Η AI εκπαιδεύεται στα Ποντιακά, Τσακώνικα και Ρομανί

Σύνοψη

• Η Ελλάδα κατέχει την πρώτη θέση πανευρωπαϊκά με πέντε διακριθέντα ερευνητικά έργα στο πρόγραμμα LINGUA της Microsoft.
• Βασικός στόχος παραμένει η ενσωμάτωση διαλέκτων (Ποντιακά, Τσακώνικα, Αρβανίτικα, Ρομανί, Καππαδοκικά) στα διαθέσιμα δεδομένα εκπαίδευσης συστημάτων Τεχνητής Νοημοσύνης.
• Η οργάνωση ΑΡΣΙΣ εξασφάλισε επιχορήγηση ύψους 50.000 ευρώ για την ψηφιοποίηση γλωσσικού υλικού της γλώσσας Ρομανί.
• Τα έργα CoDAG, LALIES, T.S.A.K.O.N.I.A. και Istorima αποκτούν άμεση πρόσβαση στην τεχνογνωσία του AI for Good Lab και σε πιστώσεις για υποδομές υπολογιστικού νέφους Azure.

Η ενσωμάτωση του συνόλου της ανθρώπινης γνώσης στα μεγάλα γλωσσικά μοντέλα (LLMs) προσκρούει συχνά στο εμπόδιο της περιορισμένης ψηφιακής παρουσίας εκατοντάδων τοπικών διαλέκτων, γεγονός που δημιουργεί νέες μορφές ανισότητας κατά την ανάπτυξη προηγμένων αλγοριθμικών υποδομών. Από τις περίπου 7.000 γλώσσες που ομιλούνται σήμερα παγκοσμίως, η συντριπτική πλειονότητα απουσιάζει από τα σύνολα δεδομένων (datasets) που τροφοδοτούν τα συστήματα μηχανικής μάθησης. Η Ελλάδα καλείται να αντιμετωπίσει την ίδια τεχνολογική πρόκληση, καθώς ιστορικές γλωσσικές ποικιλίες όπως η Ρομανί, η Τσακωνική, η Καππαδοκική, η Ποντιακή και τα Αρβανίτικα διαθέτουν ελάχιστο ψηφιακό αποτύπωμα, κινδυνεύοντας να αποκλειστούν από τα μελλοντικά συστήματα αλληλεπίδρασης.

Η πρωτοβουλία LINGUA της Microsoft, η οποία λειτουργεί υπό την ομπρέλα των ευρύτερων European Digital Commitments της εταιρείας, σχεδιάστηκε ακριβώς για να αντιμετωπίσει το παραπάνω χάσμα υποστηρίζοντας την τεκμηρίωση και την ψηφιακή καταγραφή γλωσσών με περιορισμένα διαθέσιμα δεδομένα. Κατά τη διάρκεια του πρόσφατου ευρωπαϊκού κύκλου αξιολόγησης, η Ελλάδα κατέγραψε εξαιρετική δυναμική κατακτώντας την πρώτη θέση όσον αφορά τον αριθμό των έργων που έλαβαν έγκριση μεταξύ όλων των συμμετεχουσών χωρών. Η επιλογή πέντε διαφορετικών ελληνικών ερευνητικών προτάσεων επιβεβαιώνει την υψηλή κατάρτιση των εγχώριων επιστημονικών ομάδων στον τομέα της επεξεργασίας φυσικής γλώσσας (NLP) και της ψηφιακής διατήρησης.

Στο επίκεντρο της χρηματοδοτικής ενίσχυσης βρίσκεται η Κοινωνική Οργάνωση Υποστήριξης Νέων ΑΡΣΙΣ, η οποία έλαβε το ποσό των 50.000 ευρώ προκειμένου να προχωρήσει στην εκτενή ψηφιοποίηση γλωσσικού υλικού που αφορά τη Ρομανί. Παράλληλα, τέσσερις επιπλέον πρωτοβουλίες εξασφάλισαν πολύτιμους πόρους μέσω πιστώσεων για την πλατφόρμα Azure, καθώς και άμεση πρόσβαση στην εξειδικευμένη τεχνογνωσία των μηχανικών του AI for Good Lab της Microsoft. Οι προσπάθειες αυτές περιλαμβάνουν το έργο CoDAG του Πανεπιστημίου Κρήτης, το πρόγραμμα LALIES που αναπτύσσεται από το Ινστιτούτο Επεξεργασίας του Λόγου του Ερευνητικού Κέντρου «Αθηνά», την πρωτοβουλία T.S.A.K.O.N.I.A. η οποία διαχειρίζεται το Αρχείο της Τσακωνιάς, και τέλος το εγχείρημα Istorima. Η διαδικασία περιλαμβάνει την αυστηρή καταγραφή του προφορικού λόγου, την ψηφιοποίηση φυσικών αρχείων, τη δημιουργία δομημένων γλωσσικών σωμάτων κειμένων (corpora) και την ανάπτυξη εξειδικευμένων ψηφιακών εργαλείων.

Ο Wassim Hamidouche, Principal Research Scientist στο AI for Good Lab της Microsoft, αποσαφήνισε ότι η απουσία επαρκών γλωσσικών δεδομένων υποβαθμίζει δραματικά την αποτελεσματικότητα των εργαλείων τεχνητής νοημοσύνης, εμποδίζοντας την ισότιμη πρόσβαση των ομιλητών των τοπικών διαλέκτων στην τεχνολογία και την ψηφιακή εκπαίδευση. 

Την ίδια στιγμή, η CEO της Microsoft Ελλάδας, Κύπρου, Μάλτας και Αδριατικής, Γιάννα Ανδρονοπούλου, υπογράμμισε την άρρηκτη σύνδεση μεταξύ της γλώσσας και της πολιτιστικής ταυτότητας, δηλώνοντας χαρακτηριστικά πως ήρθε πλέον η ώρα να εκπαιδευτεί η τεχνητή νοημοσύνη ώστε να ακούει όλες τις φωνές, αποτρέποντας την απώλεια σημαντικών στοιχείων της ευρωπαϊκής πολιτιστικής κληρονομιάς. Η στρατηγική επιλογή της Microsoft να ενισχύσει τις συγκεκριμένες υποδομές εντάσσεται στην ευρύτερη επενδυτική της δραστηριότητα στη χώρα μας, η οποία περιλαμβάνει τη δημιουργία συγκροτήματος Datacenters στην Αττική και την υλοποίηση του προγράμματος GRforGrowth, έχοντας ήδη ολοκληρώσει την εκπαίδευση 100.000 Ελλήνων πολιτών στην απόκτηση ψηφιακών δεξιοτήτων.