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.
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. 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. 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. 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
6. Europe’s Languages in the Digital Age
Language White Paper Series
http://www.meta-net.eu
6
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
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. 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. 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. 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. 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. 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
16. The META-NET Strategic Research Agenda for Multilingual Europe
Strategic Research Agenda
http://www.meta-net.eu
16
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. 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
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. 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. 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
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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
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. 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. 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. 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. 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
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. 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. 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. 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.
47. 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).
48. 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