語言學(xué)家和人工智能專家正在開展一項雄心勃勃的計劃，旨在幫助蘇格蘭蓋爾語在數(shù)字時代蓬勃發(fā)展。

愛丁堡大學(xué)和格拉斯哥大學(xué)的專家已獲得蘇格蘭225，000英鎊的資助，用于制作適合BBC的蓋爾語字幕系統(tǒng)。

資金還將使該團(tuán)隊能夠開始為蘇格蘭蓋爾語使用者制作一個類似于ChatGPT的大型語言模型。創(chuàng)建該系統(tǒng)的努力是應(yīng)對蘇格蘭蓋爾語和其他少數(shù)民族語言面臨的數(shù)字滅絕威脅的更廣泛舉措的一部分。

當(dāng)一種語言的使用者由于語言技術(shù)不足而無法參與數(shù)字交流時，就會出現(xiàn)這種現(xiàn)象。

研究小組還在幫助開發(fā)加拿大土著語言之一Ojibwe的語音識別系統(tǒng)。

障礙

由于數(shù)據(jù)稀缺，蓋爾語在開發(fā)和維護(hù)其語言技術(shù)方面面臨重大障礙。

人工智能程序通常在大型數(shù)據(jù)集上進(jìn)行訓(xùn)練，這些數(shù)據(jù)集通常是從互聯(lián)網(wǎng)上搜索的，然后通過人類反饋進(jìn)行微調(diào)。

研究人員將收集大量蓋爾語數(shù)據(jù)，并用它來生成高質(zhì)量的自動語音識別（ASR）系統(tǒng)，用于媒體，教育和研究。

深度學(xué)習(xí)

該項目將提供急需的蓋爾語字幕技術(shù)，并啟動的蓋爾語模型的開發(fā)。

研究人員表示，這將有助于保護(hù)數(shù)字領(lǐng)域的語言，并為振興工作做出重大貢獻(xiàn)。

所謂的深度學(xué)習(xí)方法對訓(xùn)練數(shù)據(jù)是貪婪的，對于像蓋爾語這樣的少數(shù)民族語言來說，缺乏大規(guī)模數(shù)據(jù)是一個重大障礙。

該項目旨在通過生成大量口語蓋爾語訓(xùn)練數(shù)據(jù)來正面解決這一障礙。該團(tuán)隊已經(jīng)在 2021 年通過為蓋爾語開發(fā)個公開可用的語音識別系統(tǒng)實現(xiàn)了重要的里程碑。

這是關(guān)于匯編大量知識 - 過去從蓋爾語使用者那里收集 - 并在現(xiàn)在以各種形式將其歸還給蓋爾語使用者。

源材料

盡管需要額外的開發(fā)來提高其準(zhǔn)確性，但該技術(shù)已經(jīng)幫助為教學(xué)視頻創(chuàng)建字幕。

一些現(xiàn)有的數(shù)字項目將為支持此處提議的擴(kuò)大努力所需的知識庫奠定基礎(chǔ)。

其中包括15，000頁轉(zhuǎn)錄的蓋爾語敘事，來自愛丁堡大學(xué)的蘇格蘭研究檔案學(xué)院。

該團(tuán)隊還將訪問蘇格蘭蓋爾語數(shù)字檔案館（DASG）的材料。這將包括來自格拉斯哥大學(xué)Corpas na Gàidhlig的約30萬字的文本和來自DASG的Cluas ri Claisneachd音頻檔案的白話錄音。

這將大大增加蓋爾語語言技術(shù)的發(fā)展。令人欣慰的是，DASG的資源正在以這種方式部署并得到進(jìn)一步發(fā)展。

蘇格蘭很自豪能夠支持這一項目，這將有助于蓋爾語在數(shù)字時代蓬勃發(fā)展，并保護(hù)我國豐富的語言和文化遺產(chǎn)。

參加會議的還有另外兩名愛丁堡大學(xué)的研究人員——文本挖掘講師比阿特麗斯·亞歷克斯博士和語音技術(shù)讀者彼得·貝爾博士。

該項目正在與BBC Alba合作進(jìn)行。它還涉及DASG，歷史詞典Faclair na Gàidhlig，蓋爾語媒體服務(wù)MG ALBA和Tobar an Dualchais/Kist o Riches - 蘇格蘭豐富的口頭遺產(chǎn)的獨特在線記錄。