORBAN

A 24. Jono Jablonskio-konferenciáról

A digitális nyelvi erőforrások fejlesztési irányai és hasznosítási lehetőségei

Jono Jablonskio (1860–1930) – žymiausio lietuvių kalbos normintojas, reikšmingų lietuvių kalbos mokslui ir praktikai darbų autorius. Pasak Zigmo Zinkevičiaus, „[V]isa Jablonskio veikla – tai ištisa epocha lietuvių bendrinės kalbos istorijoje. Iš mūsų rašomą kalbą į tinka­mas vėžes [...], jos raidą pasuko sveika linkmė“ (Zinkevičius 1992: 155).

A Jono Jablonskio nevét viselő tudományos konferenciát először 1993-ban rendezte meg a Litván Nyelvi Intézet Nyelvművelési Osztálya és a Vilniusi Egyetem Litván Nyelvi Tanszéke. Azóta a konferenciák hagyományossá váltak, és minden ősszel megrendezik őket (2003 óta felváltva a Litván Nyelvi Intézetben, illetve a Vilniusi Egyetemen).

2017. szeptember 29-én tartották a 24. Jono Jablonskio tudományos konferenciát A digitális nyelvi erőforrások fejlesztési irányai és hasznosítási lehetőségei (angolul: Digital Language Resources, Directions of Their Development and Possibilities to Harness Them) címmel, a Litván Nyelvi Intézetben. A konferenciát a Litván Nyelvi Intézet Köznyelvi Kutatóközpontja szervezte a Vilniusi Egyetem Alkalmazott Nyelvészeti Intézetével közösen. Tematikáját tekintve ez a konferencia különbözött a korábbiaktól: célja az volt, hogy megvitassa a nyelvek és a digitális technológiák találkozásánál felmerülő problémákat, amelyekkel a digitális erőforrások fejlesztése és az egységes digitális piac megteremtése során szembesülnek. A konferencia középpontjában a digitális erőforrások szemantikai szintje (szóhálózatok létrehozása), a digitális erőforrások hangzó formával való ellátása, valamint a digitális erőforrások többnyelvű közösségekben történő terjesztésére szolgáló új lehetőségek megteremtése és egyéb kérdések álltak.

A konferencián külföldi előadók is részt vettek: az Európai Parlamentből, Spanyolországból, valamint különböző litván intézmények kutatói: a Litván Nyelvi Intézetből, a Vilniusi

Straipsniai / Articles

313

AURELIJA TAMULIONIENĖ

az egyetem, a Vytautas Magnus Egyetem, a Balti Fejlett Technológiák Intézete, valamint a Netcode Kft. képviseletében. A konferencián 17 előadás hangzott el. Az előadók négy ülésen adták elő beszámolóikat, és osztották meg kutatásaik eredményeit és tapasztalataikat.

A konferencia bevezető beszédekkel kezdődött. A konferencia résztvevőit és előadóit Algirdas Saudargas, az Európai Parlament képviselője, valamint prof. dr. Jolanta Elena Zabarskaitė, a Litván Nyelvi Intézet igazgatója köszöntötte. A bevezető beszédet dr. Rita Miliūnaitė, a Litván Nyelvi Intézet Köznyelvi Kutatóközpontjának vezető tudományos munkatársa mondta el. Szó esett arról, hogy a litván nyelv és az információs technológia kapcsolata az utóbbi években jelentősen megerősödött, kézzelfogható eredményeket értünk el mind a nyelvi erőforrások digitalizálásában, mind a nyelvi elemzés, felismerés és szintézis eszközeinek fejlesztésében, ám ahhoz képest, milyen gyorsan változik a világ ezen a területen, a litván nyelvnek még sokat kell felzárkóznia. Mivel a litván flektáló nyelv, nem alkalmazhatjuk közvetlenül a litvánra az angol nyelvhez fejlesztett információs technológiákat; ezért jelenlegi gépi fordítási és más számítógépes eszközeink még nagyon tökéletlenek, miközben a világ már továbbhalad a mesterséges intelligencia fejlesztésének irányába, tárgyakba építi azt, és egyre mélyebben hatol be a nyelv rétegeibe.

A plenáris ülésen az első előadást, „Az élő nyelv a mesterséges értelemben” címmel, Algirdas Saudargas, az Európai Parlament képviselője tartotta. Az előadó egy alapvető kérdést vetett fel, amelyre minden nyelvi közösségnek választ kell adnia: milyen mértékben kell saját anyanyelvéhez maga kidolgoznia az erőforrásokat és technológiákat, és mit szerezhet be más nyelvek alapján már elkészített formában. Az előadásban elhangzott az a problémát felvető gondolat, hogy a litván nyelv – néhány más kis ország nyelvéhez hasonlóan – „kevés technológiai támogatást kap, vagy egyáltalán nem kap ilyet”. A nyelvi technológiák sem a litván, sem az európai politikusok napirendjén nem kapnak kellő figyelmet. Az előadás olyan meglátásokat is bemutatott, amelyek szerint a mesterséges intelligencia fejlődése egy hibrid forma felé tart, amelyben a neurális hálók a tudattalan agyi mechanizmusoknak felelnek meg, míg a tudatos elmét a hagyományos, úgynevezett szimbolikus mesterséges intelligencia befolyásolja és modellezi. Minden nyelvi közösségnek gondoskodnia kell arról, hogy a szimbolikus mesterséges intelligenciának megfelelő nyelvi technológiák részletesen és pontosan tükrözzék az anyanyelv teljes szerkezetét, a neurális hálók tanításához pedig gazdag anyanyelvi (és anyanyelvi kulturális) környezet álljon rendelkezésre.

A második plenáris előadást „Language equality in the digital age: towards a human language project” címmel, angol nyelven Rafael Rivera, a „Claves” tanácsadó cég igazgatója tartotta. Az előadás részletesen bemutatta az Európai Parlament Tudományos Előrejelzési Kutatási Osztályának „Nyelvi egyenlőség a digitális korban. Anyanyelvi projekt” című tanulmányát (az angol nyelvű tanulmány online olvasható: http://www.europarl.europa.eu/RegData/etudes/STUD/2017/598621/EPRS_STU(2017)598621_EN.pdf).). Az előadás áttekintette az anyanyelvi technológiák jelenlegi helyzetét, számszerűsítve

314

Acta Linguistica Lithuanica LXXVI

Lietuvių kalbos padėtis skaitmeniniame amžiuje

a nyelv gazdasági, társadalmi és nyelvészeti következményeit a digitális korban, valamint áttekintette az Európai Unió információs és kommunikációs technológiákkal kapcsolatos politikáját. A digitális korban a nyelvi technológiák komoly kihívást jelentenek a kevés beszélővel rendelkező országok számára. A gyengén fejlett nyelvi technológiák kirekesztettséget és akadályokat teremtenek. Ez hatással van a határokon átnyúló szolgáltatásokra, a munkavállalók mobilitására és a kereskedelemre. Az ilyen akadályok oka a kutatások összehangolatlansága és az elégtelen finanszírozás. Az előadó hangsúlyozta, hogy a nyelvi technológiák nem kapnak kellő figyelmet az európai politikusoktól. A jelenlegi helyzet elemzésére alapozva olyan kezdeményezés kidolgozása folyik, amely összehangolja az intézmények, a kutatás, az ipar, a piac és a közszolgáltatások politikáját.

A plenáris ülés utolsó előadását „A litván írott és beszélt nyelv a hagyományos és az elektronikus közegben” címmel Laimutis Telksnys, a Vilniusi Egyetem Matematikai és Informatikai Intézetének professzora tartotta. Az előadás arról szólt, hogy módszereket, eszközöket – hardvert és szoftvert – kell kidolgozni a litván írott és beszélt nyelv helyes használatának biztosítására papíralapú dokumentumokban és elektronikus közegben. Az előadó egy fontos kérdést vetett fel: hogyan viselkedik majd a néhány millió litván, nehogy eltűnjön a több mint 7 milliárd író és beszélő ember, valamint az érkező intelligens gépek óceánjában? A professzor a választ is megadta: ennek elkerülésére módszereket és eszközöket – hardvert és szoftvert – kell kidolgozni, amelyek biztosítják a litván írott és beszélt nyelv helyes használatát papíralapú dokumentumokban és elektronikus közegben, valamint összehangolják a litván és más nyelvek írott és beszélt formáinak használatát papíralapú dokumentumokban és elektronikus közegben. Átíró eszközöket kell létrehozni, amelyek a nem litván írásrendszerek írásjeleit litván írásjelekkel jelenítik meg, a nem litván beszéd hangjait pedig a litván beszéd jelölésére alkalmas jelekkel adják vissza, hogy azok felhasználhatók legyenek a litván beszédhangok automatikus szintéziséhez.

Az „Beszédfelismerés és -szintézis” című első ülésen három előadás hangzott el.

Audrius Valotka (VU) és Gediminas Navickas (VU) „Távolodás Gutenberg nyomdájától: a litván beszéd a legújabb technológiákban” című előadásukban a litván beszéd legújabb technológiákban való alkalmazásáról beszéltek, és bemutatták a strukturális alapokból finanszírozott projektet: Litván beszéddel vezérelt szolgáltatások – LIEPA (elérhető online: https://www.raštija.lt/liepa),), amelynek keretében többek között litván beszédszintetizátor és -felismerő készült. A projekt során megnyíltak a digitális tér kapui a litván beszéd előtt, ezért a tervek szerint elindul a Litván beszéddel vezérelt szolgáltatások fejlesztése – LIEPA 2 projekt. Az előadók a LIEPA 2 projekt eredményeiről beszéltek, amelyek minden érdeklődő számára nyíltan és ingyenesen hozzáférhetők lesznek, és ösztönzik a litván beszéd használatát az informatikai termékekben. Az új projekt legfontosabb eredménye az lesz, hogy természetes módon

Apžvalgos / Surveys

315

AURELIJA TAMULIONIENĖ

kommunikálni a tárgyakkal (mobiltelefonokkal, táblagépekkel, okosórákkal, robotokkal), emberi hangon parancsokat adni, és megérteni a válaszaikat. A LIEPA 2 keretében olyan tipikus szolgáltatásokat terveznek létrehozni, amelyek bemutatják a litván beszéddel vezérelhető szolgáltatások új felhasználási lehetőségeit: oktatórobot-vezérlőt, hívásindítót, taxirendelőt, vakoknak szánt mobil szintetizátort, internetes hírolvasót és nyelvek közötti kommunikátort.

Laimutis Telksnys (VU) és Gediminas Navickas (VU) „Litván beszéddel vezérelt szolgáltatások. Helyzetkép. Kilátások” című előadásukban a litván beszéddel vezérelt szolgáltatások helyzetéről és kilátásairól, valamint a létrehozásukra és felhasználásuk fejlesztésére irányuló, rendszeresen végzett munkáról beszéltek. A munkát informatikai szakemberek és litván nyelvész filológusok tudásának, valamint mérnöki erőforrásainak egyesítésével végzik. A munka első szakaszában hét, litván beszéddel vezérelt szolgáltatást hoztak létre, és kialakították a szolgáltatások működését biztosító infrastruktúrát. A jövőben új, litván beszéddel vezérelt szolgáltatások létrehozását tervezik a mobil elektronikus környezet – okostelefonok, táblagépek, okosórák és robotok – számára.

A litván beszédszintézis jelenéről és kilátásairól Pius Kasparaitis (VU) és Gintaras Skeris (VU) beszélt. „A litván beszédszintézis jelene és kilátásai” című előadásukban különféle szövegfelolvasó szolgáltatásokat mutattak be, köztük a LIEPA szintetizátort, amely a forrásszövegekkel együtt szabadon terjeszthető. Ez lehetőséget ad másoknak is, hogy új alkalmazási módokat találjanak hozzá. Például a cikkek mellett már az alábbi weboldalak is kínálnak hangfelvételeket: zinios.lt, unikopedarejas.lt, vilnius.lt, m.delfi.lt, vle.lt; a RoboBraille szövegfelolvasó szolgáltatás bármilyen szöveges dokumentumot automatikusan hangfájllá alakít; a szintetikus hangon bemondott, útközben hallgatható közleményeket már a vilkaviškisi buszpályaudvaron is felolvassák, a virtuális asszisztensek pedig már a Migrációs Hivatal weboldalán is működnek, és így tovább.

A „Digitális litván nyelvi erőforrások” című második ülésen négy előadás hangzott el.

Az első, „E. kalba – innováció a digitális nyelvi erőforrások használatában” című előadást Elena Jolanta Zabarskaitė (LKI), Deimantė Budriūnaitė (LKI) és Skirmantas Šermukšnis (NetCode) tartotta. Részletesen bemutatták a Litván Nyelvi Intézet új projektjét, amely a litván nyelvi erőforrások információs infrastruktúrájának bővítését célozza (LKIIS; online elérhető: www.lkiis.lt). Az előadás főként az új intézeti projekt, az E. kalba infrastruktúrája által létrehozott szolgáltatásokról szólt: „Keresés a szóhálózatban”, „E. marketing”, „E. fogalmak” és „E. tanácsok”. Az előadók ismertették e szolgáltatások funkcionalitását és technológiai szempontjait. A projekt funkciói innovatív, a felhasználói vélemények elemzését szolgáló mesterségesintelligencia-technológiákat is magukban foglalnak; az „E. fogalmak” szolgáltatás pedig kiterjesztett keresést és a fogalmak gazdagítását teszi lehetővé további nyelvi erőforrások, például kétnyelvű szótárak integrálásával,

316

Acta Linguistica Lithuanica LXXVI

Lietuvių kalbos padėtis skaitmeniniame amžiuje

más nyelvek szóhálózataival. Interaktív szóalkotási útmutató segítségével gyorsan és kényelmesen lehet majd kiválasztani a megfelelő szóalkotási módokat a kívánt kategória és csoport jelentése, illetve a szóalkotási eszközök alapján. Az előadás bemutatta az E. kalba projekt fő eredményeit és a várható előnyöket is.

Rita Milunaitė (LKI) „Keresési lehetőségek a Litván új szavak adatbázisában” című előadásában azt mutatta be, hogyan tárhatók fel a nyelvhasználók igényeit minél változatosabban kielégítő Litván új szavak adatbázisának jellemzői (online elérhető: http://naujažodžiai.lki.lt/)). Jelenleg a következő paraméterek szerint lehet keresni: címszó, az új szó eredete, eredeti alakja, helyesírási változatai, használati területe stb. Az adatbázis kezelői számára az adatok különféle szempontok szerinti szerkesztéséhez szükséges részletesebb keresés is rendelkezésre áll. Az LKIS projekt keretében kiterjesztett információkereső rendszer készül. Az előadó hangsúlyozta, hogy a Litván új szavak adatbázisa rugalmas, továbbfejleszthető digitális erőforrás. Ezt a jelleget elsősorban maga az adatanyag határozza meg: a litván nyelv szókészletének folyamatosan változó és megújuló rétege, továbbá az új szavakat kutatók előtt megnyíló új adatszempontok és a felhasználói igények változása. Ezt az erőforrást be kívánják építeni az LKIS-be (online elérhető: http://lkis.lki.lt/)), és nemcsak az ottani közös adatgyűjtemény keresőrendszerébe vonják be, hanem szóhálózatok létrehozására is felhasználják. Az előadás szemléletesen mutatta be, milyen hasznos lehet ez az adatbázis mind a nyelvészek, mind az új szavak iránt érdeklődő felhasználók számára.

Az új szavak témáját Daiva Murmulaitė folytatta (LKI) „Az új szavak képzésének kutatási kilátásai (a Litván új szavak adatbázisának példája)” című előadásában. Az új szavak képzésének kutatásáról és kilátásairól beszélt, valamint arról, hogyan vizsgálhatók a kibontakozó szóalkotási jelenségek a Litván új szavak adatbázisának felhasználásával. Az előadó elmondta, hogy az adatbázis létrehozásának kezdeti szakaszában már előzetesen felkészültek az új szavak képzésének elemzésére is: az erre szolgáló mezőkben meg lehet adni a szóalkotások típusait és formáit, a szóalkotási kategóriákat (jelentéseket), a rokon szavakat stb.; az adatok egy részét már összegyűjtötték. A különleges jellemzők mezőjében egyes új szavakat egyedi alkotásként (például varškėfobija stb.), szerzői alkotásként (például demagogėja stb.) vagy szóösszevonásos alkotásként (például murmanas stb.) jelöltek meg. Az előadó hangsúlyozta, hogy a részletes és színvonalas szóalkotási elemzéshez fontos figyelembe venni néhány, eredetileg is rögzíteni tervezett szempontot: az alapul szolgáló szó szófaját, a szóalkotási alap változásait, az analógiákat, a fordítás szerepét az új szó létrejöttében, a nem tipikus szóalkotási jelenségeket stb. Fontos egy jó, részletes, rugalmas, könnyen használható, bővíthető és módosítható indexrendszer létrehozása.

Laimutis Bilkis (LKI) „A litvániai helynevek geoinformatikai adatbázisának szerkezete, kapcsolatai más névtani adatbázisokkal és fejlesztési irányai” című előadásában

Apžvalgos / Surveys

317

AURELIJA TAMULIONIENĖ

bemutatta a Litvániai földrajzi nevek geoinformatikai adatbázisát (elérhető az interneten: http://lkis.lk.lt/lietuvos-vietovardziu-geoinformacine-duomenu-baze). Azt kértük, hogy beszéljen az adatbázis felépítéséről és a többi névállomány-adatbázissal való kapcsolatairól. Az előadó bemutatta az adatbázis nyilvános hozzáférési oldalán kialakított keresési szempontokat: az objektum típusát, az objektum státuszát, a jelenlegi közigazgatási-területi besorolást (önkormányzat, idősebb helyi közigazgatási egység, település), a két világháború közötti közigazgatási-területi besorolást (megye, járás, település), valamint a folyók mellékfolyóit. Az adatbázisban a földrajzi nevekre a következő jellemzők szerint lehet keresni: név, nem, szám, hangsúlyozás, keletkezés módja, eredet az alapszó nyelvi hovatartozása szerint, eredet az alapszó lexikai csoporthoz tartozása szerint. Az adatbázisban meg lehet találni a megfelelő település (falu, templomos falu, uradalom, mezőváros, tanya) területén a két világháború között feljegyzett hiteles földrajzi neveket, és megtekinthető pontos vagy hozzávetőleges helyük a térképen. Az előadás kiemelte, hogy az adatbázisnak az LKIS rendszerbe történő integrálásakor háromféle hivatkozást hoztak létre más névállomány-adatbázisokra: arra a másik földrajzi névre, amelyből az adott földrajzi név származik; a Litván családnevek adatbázisában szereplő személynévre, amelyből a földrajzi név származik; valamint az adott földrajzi névnek a Történelmi földrajzi nevek adatbázisában található történeti írásmódjaira. Jelenleg mintegy 25 000 földrajzi nevet töltöttek fel és írtak le (illetve írnak le) az adatbázisban.

Délután az előadók és a résztvevők a „Korpusznyelvészet” című harmadik ülésre gyűltek össze.

Az első előadást „A litván nyelv morfológiailag és szintaktikailag annotált korpuszai” címmel ERIKA RIMKUTĖ (VDU), AGNĖ BIELINSKIENĖ (VDU), LOÏC BOIZOU (VDU), ANDRIUS UŽA (VDU) tartotta. Két, a Vytautas Magnus Egyetem Számítógépes Nyelvészeti Központjában készített, annotált litván nyelvi korpuszról volt szó (a korpuszok elérhetők az interneten: http://nl.ijs.si/ME/V4/msd/html/index.html; https://ufal.mff.cuni.cz/tred/). Az annotált korpuszok alapvető erőforrások, amelyek nélkül lehetetlen a nyelvtechnológiák fejlesztése. Rendszerint más természetesnyelv-erőforrások és -eszközök létrehozására használják őket olyan területeken, mint a beszédfelismerő rendszerek, a gépi fordítás és hasonlók. A MATAS morfológiailag annotált korpusz 2002 és 2014 között készült. Különböző stílusú szövegekből származó 1,6 millió szóból áll. A korpusz egy 2006-ban összeállított, egymillió szavas korpusz alapján, statisztikai modellek alkalmazásával készült. Az ALKSNIS szintaktikailag annotált korpusz, amely a további kutatások és erőforrások arany standardjául szolgál, 2016-ban készült. A korpusz 2 355 mondatból (mintegy 30 ezer szóból) áll, amelyeket különböző stílusú szövegekből vettek. A korpusz annotálása az automatikus morfológiai és szintaktikai annotálás elvein alapul, szintaktikai függőségi modellt alkalmaz.

A korpuszok témáját folytatta „Adatbázis a litván nyelv állandósult szókapcsolataihoz” című előadásában a konferencia népes előadói kollektívája: ERIKA RIMKUTĖ (VDU), AGNĖ BIELINSKIENĖ (VDU), LOÏC BOIZOU (VDU), IEVA BUMBULIENĖ (Baltic Institute of Advanced Technology), JOLANTA KOVALSKAITĖ

318

Acta Linguistica Lithuanica LXXVI

Lietuvių kalbos padėtis skaitmeniniame amžiuje

(VDU), Tomas Krilavičius (Baltic Institute of Advanced Technology), Justina Mandravikaitė (Baltic Institute of Advanced Technology), Laura Vilkaitė (Baltic Institute of Advanced Technology). Az előadást a konferencián Erika Rimkutė (VDU) mutatta be; elsősorban a mai írott litván nyelv állandósult szókapcsolatainak kutatási módszertanáról és a készülő, korpuszra épülő litván kollokációs szótárról beszélt. A A litván nyelv állandósult szókapcsolatainak automatikus felismerése (PASTOVU) (LIP-027/2016. sz.) projekt keretében (lásd: http://mwe.lt/),) a mai írott litván nyelv állandósult szókapcsolatainak kutatására szolgáló módszertan kidolgozása és egy korpuszra épülő litván kollokációs szótár elkészítése a cél. A projektben egy 2014–2016-os Delfi.lt-korpuszt állítottak össze és használnak, amely 72 millió szóból áll. A kollokációs szótár adatbázis alapján készül majd. Az adatbázis különféle információkat tartalmaz az állandósult szókapcsolatokról: nyelvtani és lexikai információkat, használati gyakoriságot, a szöveg rovatát, konkordanciapéldákat és így tovább.

A korpuszkutatásokat a Vilniusi Egyetem képviselői, Gintarė Judžentytė (VU) és Vilma Zubaitienė (VU) is bemutatták. A „Korpuszokra épülő kutatások az akadémiai frazeológiában: formai szerkezet és szemantika” című előadás a jelenleg a Vilniusi Egyetemen készülő Hallgatói írásművek korpuszára támaszkodva tárgyalta az akadémiai nyelvhasználat kifejezéseinek szerkezetét és szemantikáját. A korpusz egyike az Állami Litván Nyelvi Bizottság által támogatott Hallgatói munkák frazémáinak kutatása és interaktív frazeológiai szójegyzéke című projekt tervezett eredményeinek. A projekt célja az akadémiai íráshoz fontos szavak listájának meghatározása, a fő kollokációk és bővítményeik, valamint az akadémiai szöveg különböző részeiben ismétlődő szósorozatok azonosítása, ezek kapcsolatának tárgyalása a szövegrészek retorikai funkcióival, továbbá az olyan akadémiai szavak jelentéseinek leírása, mint: cél, feladat, módszerek, következtetések, eredmények; elvégezni, elemezni, meghatározni, támaszkodni, valamint használatuk és szemantikájuk vizsgálata.

Az utolsó, „A nyelvi szerkezet és a szövegek automatizált elemzése” című ülésen négy előadást tartottak.

Az ülést Danielius Račys (VU) „Gépi fordítás a litván nyelv számára” című előadása nyitotta, amely a gépi fordítás történetének legújabb fejleményeiről, eredményeiről, a különböző intézmények projektjeiről, valamint a neurális gépi fordítás alkalmazásával elért új áttörésekről szólt. Az előadó a gépi fordítás fejlődéséről és eredményeiről beszélt, amelyek ma már hatékonyan alkalmazhatók a litván nyelvre is. 2005–2007-ben a Vytautas Magnus Egyetem az EU strukturális alapjainak finanszírozásával végrehajtotta az Internetes információfordító eszköz című projektet. Ennek eredménye egy nyilvános internetes fordítási szolgáltatás volt angolról litvánra (elérhető az interneten: http://vertimas.vdu.lt/twsas/).). 2012–2014-ben a Vilniusi Egyetem egy EU-finanszírozású projektet hajtott végre: Statisztikai módszereken alapuló angol–litván–angol és francia–litván–francia gépi fordítórendszer kifejlesztése. Ennek eredménye egy nyilvános internetes fordítási szolgáltatás lett (elérhető az interneten: https://www.versti.eu/). Mindazonáltal

Apžvalgos / Surveys

319

AURELIJA TAMULIONIENĖ

Még a legjobb gépi fordításokhoz is szükség van a fordító beavatkozására. Vajon képesek-e a gépek valóban jól fordítani? Az elmúlt néhány év új áttöréseket ígér a neurális gépi fordítás alkalmazásában. A Vilniusi Egyetem 2018-ban készül megkezdeni az új generációs neurális gépi fordítás megvalósítását angol, litván, lengyel, francia, orosz és német nyelvre. Örömmel állapították meg, hogy a gépi fordítás legújabb eredményei a litván nyelvet sem kerülik el.

Virginijus Dudkevičius (VU) „A litván nyelv grammatikája a nyílt forráskódú digitális világban” című előadásában az új generációs számítógépes litván morfológia megalkotásáról, a szavak morfológiai elemzéséről és szintéziséről, az intelligens szöveges információkeresésről és hasonló témákról beszélt. A számítógépek megjelenésével a klasszikus grammatikának és lexikának „új ruhát kellett öltenie”, és az új technológiák teljes értékű részévé kellett válnia. Ennek érdekében létrehozták az új generációs számítógépes litván morfológiát, és a következő célokat tűzték ki: kizárólag nyílt forráskód használata és fejlesztése; csak maguk az adatok, nem pedig azok formája és értelmezése hordozhatnak a litván nyelvre jellemző tulajdonságokat; a teljes programkód legyen univerzális, és legyen alkalmas bármely más nyelvhez is; a világ más nyelveire sikeresen alkalmazott megoldások maximális kihasználása. Az alapot a Dabartinės lietuvių kalbos gramatika (Vilnius, 2006) és szövegkorpuszok (összesen mintegy 1,5 milliárd szó) jelentik. Az interneten jelenleg megjelenő átlagos szöveg mintegy 99%-a „felismerhető”, vagyis a morfológiai elemző átlagosan 100 szóból 99-et értelmez helyesen. Ezt az újonnan létrehozott morfológiai elemzési módszert sikeresen alkalmazták a Vytautas Magnus Egyetem szintaktikai-szemantikai elemző rendszerében (elérhető az interneten: https://semantika.lt/SyntacticAndSemanticAnalysis/Analysis)), valamint a Litván Köztársaság Seimasának jogszabály-nyilvántartásában (elérhető az interneten: www.e-tar.lt).

A digitális grammatika témáját Daiva Šveikauskienė (LKI) és Vytautas Šveikauskas (LKI) folytatta. „A litván nyelv digitális grammatikája” című előadásukban a Litván Nyelvi Intézetben megkezdett digitális litván grammatika megalkotásáról beszéltek, amely a nyelv számítógépes feldolgozásának más területein is felhasználható: grammatikai elemzésre, közvetlen adatfordításra stb. Bemutattak egy projektet, amelynek keretében csatlakozni kívánnak a jelenleg 32 nyelvet felölelő DIGITAL GRAMMARS nemzetközi rendszerhez. A digitális grammatika létrehozásának fő célja, hogy nem statisztikai módszerekkel működő gépi fordítórendszerekben használják fel. Ez a litván nyelv esetében rendkívül fontos. A Tildės 2017-es adatai szerint a Google fordításainak minősége litván nyelvre és litván nyelvről még a lett és az észt nyelvénél is rosszabb. Ezért Litvánia számára nagyon fontos egy alternatív gépi fordítási megoldás kidolgozása. Jelenleg elkészült a digitális grammatika kísérleti változata, amely csupán néhány szót tartalmaz, de már ebből is látható, hogy a fordítás minősége sokkal jobb, különösen azoknál a mondatoknál, amelyekben a litván nyelv sajátos jellemzői tükröződnek. Amíg az angol szórendet használják, a statisztikai módszerek is elfogadható fordításokat adnak

320

Acta Linguistica Lithuanica LXXVI

Lietuvių kalbos padėtis skaitmeniniame amžiuje

azonban ha a mondatban szokatlan a szórend, a Google fordítása nem veszíti el a mondat értelmét. A digitális grammatika a nyelv számítógépes feldolgozásának más területein is felhasználható: grammatikai elemzésre, közvetlen adatfordításra stb. A digitális grammatikák kidolgozását Aarne Ranta, a svédországi Göteborgi Egyetem professzora irányítja.

A konferencia utolsó, „Ki másolt kitől? A bibliafordítások történetének kutatása automatizálással és vizualizációval” című előadását Mindaugas Šinkūnas (LKI) tartotta. Az előadás a bibliafordítások történetére irányuló kutatás automatizálásáról és vizualizációjáról szólt. Az előadó szemléletes és részletes diagramokon mutatta be a bibliai versek összehasonlításának eredményeit. A régi litván írásokban található számos bibliai idézet megnehezíti a köztük lévő kapcsolatok vizsgálatát. Olyan felhasználóbarát adatplatformra van szükség, amely lehetővé teszi, hogy a bibliai verseket a kutató számára fontos jellemzők alapján csoportosítsák. A legnagyobb nehézséget az idézetek hasonlóságának értékelése jelenti. A lexikai, szintaktikai és morfológiai (bizonyos esetekben pedig helyesírási) elemzés együtt ezt lehetővé teszi, de ez a filológiai vizsgálat lassú, és jelenleg nem automatizálható. Az összehasonlítást ciklikusan működő algoritmusokkal sikerült automatizálni; ezek feladata az azonos szekvenciák megtalálása két karaktersorozatban, valamint annak kiszámítása, hogy az összehasonlított sorozatok mekkora részét fedik le. Az automatizálást a régi írások helyesírásának sokfélesége akadályozza. A kézzel és automatikusan transzliterált sorok értékelése alapján megállapították, hogy a transzliteráció módja nincs lényeges hatással az eredményekre. Az eredmények vitathatók lehetnek különböző nyelvjárásokban írt szövegek összehasonlításakor (a nyelvjárási sajátosságok kiegyenlítődését nem vizsgálták). A kapott hasonlósági eredményeket kétdimenziós diagramok foglalják össze. A számítógépes elemzés során kapott, Bretkūnas Postilės (1591) című művében található bibliai versek összehasonlításának eredményei megegyeznek a korábbi kutatók más módszerekkel levont következtetéseivel.

A konferencia vitával zárult. A konferencia előadásai alapján készült tanulmányokat a Bendrinė kalba (elérhető az interneten: www.bendrinekalba.lt) és a Lietuvių kalba (www.lietuviukalba.lt) tudományos folyóiratokban teszik közzé.

LITERATŪRA

Zinkevičius Zigmas 1992: Lietuvių kalbos istorija 5. Bendrinės kalbos iškilimas. Vilnius: Mokslas, 144–155.

Įteikta 2017 m. lapkričio 3 d.

AURELIJA TAMULIONIENĖ

Lietuvių kalbos institutas

Petro Vileišio g. 5, LT-10308 Vilnius, Lietuva

[email protected]

Apžvalgos / Surveys

321