語(yǔ)言學(xué)家和人工智能專家正在開(kāi)展一項(xiàng)雄心勃勃的計(jì)劃，旨在幫助蘇格蘭蓋爾語(yǔ)在數(shù)字時(shí)代蓬勃發(fā)展。

愛(ài)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(yǔ)字幕系統(tǒng)。

資金還將使該團(tuán)隊(duì)能夠開(kāi)始為蘇格蘭蓋爾語(yǔ)使用者制作一個(gè)類似于ChatGPT的大型語(yǔ)言模型。創(chuàng)建該系統(tǒng)的努力是應(yīng)對(duì)蘇格蘭蓋爾語(yǔ)和其他少數(shù)民族語(yǔ)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(yǔ)言的使用者由于語(yǔ)言技術(shù)不足而無(wú)法參與數(shù)字交流時(shí)，就會(huì)出現(xiàn)這種現(xiàn)象。

研究小組還在幫助開(kāi)發(fā)加拿大土著語(yǔ)言之一Ojibwe的語(yǔ)音識(shí)別系統(tǒng)。

障礙

由于數(shù)據(jù)稀缺，蓋爾語(yǔ)在開(kāi)發(fā)和維護(hù)其語(yǔ)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(guò)人類反饋進(jìn)行微調(diào)。

研究人員將收集大量蓋爾語(yǔ)數(shù)據(jù)，并用它來(lái)生成高質(zhì)量的自動(dòng)語(yǔ)音識(shí)別（ASR）系統(tǒng)，用于媒體，教育和研究。

深度學(xué)習(xí)

該項(xiàng)目將提供急需的蓋爾語(yǔ)字幕技術(shù)，并啟動(dòng)的蓋爾語(yǔ)模型的開(kāi)發(fā)。

研究人員表示，這將有助于保護(hù)數(shù)字領(lǐng)域的語(yǔ)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(duì)訓(xùn)練數(shù)據(jù)是貪婪的，對(duì)于像蓋爾語(yǔ)這樣的少數(shù)民族語(yǔ)言來(lái)說(shuō)，缺乏大規(guī)模數(shù)據(jù)是一個(gè)重大障礙。

該項(xiàng)目旨在通過(guò)生成大量口語(yǔ)蓋爾語(yǔ)訓(xùn)練數(shù)據(jù)來(lái)正面解決這一障礙。該團(tuán)隊(duì)已經(jīng)在 2021 年通過(guò)為蓋爾語(yǔ)開(kāi)發(fā)個(gè)公開(kāi)可用的語(yǔ)音識(shí)別系統(tǒng)實(shí)現(xiàn)了重要的里程碑。

這是關(guān)于匯編大量知識(shí) - 過(guò)去從蓋爾語(yǔ)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(yǔ)使用者。

源材料

盡管需要額外的開(kāi)發(fā)來(lái)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(xiàng)目將為支持此處提議的擴(kuò)大努力所需的知識(shí)庫(kù)奠定基礎(chǔ)。

其中包括15，000頁(yè)轉(zhuǎn)錄的蓋爾語(yǔ)敘事，來(lái)自愛(ài)丁堡大學(xué)的蘇格蘭研究檔案學(xué)院。

該團(tuán)隊(duì)還將訪問(wèn)蘇格蘭蓋爾語(yǔ)數(shù)字檔案館（DASG）的材料。這將包括來(lái)自格拉斯哥大學(xué)Corpas na Gàidhlig的約30萬(wàn)字的文本和來(lái)自DASG的Cluas ri Claisneachd音頻檔案的白話錄音。

這將大大增加蓋爾語(yǔ)語(yǔ)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(xiàng)目，這將有助于蓋爾語(yǔ)在數(shù)字時(shí)代蓬勃發(fā)展，并保護(hù)我國(guó)豐富的語(yǔ)言和文化遺產(chǎn)。

參加會(huì)議的還有另外兩名愛(ài)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(yǔ)音技術(shù)讀者彼得·貝爾博士。

該項(xiàng)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(yǔ)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(dú)特在線記錄。