Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Towards Technologies for all European Languages

584 views

Published on

Georg Rehm. Towards Technologies for All European Languages. Unlocking the Potential of Technology to promote CRSS Language Usage, Cardiff, UK, January 2014. January 23, 2014. Invited keynote talk.

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Towards Technologies for all European Languages

  1. 1. Towards Technologies for All European Languages Georg Rehm Network Manager META-NET DFKI, Berlin, Germany georg.rehm@dfki.de Using the Potential of Technology to Promote CRSS Language Usage Cardiff, Wales, UK – January 23, 2014 Co-funded by the 7th Framework Programme and the ICT Policy Support Programme of the European Commission through the contracts T4ME, CESAR, METANET4U, META-NORD (grant agreements no. 249119, 271022, 270893, 270899).
  2. 2. Outline q  Introduction q  Language White Paper Series: Europe’s Languages in the Digital Age q  The META-NET Strategic Research Agenda for Multilingual Europe q  Recent Developments q  Conclusions and Recommendations http://www.meta-net.eu 2
  3. 3. Multilingual Europe q  q  q  q  Where were we back in 2010? Challenge: Providing each language community with the most advanced technologies for communication and information so that maintaining their mother tongue does not turn into a disadvantage. While research has made considerable progress in recent years, the pace of progress is not fast enough to meet the challenge within the next 10-20 years. All stakeholders – researchers, LT user and provider industries, language communities, funding programmes, policy makers – should team up in a strategic alliance for a major dedicated push. http://www.meta-net.eu 3
  4. 4. q  Network of excellence dedicated to fostering the technological foundations of the European multilingual information society. Initial project: T4ME (FP7). Three ICT-PSP consortia since Feb. 2011: CESAR, METANET4U, META-NORD q  First funded phase (i.e., the four projects) ended on Jan. 31, 2013. q  All EU member states and several non-member states covered. q  META-NET: 60 research centres in 34 European countries. http://www.meta-net.eu/members q 
  5. 5. Objectives http://www.meta-net.eu 5
  6. 6. Europe’s Languages in the Digital Age Language White Paper Series http://www.meta-net.eu 6
  7. 7. Language White Paper Series q  q  q  “Europe’s Languages in the Digital Age” Series covers 31 languages in 31 volumes. Reports on the state of our languages in the digital age and the level of support through language technology. q  >2 years in the making. q  >215 experts as contributors. q  >8.000 copies distributed to politicians and journalists. http://www.meta-net.eu 7
  8. 8. q  q  q  q  q  q  q  q  q  q  q  q  Basque Bulgarian* Catalan Croatian* Czech* Danish* Dutch* English* Estonian* Finnish* French* Galician q  q  q  q  q  q  q  q  q  q  q  q  German* Greek* Hungarian* Icelandic Irish* Italian* Latvian* Lithuanian* Maltese* Norwegian Polish* Portuguese* q  q  q  q  q  q  q  Romanian* Serbian Slovak* Slovene* Spanish* Swedish* Welsh * Official EU language
  9. 9. Cross-Lingual Comparison q  q  In four areas – 1. Machine Translation, 2. Text Analytics, 3. Speech Processing, 4. Language Resources – each language is ranked: from excellent LT support to weak/no support. Cross-lingual comparison discussed and finalised at a network meeting with representatives of all languages (Oct., 2011). http://www.meta-net.eu 9
  10. 10. Text Analytics MT excellent moderate fragmentary weak or no support through LT Basque, Bulgarian, Croatian, Czech, Danish, Estonian, Finnish, Galician, Greek, Icelandic, Irish, Latvian, Lithuanian, Maltese, Norwegian, Portuguese, Serbian, Slovak, Slovene, Swedish, Welsh English Speech good moderate fragmentary weak or no support through LT Dutch, French, German, Italian, Spanish Basque, Bulgarian, Catalan, Czech, Danish, Finnish, Galician, Greek, Hungarian, Norwegian, Polish, Portuguese, Romanian, Slovak, Slovene, Swedish Croatian, Estonian, Icelandic, Irish, Latvian, Lithuanian, Maltese, Serbian, Welsh good moderate fragmentary weak or no support through LT English excellent French, Spanish Catalan, Dutch, German, Hungarian, Italian, Polish, Romanian English excellent excellent Resources good Czech, Dutch, Finnish, French, German, Italian, Portuguese, Spanish Basque, Bulgarian, Catalan, Danish, Estonian, Galician, Greek, Hungarian, Irish, Norwegian, Polish, Serbian, Slovak, Slovene, Swedish Croatian, Icelandic, Latvian, Lithuanian, Maltese, Romanian, Welsh good moderate fragmentary weak or no support through LT English Czech, Dutch, French, German, Hungarian, Italian, Polish, Spanish, Swedish Basque, Bulgarian, Catalan, Croatian, Danish, Estonian, Finnish, Galician, Greek, Norwegian, Portuguese, Romanian, Serbian, Slovak, Slovene Icelandic, Irish, Latvian, Lithuanian, Maltese, Welsh
  11. 11. Key Observations and Results q  q  q  q  When it comes to technology support, there are massive differences between Europe’s languages and technology areas. Support for English is ahead of any other language. But: even support for English is far from being perfect. Several languages get the weakest score in all four areas (e.g., Icelandic, Latvian, Lithuanian, Maltese)! http://www.meta-net.eu 11
  12. 12. Ord. Forskere arbejder på at forbedre danske oversættelser på internettet. Date 30 September 2012 Page 16 Dårlig sprogteknologi truer dansk på nettet Digital Language Extinction! Af Jens Ejsing // ejs@berlingske.dk Det danske sprog har det svært i den digitale verden. Det konstaterer danske sprogforskere- og eksperter i forbindelse med den nye internationale undersøgelse META-NET, der ser nærmere på, hvordan en lang række mindre, europæiske sprog som dansk klarer sig i den digitale verden. Forskerne fra bl.a. Københavns Universitet og Dansk Sprognævn når frem til, at dansk i fremtiden kan få det endnu sværere i den digitale verden, fordi Google Translate, GPSer, applikationer til smartphones og andre sprogteknologiske programmer ikke i tilstrækkelig grad formår at behandle de mange nuancer i det danske sprog. Professor i sprogteknologi på Københavns Universitet, Bolette Sandford Pedersen, mener, at der er brug for en slags digital dansk sprogbank fyldt med data, så bl.a. oversættelser bliver så præcise og gode som muligt. Med q  q  38 q  hjælp fra sprogbanken kan forskere ifølge professoren hjælpe virksomheder med at forbedre programmer, der skal håndtere sproglig viden om bl.a. maskinoversættelse, talegenkendelse og informationssøgning. Dermed vil der blive længere mellem fejlagtige oversættelser, som når »hæld olie på panden« med Google Translate bliver til »pour oil on the forehead« på engelsk. Oversættelser, der er i værste fald er så upræcise, at danskere ender med at fravælge deres eget sprog i den digitale verden. Sproghjælp til virksomheder Hun anerkender dog, at »teknologien til automatiske oversættelser på mange måder er fantastisk«. »Den er bare ikke god nok, når det gælder dansk,« siger hun: »Det er som om, at vi i et vist omfang lægger det i hænderne på Google eller andre virksomheder at afgøre, om dansk skal behandles godt nok eller ej. Men det danske marked er ikke stort for dem. Spørgsmålet er derfor, q  Sprog i Europa H Der er omkring 80 sprog i EU. For 21 af dem – også dansk – gælder det, at der er store sprogteknologiske mangler, når det gælder bl.a. maskinoversættelse, talegenkendelse og informationssøgning. H Ifølge en EU-undersøgelse køber et stigende antal europæiske internetbrugere varer eller tjenester på nettet, hvor det sprog, der bliver anvendt, ikke er deres eget. Det gælder over halvdelen af brugerne. “At Least 21 European Languages in Danger of Digital Extinction!” H Over hver tredje anvender et fremmedsprog til at skrive mail eller indlæg på nettet. Press release sent out to journalists, politicians and other stakeholder groups on the European Day of Languages (Sept. 26, 2012). Overwhelmed by the huge interest in the topic and our key findings! Πέµπτη 27 Σεπτεµβρίου 2012 ΕΛΕΥΘΕΡΟΣ ΤΥΠΟΣ Life q  fakta H om vi ikke i højere grad selv skal gøre noget for at sikre, at det fornødne datamateriale er til rådighed, så vi får gode oversættelser og anden god sprogteknologi. Det kunne f.eks. være ved, at vi gjorde en indsats for at få oprettet en sprogbank med en masse beriget materiale om dansk.« »Hvis vi hele tiden oplever, at oversættelser er behæftede med fejl, tør vi ikke stole på dem,« siger hun og understreger, at »fejlagtige oversættelser kan føre til store misforståelser«. Ifølge Dansk Sprognævns direktør, Sabine Kirchmeier-Andersen, kan dårlig sprogteknologi have konsekvenser for mange danskere, der ikke er så gode til engelsk. »Hvis vi har ambitioner om at bruge det danske sprog i fremtidens teknologiske univers, skal der gøres en indsats nu for at fastholde ekspertise og udbygge den viden, vi har,« mener hun: »Ellers risikerer vi, at kun folk, der taler flydende engelsk, vil få glæde af de nye generationer af web-, tele- og robotteknologi, der er på vej.« B 049-ΚΟΣΜΟΣ 29/09/2012 1:41 ? Μ Page 49 600+ mentions in the press. Copyright material. This may only be copied under the terms of a Newspaper Licensing Agency agreement (www.nla.co.uk) or with written publisher permission. For external republishing rights see www.nla-republishing.com 49 KYPIAKH 30 ΣΕΠΤΕΜΒΡΙΟΥ 2012 Οι περισσότερες ευρωπαϊκές γλώσσες κινδυνεύουν µε ψηφιακή εξαφάνιση Τη γλώσσα 20+ television reports and 30+ broadcast interviews µού... έχασανtv) with (radio, META-NET representatives. Η Γιώργος Μπαµπινιώτης. GREEKLISH Η γλώσσα της αποξένωσης… ΜΕ GREEKLISH επικοινωνούν πλέον µέσω µηνυµάτων ή email οι περισσότεροι νέοι της χώρας µας. Παρά το γεγονός ότι τα τελευταία χρόνια υπάρχουν τα γλωσσικά εργαλεία, τα οποία επιτρέπουν τη χρήση της ελληνικής γραµµατοσειράς, έφηβοι και νέοι ενήλικες φαίνεται ότι δεν έχουν «αγκαλιάσει» αυτές τις τεχνολογίες. Ο καθηγητής Γλωσσολογίας, κ. Γιώργος Μπαµπινιώτης, λέει στον «Ε.Τ.»: «Τα greeklish είναι πρόβληµα για την ελληνική γλώσσα, ιδίως για ανθρώπους νέας ηλικίας για έναν καθαρά γλωσσικό λόγο. Με τη χρήση των greeklish αποξενώνονται από τη µορφή της λέξης ή όπως λέµε το ετυµολογικό ίνδαλµα που δηλώνεται µε την ορθογραφία της λέξης και συνδέεται και µε τη σηµασία της λέξης και µε την προέλευσή της». Ο κίνδυνος, µε τον οποίο έρχονται αντιµέτωποι οι νέοι άνθρωποι, είναι η αποξένωση από τη γραπτή µορφή της γλώσσας. Αυτή η «οικειότητα», όµως, βοηθάει και στην κατανόηση της σηµασίας αλλά και την προέλευση της λέξης. «Αυτή η αποξένωση δεν είναι άνευ σηµασίας», αναφέρει ο ειδικός, ο οποίος εξηγεί ότι η διαδικασία της γραφής βοηθάει να εντυπωθεί η λέξη και να συνδεθεί µε άλλες οµόρριζες λέξεις. «Οταν χρησιµοποιείται αυτή η µορφή επικοινωνίας, καταστρέφονται, ατονούν. ∆εν είναι προς θάνατο, αλλά θα κάνει ζηµιά», αναφέρει ο κ. Μπαµπινιώτης, ο οποίος συµβουλεύει τους χρήστες να επιλέγουν την ελληνική γραµµατοσειρά. Πρέπει να εξασφαλιστεί ο εφοδιασµός των µικρότερων και λιγότερο πλούσιων -σε ψηφιακούς πόρους- γλωσσών µε τις απαραίτητες βασικές τεχνολογίες 26η Σεπτεµβρίου έχει καθιερωθεί από το Συµβούλιο της Ευρώπης ως η Ευρωπαϊκή Ηµέρα των Γλωσσών, αλλά, σύµφωνα µε µια νέα ευρωπαϊκή επιστηµονική έκθεση, οι 21 από τις 30 γλώσσες της Ευρώπης -µεταξύ των οποίων και η Ελληνική- αντιµετωπίζουν κίνδυνο ψηφιακής εξαφάνισης. Η έρευνα κρούει τον κώδωνα κινδύνου, καθώς διαπίστωσε ότι η ψηφιακή βοήθεια για τις περισσότερες ευρωπαϊκές γλώσσες είναι ελλιπής ή απολύτως ανύπαρκτη για τους χρήστες. Ακολουθούν µε ικανοποιητική ή µέτρια τεχνολογική/ψηφιακή υποστήριξη η Ολλανδική, η Γαλλική, η Γερµανική, η Ιταλική και η Ισπανική. Η Ελληνική, όπως επίσης η Βασκική, η Καταλανική, η Πολωνική, η Ουγγρική κ.ά. κατατάσσονται στις γλώσσες µε «αποσπασµατική» µόνο υποστήριξη, γι’ αυτό ακριβώς θεωρούνται γλώσσες υψηλού κινδύνου προς εξαφάνιση. News came in Με ψηφιακή εξαφάνισηfrom 40+ countries in 35+ different languages. ΠΟΛΛΕΣ ΕΥΡΩΠΑΪΚΕΣ ΓΛΩΣΣΕΣ ΘΕΩΡΟΥΝΤΑΙ ΤΕΧΝΟΛΟΓΙΚΑ… ΞΕΠΕΡΑΣΜΕΝΕΣ q  Τις έφαγαν οι κοινές Η έκθεση, µε τη µορφή µιας σειράς Λευκών Βίβλων (µε τίτλο «Γλώσσες στην Ευρωπαϊκή Κοινωνία της Πληροφορίας»), από το επιστηµονικό δίκτυο ΜΕΤΑΝΕΤ, το οποίο συνενώνει 60 ερευνητικά κέντρα σε 34 χώρες, επισηµαίνει ότι οι γλώσσες που µιλιούνται από σχετικά µικρό αριθµό ανθρώπων κινδυνεύουν, επειδή δεν έχουν τεχνολογική υποστήριξη όπως έχουν οι ευρέως χρησιµοποιούµενες γλώσσες. Λευκές Βίβλοι έχουν καταρτιστεί για τις εξής ευρωπαϊκές γλώσσες: αγγλικά, βασκικά, βουλγαρικά, γαλικιανά, γαλλικά, γερµανικά, δανικά, ελληνικά, εσθονικά, ιρλανδικά, ισλανδικά, ισπανικά, ιταλικά, καταλανικά, κροατικά, λετονικά, λιθουανικά, µαλτέζικα, νορβηγικά (µπουκµόλ και νινόρσκ), ολλανδικά, ουγγρικά, πολωνικά, πορτογαλικά, ρουµανικά, σερβικά, σλοβακικά, σλοβενικά, σουηδικά, τσεχικά και φινλανδικά. Κάθε Λευκή Βίβλος είναι γραµµένη στη γλώσσα στην οποία αναφέρεται και είναι µεταφρασµένη στα αγγλικά. Δραµατικές διαφορές Σύµφωνα µε τους επιµελητές της µελέτης Χανς Ουζκοράιτ και Γκέοργκ Ρεµ, «υπάρχουν δραµατικές διαφορές στην υποστήριξη της γλωσσικής τεχνολογίας ανάµεσα στις διάφορες ευρωπαϊκές γλώσσες και τεχνολογικές περιοχές. Το χάσµα µεταξύ ‘µικρών’ και ‘µεγάλων’ γλωσσών ολοένα και διευρύνεται. Πρέπει να εξασφαλίσουµε τον εφοδιασµό των µικρότερων και λιγότερο πλούσιων -σε ψηφιακούς πόρους- γλωσσών µε τις απαραίτητες βασικές τεχνολογίες, αλλιώς οι γλώσσες αυτές είναι καταδικασµένες σε ψηφιακή εξαφάνιση». Ως ελπίδα αυτών των γλωσσών θεωρείται η βελτίωση και η ευρύτερη αξιοποίηση του λογισµικού γλωσσικής τεχνολογίας, το οποίο επιτρέπει τη φωνητική και τη γραπτή επεξεργασία των διαφόρων γλωσσών. Παραδείγµατα αυτών των δυνατοτήτων είναι οι ηλεκτρονικοί ορθογραφικοί και συντακτικοί διορθωτές κειµένων, οι διαδραστικοί προσωπικοί «βοηθοί» των έξυπνων κινητών τηλεφώνων (π.χ. η Siri στο iPhone), τα συστήµατα αυτόµατης µετάφρασης, τα ηλεκτρονικά συστήµατα διαλόγου των τηλεφωνικών κέντρων, οι µηχανές αναζήτησης, η συνθετική φωνή στα συστήµατα πλοήγησης των αυτοκινήτων. κ.ά. κινδυνεύουν τα ελληνικά Σ q  Two Parliamentary Questions in the EP on the “digital extinction of την ψηφιακή εποχή δεν… µιλούν ελληνικά, όπως και αρκετές άλλες ευρωπαϊκές γλώσσες, σύµφωνα µε πανευρωπαϊκή έκθεση µε την υπογραφή 200 και πλέον ειδικών. Η συγκεκριµένη µελέτη δηµοσιεύτηκε από το επιστηµονικό δίκτυο ΜΕΤΑ-ΝΕΤ µε αφορµή τη χτεσινή Ευρωπαϊκή Ηµέρα Γλωσσών. Για τις ανάγκες της έρευνάς τους, γλωσσολόγοι από 34 χώρες της Γηραιάς Ηπείρου βαθµολόγησαν τις διαθέσιµες γλωσσικές υπηρεσίες και δηµιούργησαν ένα «Λευκό Βιβλίο» για κάθε ευρωπαϊκή γλώσσα. Στη µελέτη τους, οι ειδικοί αναζήτησαν µεταξύ άλλων τέσσερα βασικά ηλεκτρονικά εργαλεία, δηλαδή την ύπαρξη αυτόµατης µετάφρασης, τη δυνατότητα φωνητικής αλληλεπίδρασης και ψηφιακής ανάλυσης κειµένου, ενώ ταυτόχρονα διερευνήθηκε και η διαθεσιµότητα γλωσσικών πόρων ή πηγών. Σε πρώτη φάση εξέτασαν τις ιστοσελίδες που επιτρέπουν στους χρήστες να κάνουν µεταφράσεις online, όπως, για παράδειγµα, η υπηρεσία του κολοσσού πληροφορικής Google Translate. Την ίδια ώρα, εξετάστηκε και η «επικοινωνία» των ελληνόφωνων χρηστών µε τις…συσκευές τους, όπως για παράδειγµα η δυνατότητα ΕΛΕΝΗ ΒΕΡΓΟΥ evergou@e-typos.com τεχνολογίας ανάµεσα στις διάφορες ευρωπαϊκές γλώσσες. Το χάσµα µεταξύ “µικρών” και “µεγάλων” γλωσσών ολοένα και διευρύνεται. Πρέπει να εξασφαλίσουµε τον εφοδιασµό των µικρότερων και λιγότερο πλούσιων σε ψηφιακούς πόρους γλωσσών µε τις απαραίτητες βασικές τεχνολογίες. ∆ιαφορετικά, οι γλώσσες αυτές είναι καταδικασµένες σε ψηφιακή εξαφάνιση». Μάλιστα, οι ειδικοί τονίζουν ότι χωρίς αποφασιστική δράση οι γλώσσες αυτές δύσκολα θα… επιβιώσουν στον ψηφιακό κόσµου του 21ου αιώνα. Η κ. Μαρία Γαβριηλίδου, µέλος της επιστηµονικής οµάδας από το Ινστιτούτο Επεξεργασίας του Λόγου Ερευνητικό Κέντρο Αθηνά, λέει στον «Ε.Τ.»: «Η έρευνα αυτή δεν λέει ότι δεν θα ζήσει η ελληνική γλώσσα ή ότι κινδυνεύει µε εξαφάνιση». Η ειδικός εξηγεί ότι όσο υπάρχουν άνθρωποι που µιλάνε, γράφουν και επικοινωνούν µε µια γλώσσα, τότε αυτή θα συνεχίσει να υπάρχει. Είναι σηµαντικό, όµως, να έχουν όλοι οι χρήστες τη δυνατότητα να «µιλήσουν» στις µηχανές, όπως τα GPS τους, στα ελληνικά και να έχουν στη διάθεσή τους γλωσσικά εργαλεία ηλεκτρονικών υπολογιστών. Μεταξύ αυτών των «εργαλείων» είναι οι διορθωτές ορθογραφικών και συντακτικών λαθών, που χρησιµοποιούνται καθηµερινά από εκατοντάδες Ελληνες χρήστες και βασίζονται στη γλωσσική τεχνολογία. Παρ’ όλα αυτά, τονίζει ότι η ψηφιακή εξάπλωση µιας γλώσσας είναι σηµαντική «∆εν είναι στα χέρια του µέσου χρήστη. Οι εκάστοτε κυβερνήσεις, η Ευρωπαϊκή Ενωση και ο ιδιωτικός τοµέας πρέπει να χρηµατοδοτήσουν την ανάπτυξη αυτής της τεχνολογίας για όλες τις γλώσσες», αναφέρει και συνεχίζει: «Οι χρήστες, όµως, πρέπει να απαιτούν να υπάρχουν και στη γλώσσα τους τα µέσα αυτά και να µην ικανοποιούνται µε τα αγγλικά». ■ languages” topic. να «µιλήσει» κάποιος στο GPS στη µητρική του γλώσσα. Οι ερευνητές κατέληξαν στο συµπέρασµα ότι υπάρχουν τέτοιες συσκευές, αλλά δεν είναι τόσο διαδεδοµένες όσο οι αγγλόφωνες. Το «χρυσό» µετάλλιο κατακτά, όπως είναι άλλωστε και λογικό, η αγγλική γλώσσα. Οι αγγλόφωνοι χρήστες έχουν την καλύτερη δυνατή τεχνολογική υποστήριξη, κάτι το οποίο ευνοεί την περαιτέρω εξάπλωση της γλώσσας. Από «τεχνολογικό αποκλεισµό» κινδυνεύουν περισσότερο η ισλανδική, η λετονική, η λιθουανική και η µαλτέζικη γλώσσα, ενώ σε λίγο καλύτερη µοίρα βρίσκονται η ελληνική, η βουλγαρική, η ουγγρική και η πολωνική, που όπως αναφέρει η έρευνα έχουν «αποσπασµατική» τεχνολογική υποστήριξη. «Μέτρια» χαρακτηρίζεται η υποστήριξη χρηστών σε ολλανδική, γαλλική, γερµανική, ιταλική και ισπανική γλώσσα. Οι επικεφαλής της επιστηµονικής οµάδας, Χανς Ουζκοράιτ και Γκεόργκ Ρεµ, αναφέρουν χαρακτηριστικά: «Υπάρχουν δραµατικές διαφορές στην υποστήριξη της γλωσσικής Οι αγγλόφωνοι χρήστες έχουν την καλύτερη δυνατή τεχνολογική υποστήριξη, γεγονός που ευνοεί την περαιτέρω εξάπλωση της γλώσσας http://www.meta-net.eu Τέσσερις µεγάλοι κίνδυνοι Σύµφωνα µε τη νέα µελέτη, η Ισλανδική, η Λετονική, η Λιθουανική και η Μαλτέζικη αντιµετωπίζουν τον µεγαλύτερο κίνδυνο εξαφάνισης σε µια ευρωπαϊκή τεχνολογική κοινωνία, που ολοένα περισσότερο προωθεί τη χρήση συγκεκριµένων γλωσσών και ιδίως της Αγγλικής. Όµως και άλλες γλώσσες, όπως η Ελληνική, η Βουλγαρική, η Ουγγρική και η Πολωνική, επίσης κινδυνεύουν στον σύγχρονο ψηφιακό κόσµο. Η έρευνα του ΜΕΤΑ-ΝΕΤ, στην οποία συνέβαλαν περισσότεροι από 200 ειδικοί, αξιολογεί τον κίνδυνο για κάθε γλώσσα µε βάση τέσσερα βασικά κριτήρια σε τεχνολογικό/ψηφιακό επίπεδο: την ύπαρξη αυτόµατης µετάφρασης στη συγκεκριµένη γλώσσα, τη δυνατότητα φωνητικής αλληλεπίδρασης, τη δυνατότητα ψηφιακής ανάλυσης κειµένου και τη διαθεσιµότητα των σχετικών ψηφιακών γλωσσικών πόρων/πηγών. Οι δυνατές Η γλώσσα µε την καλύτερη βαθµολογία στα κριτήρια είναι ασφαλώς η Αγγλική, που απολαµβάνει τη συγκριτικά καλύτερη τεχνολογική υποστήριξη (αν και όχι την καλύτερη δυνατή), γεγονός που διευκολύνει την περαιτέρω εξάπλωσή της. Το βασικό πρόβληµα Το σηµαντικό, σύµφωνα µε την έκθεση, είναι όλες αυτές οι δυνατότητες να προσφέρονται στους χρήστες και στη µητρική τους γλώσσα που κινδυνεύει µε εξαφάνιση. Χωρίς αποφασιστική δράση, γίνεται η δυσοίωνη πρόβλεψη ότι οι γλώσσες αυτές δύσκολα θα επιβιώσουν στον ψηφιακό κόσµο του 21ου αιώνα. Ένα πρόβληµα είναι ότι το λογισµικό αυτών των συστηµάτων γλωσσικής τεχνολογίας στηρίζεται σε στατιστικές µεθόδους που απαιτούν τεράστιες ποσότητες γραπτών ή φωνητικών δεδοµένων, όµως τόσα πολλά δεδοµένα είναι δύσκολο να αποκτηθούν για γλώσσες που οµιλούνται από σχετικά λίγους ανθρώπους. Εξάλλου, ακόµα και για ευρέως χρησιµοποιούµενες γλώσσες όπως τα αγγλικά, η σχετική γλωσσική τεχνολογία έχει ακόµα αδυναµίες, που είναι π.χ. φανερές στις άκρως ανεπαρκείς και γεµάτες λάθη αυτόµατες µεταφράσεις. Η έκθεση προτείνει ότι πρέπει να αναληφθεί µια συντονισµένη µεγάλης κλίµακας προσπάθεια στην Ευρώπη, προκειµένου σταδιακά να δηµιουργηθούν ή να βελτιωθούν οι αναγκαίες τεχνολογίες και να βοηθηθούν οι γλώσσες που είναι ψηφιακά παραγκωνισµένες. 12
  13. 13. Hospital. Desuden sættes der penge af til at øge antallet af operationer og udvide ambulatoriekapaciteten på det urologiske område på Herlev, ard Pedersen og tilføjer: »Men så er det også vigtigt at holde fast i det mål og ikke stille sig tilfreds med, at 80 eller 85 pct. kommer igennem til tiden.« B INFOGRAFIK: HENRIK KIÆR / TEKST: FLEMMING STEEN PEDERSEN KILDE: REGION HOVEDSTADEN Ord. Forskere arbejder på at forbedre danske oversættelser på internettet. Date 30 September 2012 Page 16 Dårlig sprogteknologi truer dansk på nettet Af Jens Ejsing hjælp fra sprogbanken kan forskere ifølge professoren hjælpe virksomheder med at forbedre programmer, der skal håndtere sproglig viden om bl.a. maskinoversættelse, talegenkendelse og informationssøgning. Dermed vil der blive længere mellem fejlagtige oversættelser, som når »hæld olie på panden« med Google Translate bliver til »pour oil on the forehead« på engelsk. Oversættelser, der er i værste fald er så upræcise, at danskere ender med at fravælge deres eget sprog i den digitale verden. // ejs@berlingske.dk Det danske sprog har det svært i den digitale verden. Det konstaterer danske sprogforskere- og eksperter i forbindelse med den nye internationale undersøgelse META-NET, der ser nærmere på, hvordan en lang række mindre, europæiske sprog som dansk klarer sig i den digitale verden. Forskerne fra bl.a. Københavns Universitet og Dansk Sprognævn når frem til, at dansk i fremtiden kan få det endnu sværere i den digitale verden, fordi Google Translate, GPSer, applikationer til smartphones og andre sprogteknologiske programmer ikke i tilstrækkelig grad formår at behandle de mange nuancer i det danske sprog. Professor i sprogteknologi på Københavns Universitet, Bolette Sandford Pedersen, mener, at der er brug for en slags digital dansk sprogbank fyldt med data, så bl.a. oversættelser bliver så præcise og gode som muligt. Med Sproghjælp til virksomheder Hun anerkender dog, at »teknologien til automatiske oversættelser på mange måder er fantastisk«. »Den er bare ikke god nok, når det gælder dansk,« siger hun: »Det er som om, at vi i et vist omfang lægger det i hænderne på Google eller andre virksomheder at afgøre, om dansk skal behandles godt nok eller ej. Men det danske marked er ikke stort for dem. Spørgsmålet er derfor, 38 fakta H Sprog i Europa H Der er omkring 80 sprog i EU. For 21 af dem – også dansk – gælder det, at der er store sprogteknologiske mangler, når det gælder bl.a. maskinoversættelse, talegenkendelse og informationssøgning. H Ifølge en EU-undersøgelse køber et stigende antal europæiske internetbrugere varer eller tjenester på nettet, hvor det sprog, der bliver anvendt, ikke er deres eget. Det gælder over halvdelen af brugerne. H Over hver tredje anvender et fremmedsprog til at skrive mail eller indlæg på nettet. om vi ikke i højere grad selv skal gøre noget for at sikre, at det fornødne datamateriale er til rådighed, så vi får gode oversættelser og anden god sprogteknologi. Det kunne f.eks. være ved, at vi gjorde en indsats for at få oprettet en sprogbank med en masse beriget materiale om dansk.« »Hvis vi hele tiden oplever, at oversættelser er behæftede med fejl, tør vi ikke stole på dem,« siger hun og understreger, at »fejlagtige oversættelser kan føre til store misforståelser«. Ifølge Dansk Sprognævns direktør, Sabine Kirchmeier-Andersen, kan dårlig sprogteknologi have konsekvenser for mange danskere, der ikke er så gode til engelsk. »Hvis vi har ambitioner om at bruge det danske sprog i fremtidens teknologiske univers, skal der gøres en indsats nu for at fastholde ekspertise og udbygge den viden, vi har,« mener hun: »Ellers risikerer vi, at kun folk, der taler flydende engelsk, vil få glæde af de nye generationer af web-, tele- og robotteknologi, der er på vej.« B Πέµπτη 27 Σεπτεµβρίου 2012 ΕΛΕΥΘΕΡΟΣ ΤΥΠΟΣ Life Γιώργος Μπαµπινιώτης. GREEKLISH Η γλώσσα της αποξένωσης… ΠΟΛΛΕΣ ΕΥΡΩΠΑΪΚΕΣ ΓΛΩΣΣΕΣ ΘΕΩΡΟΥΝΤΑΙ ΤΕΧΝΟΛΟΓΙΚΑ… ΞΕΠΕΡΑΣΜΕΝΕΣ Με ψηφιακή εξαφάνιση κινδυνεύουν τα ελληνικά Σ την ψηφιακή εποχή δεν… µιλούν ελληνικά, όπως και αρκετές άλλες ευρωπαϊκές γλώσσες, σύµφωνα µε πανευρωπαϊκή έκθεση µε την υπογραφή 200 και πλέον ειδικών. Η συγκεκριµένη µελέτη δηµοσιεύτηκε από το επιστηµονικό δίκτυο ΜΕΤΑ-ΝΕΤ µε αφορµή τη χτεσινή Ευρωπαϊκή Ηµέρα Γλωσσών. Για τις ανάγκες της έρευνάς τους, γλωσσολόγοι από 34 χώρες της Γηραιάς Ηπείρου βαθµολόγησαν τις διαθέσιµες γλωσσικές υπηρεσίες και δηµιούργησαν ένα «Λευκό Βιβλίο» για κάθε ευρωπαϊκή γλώσσα. Στη µελέτη τους, οι ειδικοί αναζήτησαν µεταξύ άλλων τέσσερα βασικά ηλεκτρονικά εργαλεία, δηλαδή την ύπαρξη αυτόµατης µετάφρασης, τη δυνατότητα φωνητικής αλληλεπίδρασης και ψηφιακής ανάλυσης κειµένου, ενώ ταυτόχρονα διερευνήθηκε και η διαθεσιµότητα γλωσσικών πόρων ή πηγών. Σε πρώτη φάση εξέτασαν τις ιστοσελίδες που επιτρέπουν στους χρήστες να κάνουν µεταφράσεις online, όπως, για παράδειγµα, η υπηρεσία του κολοσσού πληροφορικής Google Translate. Την ίδια ώρα, εξετάστηκε και η «επικοινωνία» των ελληνόφωνων χρηστών µε τις…συσκευές τους, όπως για παράδειγµα η δυνατότητα ΕΛΕΝΗ ΒΕΡΓΟΥ evergou@e-typos.com να «µιλήσει» κάποιος στο GPS στη µητρική του γλώσσα. Οι ερευνητές κατέληξαν στο συµπέρασµα ότι υπάρχουν τέτοιες συσκευές, αλλά δεν είναι τόσο διαδεδοµένες όσο οι αγγλόφωνες. Το «χρυσό» µετάλλιο κατακτά, όπως είναι άλλωστε και λογικό, η αγγλική γλώσσα. Οι αγγλόφωνοι χρήστες έχουν την καλύτερη δυνατή τεχνολογική υποστήριξη, κάτι το οποίο ευνοεί την περαιτέρω εξάπλωση της γλώσσας. Από «τεχνολογικό αποκλεισµό» κινδυνεύουν περισσότερο η ισλανδική, η λετονική, η λιθουανική και η µαλτέζικη γλώσσα, ενώ σε λίγο καλύτερη µοίρα βρίσκονται η ελληνική, η βουλγαρική, η ουγγρική και η πολωνική, που όπως αναφέρει η έρευνα έχουν «αποσπασµατική» τεχνολογική υποστήριξη. «Μέτρια» χαρακτηρίζεται η υποστήριξη χρηστών σε ολλανδική, γαλλική, γερµανική, ιταλική και ισπανική γλώσσα. Οι επικεφαλής της επιστηµονικής οµάδας, Χανς Ουζκοράιτ και Γκεόργκ Ρεµ, αναφέρουν χαρακτηριστικά: «Υπάρχουν δραµατικές διαφορές στην υποστήριξη της γλωσσικής τεχνολογίας ανάµεσα στις διάφορες ευρωπαϊκές γλώσσες. Το χάσµα µεταξύ “µικρών” και “µεγάλων” γλωσσών ολοένα και διευρύνεται. Πρέπει να εξασφαλίσουµε τον εφοδιασµό των µικρότερων και λιγότερο πλούσιων σε ψηφιακούς πόρους γλωσσών µε τις απαραίτητες βασικές τεχνολογίες. ∆ιαφορετικά, οι γλώσσες αυτές είναι καταδικασµένες σε ψηφιακή εξαφάνιση». Μάλιστα, οι ειδικοί τονίζουν ότι χωρίς αποφασιστική δράση οι γλώσσες αυτές δύσκολα θα… επιβιώσουν στον ψηφιακό κόσµου του 21ου αιώνα. Η κ. Μαρία Γαβριηλίδου, µέλος της επιστηµονικής οµάδας από το Ινστιτούτο Οι αγγλόφωνοι χρήστες έχουν την καλύτερη δυνατή τεχνολογική υποστήριξη, γεγονός που ευνοεί την περαιτέρω εξάπλωση της γλώσσας Επεξεργασίας του Λόγου Ερευνητικό Κέντρο Αθηνά, λέει στον «Ε.Τ.»: «Η έρευνα αυτή δεν λέει ότι δεν θα ζήσει η ελληνική γλώσσα ή ότι κινδυνεύει µε εξαφάνιση». Η ειδικός εξηγεί ότι όσο υπάρχουν άνθρωποι που µιλάνε, γράφουν και επικοινωνούν µε µια γλώσσα, τότε αυτή θα συνεχίσει να υπάρχει. Είναι σηµαντικό, όµως, να έχουν όλοι οι χρήστες τη δυνατότητα να «µιλήσουν» στις µηχανές, όπως τα GPS τους, στα ελληνικά και να έχουν στη διάθεσή τους γλωσσικά εργαλεία ηλεκτρονικών υπολογιστών. Μεταξύ αυτών των «εργαλείων» είναι οι διορθωτές ορθογραφικών και συντακτικών λαθών, που χρησιµοποιούνται καθηµερινά από εκατοντάδες Ελληνες χρήστες και βασίζονται στη γλωσσική τεχνολογία. Παρ’ όλα αυτά, τονίζει ότι η ψηφιακή εξάπλωση µιας γλώσσας είναι σηµαντική «∆εν είναι στα χέρια του µέσου χρήστη. Οι εκάστοτε κυβερνήσεις, η Ευρωπαϊκή Ενωση και ο ιδιωτικός τοµέας πρέπει να χρηµατοδοτήσουν την ανάπτυξη αυτής της τεχνολογίας για όλες τις γλώσσες», αναφέρει και συνεχίζει: «Οι χρήστες, όµως, πρέπει να απαιτούν να υπάρχουν και στη γλώσσα τους τα µέσα αυτά και να µην ικανοποιούνται µε τα αγγλικά». ■ ΜΕ GREEKLISH επικοινωνούν πλέον µέσω µηνυµάτων ή email οι περισσότεροι νέοι της χώρας µας. Παρά το γεγονός ότι τα τελευταία χρόνια υπάρχουν τα γλωσσικά εργαλεία, τα οποία επιτρέπουν τη χρήση της ελληνικής γραµµατοσειράς, έφηβοι και νέοι ενήλικες φαίνεται ότι δεν έχουν «αγκαλιάσει» αυτές τις τεχνολογίες. Ο καθηγητής Γλωσσολογίας, κ. Γιώργος Μπαµπινιώτης, λέει στον «Ε.Τ.»: «Τα greeklish είναι πρόβληµα για την ελληνική γλώσσα, ιδίως για ανθρώπους νέας ηλικίας για έναν καθαρά γλωσσικό λόγο. Με τη χρήση των greeklish αποξενώνονται από τη µορφή της λέξης ή όπως λέµε το ετυµολογικό ίνδαλµα που δηλώνεται µε την ορθογραφία της λέξης και συνδέεται και µε τη σηµασία της λέξης και µε την προέλευσή της». Ο κίνδυνος, µε τον οποίο έρχονται αντιµέτωποι οι νέοι άνθρωποι, είναι η αποξένωση από τη γραπτή µορφή της γλώσσας. Αυτή η «οικειότητα», όµως, βοηθάει και στην κατανόηση της σηµασίας αλλά και την προέλευση της λέξης. «Αυτή η αποξένωση δεν είναι άνευ σηµασίας», αναφέρει ο ειδικός, ο οποίος εξηγεί ότι η διαδικασία της γραφής βοηθάει να εντυπωθεί η λέξη και να συνδεθεί µε άλλες οµόρριζες λέξεις. «Οταν χρησιµοποιείται αυτή η µορφή επικοινωνίας, καταστρέφονται, ατονούν. ∆εν είναι προς θάνατο, αλλά θα κάνει ζηµιά», αναφέρει ο κ. Μπαµπινιώτης, ο οποίος συµβουλεύει τους χρήστες να επιλέγουν την ελληνική γραµµατοσειρά. Copyright material. This may only be copied under the terms of a Newspaper Licensing Agency agreement (www.nla.co.uk) or with written publisher permission. For external republishing rights see www.nla-republishing.com 049-ΚΟΣΜΟΣ 29/09/2012 1:41 ? Μ Page 49 49 KYPIAKH 30 ΣΕΠΤΕΜΒΡΙΟΥ 2012 Οι περισσότερες ευρωπαϊκές γλώσσες κινδυνεύουν µε ψηφιακή εξαφάνιση Τη γλώσσα µού... έχασαν Πρέπει να εξασφαλιστεί ο εφοδιασµός των µικρότερων και λιγότερο πλούσιων -σε ψηφιακούς πόρους- γλωσσών µε τις απαραίτητες βασικές τεχνολογίες Η 26η Σεπτεµβρίου έχει καθιερωθεί από το Συµβούλιο της Ευρώπης ως η Ευρωπαϊκή Ηµέρα των Γλωσσών, αλλά, σύµφωνα µε µια νέα ευρωπαϊκή επιστηµονική έκθεση, οι 21 από τις 30 γλώσσες της Ευρώπης -µεταξύ των οποίων και η Ελληνική- αντιµετωπίζουν κίνδυνο ψηφιακής εξαφάνισης. Η έρευνα κρούει τον κώδωνα κινδύνου, καθώς διαπίστωσε ότι η ψηφιακή βοήθεια για τις περισσότερες ευρωπαϊκές γλώσσες είναι ελλιπής ή απολύτως ανύπαρκτη για τους χρήστες. Τις έφαγαν οι κοινές Η έκθεση, µε τη µορφή µιας σειράς Λευκών Βίβλων (µε τίτλο «Γλώσσες στην Ευρωπαϊκή Κοινωνία της Πληροφορίας»), από το επιστηµονικό δίκτυο ΜΕΤΑΝΕΤ, το οποίο συνενώνει 60 ερευνητικά κέντρα σε 34 χώρες, επισηµαίνει ότι οι γλώσσες που µιλιούνται από σχετικά µικρό αριθµό ανθρώπων κινδυνεύουν, επειδή δεν έχουν τεχνολογική υποστήριξη όπως έχουν οι ευρέως χρησιµοποιούµενες γλώσσες. Λευκές Βίβλοι έχουν καταρτιστεί για τις εξής ευρωπαϊκές γλώσσες: αγγλικά, βασκικά, βουλγαρικά, γαλικιανά, γαλλικά, γερµανικά, δανικά, ελληνικά, εσθονικά, ιρλανδικά, ισλανδικά, ισπανικά, ιταλικά, καταλανικά, κροατικά, λετονικά, λιθουανικά, µαλτέζικα, νορβηγικά (µπουκµόλ και νινόρσκ), ολλανδικά, ουγγρικά, πολωνικά, πορτογαλικά, ρουµανικά, σερβικά, σλοβακικά, σλοβενικά, σουηδικά, τσεχικά και φινλανδικά. Κάθε Λευκή Βίβλος είναι γραµµένη στη γλώσσα στην οποία αναφέρεται και είναι µεταφρασµένη στα αγγλικά. Τέσσερις µεγάλοι κίνδυνοι Σύµφωνα µε τη νέα µελέτη, η Ισλανδική, η Λετονική, η Λιθουανική και η Μαλτέζικη αντιµετωπίζουν τον µεγαλύτερο κίνδυνο εξαφάνισης σε µια ευρωπαϊκή τεχνολογική κοινωνία, που ολοένα περισσότερο προωθεί τη χρήση συγκεκριµένων γλωσσών και ιδίως της Αγγλικής. Όµως και άλλες γλώσσες, όπως η Ελληνική, η Βουλγαρική, η Ουγγρική και η Πολωνική, επίσης κινδυνεύουν στον σύγχρονο ψηφιακό κόσµο. Η έρευνα του ΜΕΤΑ-ΝΕΤ, στην οποία συνέβαλαν περισσότεροι από 200 ειδικοί, αξιολογεί τον κίνδυνο για κάθε γλώσσα µε βάση τέσσερα βασικά κριτήρια σε τεχνολογικό/ψηφιακό επίπεδο: την ύπαρξη αυτόµατης µετάφρασης στη συγκεκριµένη γλώσσα, τη δυνατότητα φωνητικής αλληλεπίδρασης, τη δυνατότητα ψηφιακής ανάλυσης κειµένου και τη διαθεσιµότητα των σχετικών ψηφιακών γλωσσικών πόρων/πηγών. Οι δυνατές Η γλώσσα µε την καλύτερη βαθµολογία στα κριτήρια είναι ασφαλώς η Αγγλική, που απολαµβάνει τη συγκριτικά καλύτερη τεχνολογική υποστήριξη (αν και όχι την καλύτερη δυνατή), γεγονός που διευκολύνει την περαιτέρω εξάπλωσή της. Ακολουθούν µε ικανοποιητική ή µέτρια τεχνολογική/ψηφιακή υποστήριξη η Ολλανδική, η Γαλλική, η Γερµανική, η Ιταλική και η Ισπανική. Η Ελληνική, όπως επίσης η Βασκική, η Καταλανική, η Πολωνική, η Ουγγρική κ.ά. κατατάσσονται στις γλώσσες µε «αποσπασµατική» µόνο υποστήριξη, γι’ αυτό ακριβώς θεωρούνται γλώσσες υψηλού κινδύνου προς εξαφάνιση. Δραµατικές διαφορές Σύµφωνα µε τους επιµελητές της µελέτης Χανς Ουζκοράιτ και Γκέοργκ Ρεµ, «υπάρχουν δραµατικές διαφορές στην υποστήριξη της γλωσσικής τεχνολογίας ανάµεσα στις διάφορες ευρωπαϊκές γλώσσες και τεχνολογικές περιοχές. Το χάσµα µεταξύ ‘µικρών’ και ‘µεγάλων’ γλωσσών ολοένα και διευρύνεται. Πρέπει να εξασφαλίσουµε τον εφοδιασµό των µικρότερων και λιγότερο πλούσιων -σε ψηφιακούς πόρους- γλωσσών µε τις απαραίτητες βασικές τεχνολογίες, αλλιώς οι γλώσσες αυτές είναι καταδικασµένες σε ψηφιακή εξαφάνιση». Ως ελπίδα αυτών των γλωσσών θεωρείται η βελτίωση και η ευρύτερη αξιοποίηση του λογισµικού γλωσσικής τεχνολογίας, το οποίο επιτρέπει τη φωνητική και τη γραπτή επεξεργασία των διαφόρων γλωσσών. Παραδείγµατα αυτών των δυνατοτήτων είναι οι ηλεκτρονικοί ορθογραφικοί και συντακτικοί διορθωτές κειµένων, οι διαδραστικοί προσωπικοί «βοηθοί» των έξυπνων κινητών τηλεφώνων (π.χ. η Siri στο iPhone), τα συστήµατα αυτόµατης µετάφρασης, τα ηλεκτρονικά συστήµατα διαλόγου των τηλεφωνικών κέντρων, οι µηχανές αναζήτησης, η συνθετική φωνή στα συστήµατα πλοήγησης των αυτοκινήτων. κ.ά. Το βασικό πρόβληµα Το σηµαντικό, σύµφωνα µε την έκθεση, είναι όλες αυτές οι δυνατότητες να προσφέρονται στους χρήστες και στη µητρική τους γλώσσα που κινδυνεύει µε εξαφάνιση. Χωρίς αποφασιστική δράση, γίνεται η δυσοίωνη πρόβλεψη ότι οι γλώσσες αυτές δύσκολα θα επιβιώσουν στον ψηφιακό κόσµο του 21ου αιώνα. Ένα πρόβληµα είναι ότι το λογισµικό αυτών των συστηµάτων γλωσσικής τεχνολογίας στηρίζεται σε στατιστικές µεθόδους που απαιτούν τεράστιες ποσότητες γραπτών ή φωνητικών δεδοµένων, όµως τόσα πολλά δεδοµένα είναι δύσκολο να αποκτηθούν για γλώσσες που οµιλούνται από σχετικά λίγους ανθρώπους. Εξάλλου, ακόµα και για ευρέως χρησιµοποιούµενες γλώσσες όπως τα αγγλικά, η σχετική γλωσσική τεχνολογία έχει ακόµα αδυναµίες, που είναι π.χ. φανερές στις άκρως ανεπαρκείς και γεµάτες λάθη αυτόµατες µεταφράσεις. Η έκθεση προτείνει ότι πρέπει να αναληφθεί µια συντονισµένη µεγάλης κλίµακας προσπάθεια στην Ευρώπη, προκειµένου σταδιακά να δηµιουργηθούν ή να βελτιωθούν οι αναγκαίες τεχνολογίες και να βοηθηθούν οι γλώσσες που είναι ψηφιακά παραγκωνισµένες.
  14. 14. Update of the Study (2013/2014) q  q  q  Study comprised 31 volumes/languages. Many languages missing! Need for extension – at least of the comparison. We invited three language community bodies to participate in the update: European Federation of National Institutions for Language (EFNIL) Network to Promote Linguistic Diversity (NPLD) Experts Committee of the European Language Charter (Council of Europe) Submitted to LREC 2014 http://www.meta-net.eu 14
  15. 15. excellent fragmentary weak or no support Speech excellent Catalan, Dutch, German, Hungarian, Italian, Polish, Romanian good moderate fragmentary weak or no support Dutch, French, German, Hebrew, Italian, Spanish Basque, Bulgarian, Catalan, Czech, Danish, Finnish, Galician, Greek, Hungarian, Norwegian, Polish, Portuguese, Romanian, Slovak, Slovene, Swedish Albanian, Asturian, Bosnian, Breton, Croatian, Estonian, Frisian, Friulian, Icelandic, Irish, Latvian, Limburgish, Lithuanian, Luxembourgish, Macedonian, Maltese, Occitan, Romany, Scots, Serbian, Turkish, Vlax Romani, Welsh, Yiddish good moderate fragmentary weak or no support English excellent French, Spanish Albanian, Asturian, Basque, Bosnian, Breton, Bulgarian, Croatian, Czech, Danish, Estonian, Finnish, Frisian, Friulian, Galician, Greek, Hebrew, Icelandic, Irish, Latvian, Limburgish, Lithuanian, Luxembourgish, Macedonian, Maltese, Norwegian, Occitan, Portuguese, Romany, Scots, Serbian, Slovak, Slovene, Swedish, Turkish, Vlax Romani, Welsh, Yiddish English MT Text Analytics moderate English excellent Resources good Czech, Dutch, Finnish, French, German, Italian, Portuguese, Spanish Basque, Bulgarian, Catalan, Danish, Estonian, Galician, Greek, Hungarian, Irish, Norwegian, Polish, Serbian, Slovak, Slovene, Swedish, Turkish Albanian, Asturian, Bosnian, Breton, Croatian, Frisian, Friulian, Hebrew, Icelandic, Latvian, Limburgish, Lithuanian, Luxembourgish, Macedonian, Maltese, Occitan, Romanian, Romany, Scots, Vlax Romani, Welsh, Yiddish good moderate fragmentary weak/no support English Czech, Dutch, French, German, Hungarian, Italian, Polish, Spanish, Swedish Basque, Bulgarian, Catalan, Croatian, Danish, Estonian, Finnish, Galician, Greek, Hebrew, Norwegian, Portuguese, Romanian, Serbian, Slovak, Slovene Albanian, Asturian, Bosnian, Breton, Frisian, Friulian, Icelandic, Irish, Latvian, Limburgish, Lithuanian, Luxembourgish, Macedonian, Maltese, Occitan, Romany, Scots, Turkish, Vlax Romani, Welsh, Yiddish
  16. 16. The META-NET Strategic Research Agenda for Multilingual Europe Strategic Research Agenda http://www.meta-net.eu 16
  17. 17. LT Already Surrounds Us q  Spell/grammar checker in MS Word q  Voice dialing on the cellphone q  Web search in Google q  Speech generation in game software q  Computer-assisted language learning q  Optical character recognition q  Semantic text classification in Autonomy q  Speech control in cars q  Voice dialogues in call centers http://www.meta-net.eu 17
  18. 18. Witnessing a Breakthrough q  q  q  q  q  q  q  Microsoft presents their latest speech translation technology IBM Watson wins Jeopardy Google renames its Division “Search” to “Knowledge” Siri improves the iPhone, Google responds by introducing Google Now (Android) Google Translate covers 60+ languages All large IT corporations, EC, EP and EPO deploy new generation translation technology UK Text Analytics Company Autonomy bought for 8bEUR by HP http://www.meta-net.eu 18
  19. 19. Three Ingredients Appropriate Actors Appropriate Programme Research & Commercialisation Vision & Agenda Appropriate Support Funding http://www.meta-net.eu 19
  20. 20. Strategic Research Agenda q  q  q  q  q  Addresses the problems we identified when preparing the white papers. Can put Europe ahead of its competitors in this technology area. 200 contributors; >2 years. 54% from industry; 46% from research; 4% from national and international institutions. Presented and discussed at 80+ conferences and major workshops. q  Published & presented in early 2013. q  http://www.meta-net.eu/sra http://www.meta-net.eu 20
  21. 21. SRA: Contents – Brief Glimpse q  q  Set the stage and describe the European situation, the needs and the LT research and industry. Discuss the state of IT, predictions and mega-trends. q  Our technology vision for 2020. q  Select and specify priority themes. q  q  Suggest a model for speeding up innovation. Outline proposals for the organisation of research and innovation. http://www.meta-net.eu 21
  22. 22. Translation Brokering Specialized MT/LT Services Trusted Service Broker Patents PR Brochures Informal Language Int. Company Names Automatic Summarization http://www.meta-net.eu Annual Reports Times and Places Human Post-Editing 22
  23. 23. Ambient Translation http://www.meta-net.eu 23
  24. 24. Crosslingual Virtual Meetings q  q  q  q  Individual realtime translation of speech, slides, and handwritten text (shared whiteboard) Automatic minutes Searchable recordings Use cases: §  Corporate §  E-democracy §  NGOs §  Expert discussions §  Fan clubs §  Consumer fora §  Medical self-help groups, etc. http://www.meta-net.eu 24
  25. 25. Priority Research Themes q  Our priority themes (a) support technology progress, (b) lead to solutions that European society needs and (c) solutions from which European industry will benefit as users or as providers. §  Translingual Cloud §  Social Intelligence and e-Participation §  Socially-Aware Interactive Assistants q  Two additional themes: §  European Service Platform for Language Technologies §  Core Technologies for Language Analysis and Production http://www.meta-net.eu 25
  26. 26. PT1: Translingual Cloud q  q  q  q  Europe has a big need for translations of publishable quality. Machine Translation for many European and important other languages. Focus on High-Quality Translation New research paradigms q  Stronger emphasis on the properties of individual languages Central role for semantics q  Methods for specific genres & domains q  http://www.meta-net.eu 26
  27. 27. Priority Research Theme 1: Translingual Cloud Written (twitter, blog, article, newspaper, text with/without metadata etc.) or spoken input (spontaneous spoken language, video/audio, multiple speakers) Extending translation with semantic data and linked open data Modular combination of analysis, transfer and generation models From very fast but lower quality to slower but very high quality (including instant quality upgrades) Services and Technologies: Automatic translation and interpretation Language checking Post-editing Workbenches for creative translations Novel translation and authoring workflows Quality assurance Computer-supported human translation Multilingual content production and text authoring Trusted service centre (privacy, confidentiality, security of source data) Exploiting strong monolingual analysis and generation methods and resources Multiple target formats Domain, task and genre specialisation models Applications: Crosslingual communication, translation and search Real-time subtitling, voice-over generation and translating speech from live events Mobile interactive interpretation Any device Target groups: European citizen, language professional, organisations, companies, European institutions, software applications Multilingual content production (media, web, technical, legal documents) Showcases: translingual spaces for ambient translation Multiple target formats Single access point
  28. 28. PT2: Social Intelligence q  q  q  q  q  q  q  q  Better decisions by monitoring social media Inclusion of citizens into collective decision processes Opinion formation, consensus building, decision making Evolution of new solutions New forms of democracy: e-democracy, massive participation, transparency Dialogues and debates across language boundaries and across parties, political alliances, social classes Better than binary voting Documented transparent decision processes http://www.meta-net.eu 28
  29. 29. Priority Research Theme 2: Social Intelligence and e-Participation Mapping large, heterogeneous, unstructured volumes of online content to structured, actionable representations From shallow to deep, from coarse-grained to detailed processing techniques Making language technologies interoperable with knowledge representation and the semantic web “Semantification” of the web: tight integration with the Semantic Web and Linked Open Data Services and Technologies: especially social media, comments, blogs, forums decision-relevant information sentiment analysis and opinion mining including the temporal dimension) cues from arbitrary online content visualising discussions and opinion statements support Applications: Make use of the wisdom of the crowds and processes; modeling evolution of opinions collective deliberation and e-participation wide deliberation on pressing issues Unleashing social intelligence by detecting and monitoring opinions, demands, needs and problems - analysis technologies Target groups: European citizen, European institutions, discussion participants, companies Improved efficiency and quality of decision processes Understanding influence diffusion across social media
  30. 30. PT3: Interactive Assistants q  q  q  q  q  q  q  Conversational agents with socially-aware behaviour, combination of analysis methods for speech, non-verbal and semantic signals. Support people in interacting with their environments. Human-computer, human-agent/robot, computer-mediated human/human interaction. Act in various environments, indoor and outdoor, also virtual (web, games). Understand agents’ intentions. Need to be able to adapt to user’s needs and environments. Learn incrementally from all interactions and information sources. http://www.meta-net.eu 30
  31. 31. Priority Research Theme 3: Socially-Aware Interactive Assistants ments, any vocabulary recovery, selfassessment Multilingual capabilities Interacting naturally with and in groups Include human-computer, human-artificial agent and computer-mediated humanhuman communication Learning and forgetting information Adaptable to the user’s needs and preferences and the environment Services and Technologies: recognition understanding inter-dependencies and synthesis, providing expressive voices incremental conversational speech priority themes models of human communication Applications: dialogue systems modalities (visual, tactile, haptic) environment Proactive, self-aware, user-adaptable Interacts naturally with humans, in any language and modality Can be personalised to individual communication abilities including special needs verbal/non-verbal behaviour, social context Can learn incrementally from all interactions and other sources of information
  32. 32. Providers of operational and research technologies and services National Language Institutions Language Service Providers Priority Research Theme 1: Translingual Cloud Language Processing Language Technology Providers Universities Priority Research Theme 2: Social Intelligence & e-Participation European Institutions Priority Research Theme 3: Socially Aware Interactive Assistants European Service Platform for Language Technologies (Cloud or Sky Computing Platform) Language Understanding Text analytics Multilingual technologies Text generation Information and relation extraction Knowledge Emotion/ Sentiment Language checking Sentiment analysis Named entity recognition Other companies (SMEs, startups etc.) Summarisation Knowledge access and management Data protection Tools Data Sets Resources Components Metadata Standards Interfaces APIs Catalogues Quality Assurance Data Import/Export Input/Output Storage Performance Availability Scalability Interfaces (web, speech, mobile etc.) Beneficiaries/users of the platform European Institutions Research Centres Public Administrations European Citizens Enterprises LT User Industries Universities Features Research Centres
  33. 33. Core Resources & Technologies Icelandic Icelandic Finnish Finnish Norwegian Norwegian Estonian Swedish Estonian Swedish Lithuanian Danish Irish Latvian Polish Latvian Lithuanian Danish Irish Slovak English English Polish Dutch German Dutch Romanian Slovak Czech German Galician Hungarian Slovene Croatian Basque Portuguese Croatian French Serbian Basque Serbian Catalan Hungarian Slovene Romanian French Galician Czech Bulgarian Bulgarian Italian Catalan Portuguese Spanish Greek Spanish Italian Greek Maltese http://www.meta-net.eu Maltese 33
  34. 34. Languages to be supported q  q  q  q  “The languages to be reflected with corresponding technologies include not only the official languages of the EU but also recognised and unrecognised regional languages and the languages of associated countries or non-member states.” “Equally important are the minority and immigrant languages that are in active use by a significant population in Europe.” “We need to intensify research and establish techniques, methods and instruments for research and knowledge transfer so that all countries can benefit as much as possible for their own language from the research carried out in other countries for other languages.” “Bootstrapping the set of core technologies and resources for all languages spoken in Europe is […] a challenge on the European scale […].” Quoted from META-NET Strategic Research Agenda for Multilingual Europe 2020. G. Rehm and H. Uszkoreit (eds.), Springer, 2013. Section 6.8, pages 66-67. http://www.meta-net.eu 34
  35. 35. META-NET Recent Developments http://www.meta-net.eu 35
  36. 36. Recent Developments q  META-FORUM 2013 (Berlin), Sep. 19/20, 2013 q  Meeting with Commissioner Neelie Kroes (Brussels), Oct. 29, 2013 q  Workshop in the European Parliament (Brussels), Dec. 03, 2013 q  Update of the Cross-Language Comparison (LREC 2014 paper) q  MT@EC (EC-internal MT services) to cooperate with EP q  Connecting Europe Facility (CEF) q  Horizon 2020 q  Ongoing public interest in the “digital language extinction” topic (radio interviews, requests for statements for articles, requests to participate in panel discussions etc.) http://www.meta-net.eu 36
  37. 37. STOA Workshop in the EP q  q  Science and Technology Options Assessment (STOA), Dec. 03, 2013 “State of the Art of Machine Translation – Current Challenges and Future Opportunities” http://www.europarl.europa.eu/stoa/cms/home/events/workshops/translation q  q  Presentations by research, industry, EC, EP Circa 80-90 participants http://www.meta-net.eu 37
  38. 38. Horizon 2020 q  q  q  q  Work programme 2014/2015 – good news and bad news. ICT 17 – 2014: “Cracking the language barrier” Available budget for ICT 17: 15M€ (MT only!). Challenge: “The digital single market is still fragmented by language barriers that hamper a wide penetration of cross-border commerce, social communication and exchange of cultural content. […] The aim of this challenge is to launch interdisciplinary work leading to a new paradigm in overcoming the language barrier and progressively, to reach high quality for all language combinations and translation directions. […] Special focus is on the 21 EU languages (both as source and target languages) that have “fragmentary” or “weak/no” MT support according to the META-NET Language White Papers.” http://www.meta-net.eu 38
  39. 39. Horizon 2020 q  ICT 17 – “Cracking the language barrier” – distribution of the 15M€: §  One large Research and Innovation Action (4M€) §  Circa five Innovation Actions (2M€ each) §  One Coordination Action (1M€) q  §  “Regional and minority languages are not excluded but they are not prioritized either.” (representative of the EC on ICT 17) Additional funding for language-related projects is available in several other challenges: §  ICT 22: Multimodal and natural computer interaction (31M€) §  ICT 15: Big and Open Data Innovation and Take-up (50M€) §  ICT 16: Big Data – research (39M€) http://www.meta-net.eu 39
  40. 40. Connecting Europe Facility q  q  q  q  q  q  Digital Component of CEF (2014–2020): ca. 1B€. Automated Translation as one of the five main, horizontal building blocks (on the same level as, e.g., “Electronic identification and authentication” and “Electronic delivery of documents”). AT: machine translation engines and specialised language resources including the necessary tools and APIs needed to operate the panEuropean digital services in a multilingual environment. AT is considered to be an important and obligatory component of Europe’s future digital infrastructure! CEF is about deployment of existing technologies only –research is not eligible for funding. But: The language pairs for the AT Building Block CEF will be demand driven. Demonstrate demand! http://www.meta-net.eu 40
  41. 41. META-NET Conclusions and Recommendations http://www.meta-net.eu 41
  42. 42. Conclusions q  q  q  q  q  q  q  Europe is extremely interested in and passionate about its languages. Our Strategic Research Agenda for LT research and innovation can put Europe ahead of its competitors in this technology area. Provides useful and attractive solutions to European society, at the same time creating huge business opportunities for European industry. Now is the time to move forward with a continent-wide, systematic push and to invest in strategic research. A modest investment is required. We are very confident that we can help build applications that break down language barriers in Europe and beyond. This push will generate a countless number of opportunities. Horizon 2020 and, partially, CEF can provide some resources to make our visions for Europe’s citizens and economy a reality. http://www.meta-net.eu 42
  43. 43. Conclusions q  q  Situation of regional and minority languages is difficult! Political: the EU/EC level very much concentrates on the languages in danger of digital extinction. Nevertheless, not all of these are official Member State languages! Regional and minority languages are not excluded per se. q  Technological: for most regional and minority languages only very few technologies exist. There are no “one size fits all”-technologies in our toolboxes that can be immediately applied to new languages! http://www.meta-net.eu 43
  44. 44. Recommendations 1.  Build toy systems and prototypes for your languages with off-the-shelf tools and the help of local (computational) linguists. Promote and share them through repositories. 2.  Intensify (computational) linguistics research for regional and minority languages. Build and share language resources. 3.  Make use of the European Commission’s Structural Funds. 4.  Intensify research and technology transfer between well equipped and regional and minority languages. (CCURL 2014 Workshop.) 5.  Intensify collaboration among the language community bodies (NPLD, EFNIL, Council of Europe ComEx on Language Charter, Maaya World Network for Ling. Diversity). Be prepared to speak with one voice! 6.  Talk to innovators and app developers to somehow bring your language to the youth through modern technologies (gamification?). http://www.meta-net.eu 44
  45. 45. Diolch yn fawr iawn i chi! Acknowledgements: This work would not have been possible without the dedication and commitment of our colleagues Aljoscha Burchardt, Kathrin Eichler, Tina Klüwer, Arle Lommel, Felix Sasaki and Hans Uszkoreit (all DFKI), the 60 member organisations of the META-NET network of excellence, the ca. 70 members of the Vision Groups, the ca. 30 members of the META Technology Council, the more than 200 authors of and contributors to the META-NET Language White Paper Series and the ca. 200 representatives from industry and research who contributed to the META-NET Strategic Research Agenda. http://www.meta-net.eu Vision Group Translation and Localisation Vision Group Interactive Systems 2010 META-NET Website Vision Group Media and Information Services 2011 2012 Language White Paper Series 2013 Strategic Research Agenda http://www.meta-net.eu http://www.facebook.com/META.Alliance Horizon 2020 Conne Deliverin 2014-2020 Transport Energy Connect
  46. 46. META-SHARE: An Open Resource Exchange Infrastructure Georg Rehm Network Manager META-NET DFKI, Berlin, Germany georg.rehm@dfki.de Using the Potential of Technology to Promote CRSS Language Usage Cardiff, Wales, UK – January 24, 2014 Co-funded by the 7th Framework Programme and the ICT Policy Support Programme of the European Commission through the contracts T4ME, CESAR, METANET4U, META-NORD (grant agreements no. 249119, 271022, 270893, 270899).
  47. 47. META-SHARE at a Glance q  q  q  q  Open exchange infrastructure for language resources and tools. Language resources and tools are documented, uploaded, stored in repositories, catalogued, can be downloaded, shared, discussed. Improve their visibility, documentation, identification, availability, preservation, interoperability. Long-term goal: boost research, technology and innovation through wide availability, pooling, openness and sharing of resources. q  Repositories store and maintain inventories of resources and tools. q  Metadata inventories are exported and harvested in the network. q  Currently 27 repositories up and running; 2.300+ LRs available. http://www.meta-net.eu 48
  48. 48. http://www.meta-net.eu 49
  49. 49. What about Welsh? http://www.meta-net.eu 57
  50. 50. What about Irish? http://www.meta-net.eu 58
  51. 51. Gartner Hype Cycle 2012 13 of the 48 emerging technologies are language technologies!
  52. 52. Q/A office@meta-net.eu http://www.meta-net.eu http://www.facebook.com/META.Alliance 60

×