Liepos 1 d. Lietuvos mokslų akademijoje (LMA) įvyko viešas renginys „Lietuvių kalbos ištekliai dirbtiniam protui: rezultatai ir prieiga“, kuriame pirmą kartą plačiajai auditorijai pristatyti per pastaruosius kelerius metus Lietuvoje sukurti lietuvių kalbos skaitmeniniai ištekliai, skirti dirbtinio proto sprendimams kurti.
Renginį rengė Lietuvos dirbtinio proto asociacijos prezidentas dr. Linas Petkevičius kartu su LMA Technikos mokslų skyriaus pirmininku akad. Gintautu Dzemyda.
Pagrindinis renginio tikslas – pristatyti sukurtus lietuvių kalbos išteklius, užtikrinti jų platesnį viešinimą ir paskatinti aktyvų naudojimą mokslo, verslo ir viešojo sektoriaus bendruomenėse.
Iš viso įgyvendinta 16 projektų, kurių bendra finansavimo suma siekia daugiau kaip 25,6 mln. eurų. Projektų metu sukurti bendrieji ir specializuoti tekstynai, garsynai, kalbos modeliai, ontologijos bei kiti skaitmeniniai ištekliai sudarys ilgalaikį pagrindą tiek moksliniams tyrimams, tiek viešojo sektoriaus skaitmenizavimui, tiek verslo kuriamiems naujoviškiems gaminiams.
Tikimasi, kad šie rezultatai paskatins naujų lietuviškų dirbtinio proto gaminių atsiradimą, spartesnę kalbos technologijų plėtrą ir glaudesnį mokslo, valstybės bei verslo bendradarbiavimą. Po renginio visi sukurti ištekliai taip pat turi ir atvirą prieigą.
Pranešimų sesijoje dr. Gediminas Navickas (Vilniaus universitetas) pristatė projektą „Lietuvių kalbos garsyno vystymas (šnekos atpažinimo tikslams)“.
Įgyvendinant projektą sukurtas didelės apimties anotuotas lietuvių kalbos garsynas, skirtas šnekos atpažinimo technologijoms. Šis kalbinis išteklius sudarys prielaidas kurti tikslesnius lietuvių kalbos šnekos atpažinimo modelius ir plėtoti naujoviškas skaitmenines paslaugas.
Nuoroda: čia
Dr. Erika Rimkutė (Vytauto Didžiojo universitetas) pristatė projektą „Morfologiškai ir sintaksiškai anotuotų tekstynų modeliai apmokymui“.
Įgyvendinant projektą sukurtas 10 mln. žodžių apimties morfologiškai ir sintaksiškai anotuotas tekstynas, skirtas kalbos technologijų įrankiams ir neuroniniams modeliams mokyti. Šis tekstynas yra vienas svarbiausių bazinių išteklių, reikalingų lietuvių kalbos natūraliosios kalbos apdorojimo (NLP) sistemoms kurti ir gerinti.
Nuoroda: čia
Hugging Face: čia
Dr. Danguolė Kalinauskaitė (Vytauto Didžiojo universitetas) pristatė du projektus, skirtus automatiniam asmens duomenų anonimizavimui ir lietuviškų santraukų generavimo modeliams mokyti. Vienas jų – projektas „Nuasmeninimo tekstyno sukūrimas“.
Hugging Face: čia
Kitas projektas – „Santraukų tekstynai dirbtiniam intelektui“
Hugging Face: čia
Hugging Face: čia
Dr. Agnė Čepaitienė ir Marius Glebus (Lietuvių kalbos institutas) pristatė projektą „Kalbos paveldo transformacija ir lietuvių kalbos erdvinių duomenų išteklių sukūrimas“, kurį įgyvendinant plėtojami skaitmeniniai lietuvių kalbos paveldo ištekliai ir kuriami nauji erdvinių kalbos duomenų analizės įrankiai.
Nuoroda: čia
Nuoroda: čia
Didžiausią projektų grupę pristatė dr. Darius Amilevičius, Valstybės skaitmeninių sprendimų agentūros Skaitmeninių sumanymų skyriaus patarėjas. Savo pranešime jis apžvelgė vienuolika projektų, iš kurių vienas – „Bendrasis lietuvių kalbos tekstynas ir vektorizuoti modeliai“.
Įgyvendinant šį projektą kuriamas didelės apimties bendrasis lietuvių kalbos tekstynas ir iš anksto apmokyti neuroniniai kalbos modeliai, skirti dirbtinio proto sprendimams kurti ir moksliniams tyrimams vykdyti.
Hugging Face: čia
„Melagingų žinių automatinio identifikavimo tekstynas“. Kuriamas anotuotas tekstynas, skirtas sistemoms, automatiškai atpažįstančioms klaidinančias ir melagingas žinias interneto žiniasklaidoje, kurti.
Hugging Face: čia
„Vienkalbių ir daugiakalbių tekstynų atnaujinimas“.Atnaujinami lietuvių ir kitų kalbų tekstynai, kurie sudarys pagrindą mašininio vertimo ir kitų daugiakalbių dirbtinio proto sistemų kūrimui bei gerinimui.
Hugging Face: čia
„Daugiakalbių ir vienkalbių tekstynų sukūrimas“. Sukurti nauji lygiagretieji ir vienkalbiai tekstynai su ukrainiečių, norvegų, švedų, danų ir ispanų kalbomis, papildantys lietuvių kalbos daugiakalbius išteklius ir sudarantys prielaidas kurti bei gerinti kalbos technologijų sprendimus.
Hugging Face: čia
„Sintetinių lygiagrečių tekstynų sukūrimas“. Sukurti sintetiniai lygiagretūs tekstynai, skirti mašininio vertimo sistemų kokybei gerinti ir jų veiksmingumui didinti.
Hugging Face: čia
„Žmogaus fenotipo ontologijos lietuvių kalba sukūrimas“. Parengta lietuviška žmogaus fenotipo ontologija, kuri yra svarbus išteklius medicinos žinių sistemoms ir dirbtinio proto sprendimams kurti.
Hugging Face: čia
„Lietuvių kalbos medicinos garsynas“. Sukurtas specializuotas medicinos srities garsynas, skirtas šnekos atpažinimo modeliams kurti ir gerinti.
Hugging Face: čia
„Lietuvių kalbos garsynas (neuroninių balsų generavimo ir šnekos sintezės tikslams)“. Sukurtas lietuvių kalbos garsynas, sudarantis pagrindą neuroninių balsų generavimo technologijoms ir aukštos kokybės šnekos sintezės sprendimams kurti.
Nuoroda: čia
„Medicinos vienkalbis ir lygiagretieji tekstynai“. Sukurti specializuoti medicinos srities vienkalbis ir lygiagretieji tekstynai, skirti mašininio vertimo sistemoms ir medicinos dirbtinio proto sprendimams kurti bei gerinti.
Nuoroda: čia
„Gynybos ir saugumo vienkalbiai ir lygiagretieji tekstynai“. Sukurti specializuoti gynybos ir saugumo sričių tekstynai, skirti vertimo, kalbos analizės ir kitų kalbos technologijų sprendimams kurti.
Nuoroda: čia
„Klausimų ir atsakymų porų tekstynas“. Sukurtas viešai prieinamas klausimų ir atsakymų tekstynas, sudarantis prielaidas kurti ir gerinti pokalbių sistemas bei generatyvinio dirbtinio proto modelius.
Hugging Face: čia
Šie projektai apima bendrosios paskirties ir specializuotus tekstynus, garsynus, kalbos modelius, ontologijas bei kitus išteklius, skirtus generatyvinio dirbtinio proto, mašininio vertimo, žinių paieškos, šnekos technologijų ir kitų lietuvių kalbos sprendimų kūrimui bei plėtrai.
Parengė Vilniaus universiteto docentas dr. Linas Petkevičius ir LMA Technikos mokslų skyriaus vyriausioji koordinatorė Valerija Paškauskienė
Ypač svarbu, kad lietuvių kalbos garsynas būtų skaitmeninamas iš dar taisyklingai lietuvių kalbos garsais kalbančių asmenų šnekos. Kitaip eisime prie lietuviškos šnekos ne lietuvių kalbos garsais, kas jau dabar girdisi per LRT. Tai vadinčiau garsiniai svetimu lietuvišku šnekėjimu. Toks kelias vestų į skambumą praradusios, dvasiškai negyvos lietuvių šnekos ateitį.
Man tai įdomu, kaip suveiks dirbtinis intelektas išgirdęs : Rusai puola ?