ANŽELIKA GAIDIENĖ

Lietuvių kalbos institutas

ORCID id: orcid.org/0000-0001-8775-788X

Tyrimų sritys: semantika, leksikologija, leksikografija, kompiuterinė lingvistika.

AURELIJA TAMULIONIENĖ

Lietuvių kalbos institutas

ORCID id: orcid.org/0000-0003-0728-1856

Tyrimų sritys: vaikų ir jaunimo kalba, kalbos nuostatos, kompiuterinė lingvistika.

DOI: doi.org/10.35321/all86-08

EUROPOS KALBŲ LYGYBĖ SKAITMENINIAME AMŽIUJE: LIETUVOS ATVEJIS

Europos kalbų lygybė skaitmeniniame amžiuje: Lietuvos atvejis

ANOTACIJA

Straipsnyje nagrinėjama dabartinė lietuvių kalbos technologijų būklė ir pristatoma Europos kalbų lygybės padėtis skaitmeninėje aplinkoje. Tiriami kiekybiniai ir kokybiniai rodikliai, atskleidžiantys kalbų lygybę Europos Sąjungos kontekste, atsižvelgiant į kalbėtojų skaičių, skaitmeninius kalbos išteklius ir technologijas bei jų rėmimą, ypatingą dėmesį skiriant Lietuvos atvejui. Straipsnyje siekiama apžvelgti jau atliktus darbus kalbos technologijų srityje ir nustatyti spragas bei iššūkius, kurie dar turi būti sprendžiami, kai kalbama apie lietuvių kalbą kaip oficialią nacionalinę ir ES kalbą. Pateikiama naujausia lietuvių kalbos technologijų padėties apžvalga, analizuojant skaitmeninius kalbos išteklius ir priemones bei paslaugas. Rezultatai rodo, kad nors per pastaruosius dešimt metų įvyko nemažai pokyčių, švietimo ir kitose srityse vis dar trūksta kalbos išteklių.

RAKTAŽODŽIAI: Europos kalbos, kalbos ištekliai, kalbos priemonės ir paslaugos, kalbų lygybė, kalbos technologijos.

184

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

ANOTACIJA

Straipsnyje rašoma apie lietuvių kalbos technologijų būklę, supažindinama su Europos kalbų lygybės skaitmeninėje terpėje situacija. Nagrinėjami kiekybiniai ir kokybiniai kalbų lygybę atskleidžiantys rodikliai Europos Sąjungos kontekste, atsižvelgiant į kalbėtojų, skaitmeninių kalbos išteklių ir technologijų skaičių bei joms teikiamą paramą, ypatingą dėmesį skiriant Lietuvos atvejo analizei. Šiuo straipsniu siekiama pabrėžti iki šiol kalbų technologijų srityje atliktą darbą ir išryškinti spragas bei atskleisti išbandymus, su kuriais susiduria ir juos sprendžia oficiali nacionalinė ir Europos Sąjungos kalba – lietuvių kalba. Straipsnyje pateikiama naujausia lietuvių kalbos technologijų padėties apžvalga analizuojant skaitmeninius kalbos išteklius ir įrankius / paslaugas. Rezultatai rodo, kad per pastaruosius 10 metų įvyko nemažai pokyčių, bet vis dar trūksta išteklių švietimo ir kitose srityse.

ESMINIAI ŽODŽIAI: Europos kalbos, kalbos ištekliai, kalbos įrankiai / paslaugos, kalbų lygybė, kalbų technologijos.

ĮVADAS

Kalbos technologijos yra tarpusavyje susijusios ir (ne)t­­iesiogiai veikia daugelį kasdienės veiklos sričių: darbą, švietimą, bendravimą ir kt. Kalba yra daugelio skaitmeninių išteklių pagrindas: mobiliųjų įrenginių, socialinių tinklų, virtualiųjų asistentų, vertimo priemonių, rašybos tikrintuvų ir kt. (Pastor et al. 2017: 19). Natūralu, kad ši pažanga ne visiems Lietuvos piliečiams naudinga vienodomis sąlygomis. Turime pripažinti, kad lietuvių kalbai pritaikytų technologijų vis dar trūksta, todėl kalbėtojams dažnai tenka pereiti prie anglų kalbos. Tai ypač svarbu vertinant kalbos gyvybingumą ir galią, nes kalbos technologijų trūkumas ilgainiui gali lemti kalbos vartosenos nykimą. Lietuvių kalbos technologijų padėtis dar neatitinka visų poreikių.

Lietuvos statistikos departamento 2021 m. duomenimis, 16–74 metų amžiaus grupėje internetu naudojasi beveik 87 proc. Lietuvos gyventojų (palyginti su beveik 64,1 proc. 2011 m. ir 74,4 proc. 2016 m.), 16–24 metų amžiaus grupėje – net 100 proc., o 65–74 metų amžiaus grupėje – 55,2 proc.^¹ 2021 m. duomenimis, 81,4 proc. namų ūkių turi asmeninį kompiuterį, o 86,6 proc. – interneto prieigą.^² Internetas daugiausia naudojamas informacijai ieškoti, bendrauti, laisvalaikiui ir bankininkystei: 79 proc. 16–74 metų gyventojų naudojasi

^¹ Prieiga per: https://osp.stat.gov.lt/statistiniu-rodikliu-analize?hash=b3603975-ca07-47cb-aaaf-bc3a3a403a1f#/.

^² Prieiga per: https://osp.stat.gov.lt/lietuvos-statistikos-metrastis/lsm-2019/mokslas-ir-technologijos/informacines-technologijos.

Straipsniai / Articles

185

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

internetu bendrauti; 74 proc. skaito naujienas; 71 proc. internetu naudojasi laisvalaikiu (žiūri filmus ar televizijos laidas, klausosi muzikos, žaidžia arba atsisiunčia įrašus, žaidimus); 68 proc. naudojasi internetinės bankininkystės paslaugomis. Tuo tarpu 27 proc. gyventojų internetu naudojasi mokymosi, profesinio tobulėjimo ar savišvietos tikslais.^³ 2021 m. duomenimis, 82,2 proc. 16–74 metų amžiaus žmonių internetu naudojasi asmeniniais tikslais, pavyzdžiui, 65,2 proc. bendrauja socialiniuose tinkluose, 70,5 proc. gyventojų bendrauja realiuoju laiku (pvz., per „Skype“, „Messenger“, „WhatsApp“, „Viber“, „Snapchat“).^⁴ 2021 m. buvo užregistruota apie 225 000 .lt domenų (palyginti su maždaug 139 000 2012 m. ir maždaug 188 000 2018 m.), iš kurių daugiau kaip 2 000 turi lietuviškus diakritinius ženklus (ė, ž ir kt.). Be to, Lietuva ir toliau išlieka viena iš šviesolaidinio interneto lyderių. Lietuvoje šviesolaidinio tinklo aprėptis siekia 46,8 proc.^⁵

2020 m. spalio 13 d. Lietuvos Respublikos Seimas patvirtino svarbų dokumentą lietuvių kalbai ir jos ateičiai, Lietuvių kalbos plėtros skaitmeninėje aplinkoje ir kalbos technologijų pažangos 2021–2027 m. gaires.^⁶ Gaires parengė Valstybinės lietuvių kalbos komisijos sudaryta darbo grupė. Šios gairės turi padėti užtikrinti visavertį lietuvių kalbos vartojimą skaitmeninėje aplinkoje ir įtvirtinti bei išlaikyti lietuvių kalbos statusą informacinėje visuomenėje. Tam reikia didinti skaitmeninių kalbos išteklių – tekstynų ir garso įrašų rinkinių – apimtį, plėtoti kalbos technologijas ir jų pagrindu kurti viešąsias paslaugas, kad nė viena visuomenės grupė ar regionas nejaustų skaitmeninės atskirties, o užsienio kalbos galėtų lengviau integruotis į Lietuvos visuomenę. Kalbos technologijos turi padėti stiprinti Lietuvos visuomenės ir diasporos ryšius bei mažinti lietuviškai kalbančios bendruomenės atskirtį pasaulinėje žinių visuomenėje (Jaroslavienė, Miliūnaitė 2020).

Gairėse nustatyti esminiai lietuvių kalbos technologijų uždaviniai arba iššūkiai. Jose nurodyta, ką Lietuvoje reikėtų padaryti artimiausiu metu ir kuriomis kryptimis dirbti: 1. Didinti kalbos technologijų srityje dirbančių specialistų kompetenciją ir kelti visuomenės gebėjimo naudotis kalbos technologijų teikiamomis galimybėmis lygį.

^³ Prieiga per: https://osp.stat.gov.lt/skaitmenine-ekonomika-ir-visuomene-lietuvoje-2020/gyvenimas-internete.

^⁴ Prieiga per: https://osp.stat.gov.lt/statistiniu-rodikliu-analize?hash=1194ea01-82ee-4bde-a222-94c5ced50f4e#.

^⁵ Prieiga per: https://ivpk.lrv.lt/lt/naujienos/lietuva-islieka-tarp-pirmajanciu-sviesolaidinio-interneto-lyderiu-2.

^⁶ Prieiga per: https://www.e-tar.lt/portal/lt/legalAct/71152ab00eee11ebb74de75171d26d52.

186

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

2. Kaupti ir gausinti atvirus, patikimus, aukštos kokybės, pakartotinai naudojamus skaitmeninius kalbos išteklius ir kitus skaitmeninių kalbos duomenų rinkinius. 3. Plėtoti kalbos technologijų infrastruktūrą, kalbos technologijų taikymą viešajame sektoriuje ir viešosiose paslaugose, kurti ir tobulinti viešai prieinamus informacinių technologijų sprendimus bei priemones (Guidelines 2020).

Džiugu žinoti, kad pritaikant lietuvių kalbą skaitmeninei aplinkai padaryta didelė pažanga: sukurta nemažai skaitmeninių kalbos išteklių ir pagrindinių kalbos analizės priemonių, sudėtingų internetinių kalbos paslaugų, lietuvių kalbos ontologija, lokalizuota nemažai kompiuterinių programų ir priemonių. Visuomenei aktuali taikomoji kompiuterių programinė įranga verčiama į lietuvių kalbą, atliekami kompiuterijos terminų standartizavimo darbai. Lietuvos tyrėjai aktyviai dalyvauja tarptautinių asociacijų bendradarbiavimo ir judumo veiklose, susiformavo lietuvių kalbos specialistų, dirbančių informacinių technologijų taikymo srityje ir sistemingai plėtojančių novatorišką veiklą šioje srityje, branduolys. Lietuva taip pat siekia, kad visi piliečiai turėtų visapusišką prieigą prie skaitmeninių sprendimų, todėl labai svarbi jų pritaikymo žmonėms su negalia politika (Guidelines 2020).

Šio straipsnio objektas – lietuvių kalbos skaitmeniniai ištekliai ir priemonės bei paslaugos. Straipsnyje siekiama ištirti duomenis apie lietuvių kalbos skaitmeninius išteklius ir, atsižvelgiant į bendrą Europos kontekstą, parodyti dabartinę lietuvių kalbos raidos skaitmeninėje aplinkoje būklę. Šis tikslas apima šiuos uždavinius: 1) aptarti lietuvių kalbos technologijų būklę daugiakalbiame Europos kontekste; 2) išanalizuoti tyrimo metu surinktus empirinius duomenis; 3) nustatyti pagrindines stiprybes, silpnybes, galimybes ir grėsmes, lemiančias lietuvių kalbos padėtį skaitmeninėje aplinkoje. Tyrimo duomenys buvo surinkti⁷ 2021–2022 m. įgyvendinant Europos Komisijos finansuotą projektą „Europos kalbų lygybė“⁸ (toliau – ELE).

⁷ Autorė dėkoja Valstybinei lietuvių kalbos komisijai, Vilniaus universitetui, Vytauto Didžiojo universitetui ir „Tilde IT“ už pagalbą renkant duomenis apie kalbos išteklius.

⁸ Dvidešimt keturios oficialiosios kalbos ir daugiau kaip 60 regioninių bei mažumų kalbų sudaro ES kalbinio kraštovaizdžio pagrindą. Šis projektas atliepia šį raginimą ir sudaro pagrindą strateginei darbotvarkei bei veiksmų planui, kad iki 2030 m. skaitmeninė kalbų lygybė Europoje taptų tikrove. Pagrindinis ELE tikslas – parengti Europos kalbų lygybės programą – strateginę mokslinių tyrimų, inovacijų ir įgyvendinimo darbotvarkę bei veiksmų planą, skirtus visavertei skaitmeninei kalbų lygybei Europoje pasiekti iki 2030 m. Ši programa parengta kartu su visa Europos kalbos technologijų, kompiuterinės lingvistikos ir į kalbą orientuoto dirbtinio intelekto bendruomene, taip pat su atitinkamų iniciatyvų ir asociacijų atstovais, kalbų bendruomenėmis

Straipsniai / Articles

187

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

Metaduomenų rinkimo veiklų tikslas buvo nustatyti komponentus, lemiančius lietuvių kalbos technologinio palaikymo lygį.

Pirmajame metaduomenų rinkimo etape daugiausia dėmesio skyrėme lietuvių kalbos ištekliams ir technologijoms, t. y. tekstynams, kitaip – duomenų rinkiniams (neapdoroto ar anotuoto, vienakalbio arba dvikalbio ir daugiakalbio, vienarūšio arba daugiarūšio, teksto segmentų ar dokumentų, garso įrašų išrašų, scenarijų, garso ir vaizdo įrašų ir kt. rinkiniams, taip pat besimokančiųjų ir gestų kalbos tekstynams); kalbos aprašams, apimantiems kalbos modelius ir kompiuterines gramatikas; leksiniams / konceptualiesiems ištekliams, apimantiems kompiuterinius leksikonus, terminologijos duomenų bazes, vietovardžių žinynus, ontologijas, terminų sąrašus, tezaurus ir kt.; priemonėms bei paslaugoms: paslaugoms, teikiamoms per žiniatinklį, kitus tinklus arba veikiančioms debesijoje, taip pat atsisiunčiamoms priemonėms, pradiniam kodui ir kt. (Giagkou, Piperidis 2021: 9). Tai apima pagrindines Europos kalbų NLP priemones (morfologinius analizatorius, kalbos dalių žymiklius, lematizatorius, sintaksinius analizatorius ir kt.), tekstų rengimo priemones (pvz., rašybos, gramatikos ir stiliaus tikrintuvus), informacijos paieškos, išgavimo ir gavybos, teksto ir kalbos analizės, mašininio vertimo, natūraliosios kalbos supratimo ir generavimo, kalbos technologijų ir kt. priemones bei paslaugas. Antrajame etape buvo atliktas papildomas metaduomenų rinkimo etapas. Antrajame etape daugiausia dėmesio skyrėme LT suinteresuotiesiems subjektams Europoje ir nacionaliniams bei Europos LT orientuotiems projektams, viešajam LT / NLP / AI finansavimui ar kitiems kontekstiniams veiksniams, galintiems išryškėti iš preliminaraus ELE apibrėžimo (Giagkou, Piperidis 2021: 9).

Surinkti lietuvių kalbos ištekliai buvo aprašyti vienoje metaduomenų formoje, kurią turėjo užpildyti visi ELE nariai; joje buvo pateikti šie privalomi ir rekomenduojami elementai. Privalomi elementai: išteklių tipas (išteklių klasifikacija pagal tipus: tekstynai, leksiniai / konceptualieji ištekliai, gramatikos / (kalbos) modeliai, priemonės / paslaugos); ištekliaus pavadinimas (žmogui suprantamas pavadinimas arba antraštė, kuria išteklius žinomas); nukreipiamasis puslapis; aprašas (trumpas laisvos formos tekstas, suteikiantis informacijos apie išteklių); kalba (-os) (kalba (-os), kurioms skirtas tekstynas arba leksinis / konceptualusis išteklius, arba įrankio / paslaugos įvesties kalba); tekstyno poklasis; leksinio / konceptualiojo ištekliaus poklasis; gramatikos / modelio poklasis; dalių medijos tipas (-ai) (tik tekstynams ir leksiniams / konceptualiesiems ištekliams); įvesties medijos tipas (-ai) (tik priemonėms / paslaugoms); priklausomybė nuo kalbos (tik priemonėms / paslaugoms) ir kt. Rekomenduojami elementai: trumpasis ištekliaus pavadinimas; finansavimo tipas; ištekliaus paskelbimo metai; licencija; šaltinio pradinis puslapis; organizacija / teikėjas – organizacija, atsakinga už ištekliaus teikimą, tvarkymą, priežiūrą ir prieinamumą; ir kt.

— ir RML grupes (daugiau informacijos apie projektą rasite: https://european-language-equality.eu/about/).

188

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

1. EUROPOS KALBŲ LYGYBĖ: (NE)ĮMANOMA?

Europos Sąjungos (toliau – ES) kalbinis kraštovaizdis yra turtingas ir įvairus. Jį sudaro 24 oficialiosios kalbos ir daugiau kaip 60 nacionalinių bei regioninių kalbų. Ši kalbinė ir kultūrinė įvairovė yra esminė kiekvienos valstybės paveldo dalis, kuri ES labai vertinama ir skatinama, ypač daug dėmesio skiriant daugiakalbystei. Daugiakalbystė, kaip ES vertybė, grindžiama šūkiu „Suvienyti įvairovėje“, kuris pirmą kartą pradėtas vartoti 2000 m.^⁹ ES ypatingą dėmesį skiria regioninėms ar mažumų kalboms, įsipareigodama jas saugoti: „Europos regioninių arba mažumų kalbų chartija yra Europos konvencija, skirta tradicinių mažumų vartojamoms kalboms apsaugoti ir skatinti. Kartu su Tautinių mažumų apsaugos pagrindų konvencija ji išreiškia Europos Tarybos įsipareigojimą saugoti tautines mažumas.“^¹⁰ Europos kalbų lygybė vieningai pripažįstama kaip viena didžiausių ES stiprybių. Tačiau ji kelia ir nemažai iššūkių, nes kiekvienos valstybės demografinė, geopolitinė, kultūrinė ir kt. padėtis yra skirtinga, todėl neišvengiamai susiduriama su įvairiomis kliūtimis, įskaitant kalbines; kalbos technologijų srityje egzistuoja didelė atskirtis. Tai taip pat pabrėžiama Europos Parlamento priimtoje rezoliucijoje „Kalbų lygybė skaitmeniniame amžiuje“.^¹¹

ES oficialiųjų kalbų vartotojų skaičiai rodo (žr. 1 pav.), kad penkios daugiausia vartojamos kalbos yra šios: anglų (apie 30 proc.), vokiečių (17 proc.), prancūzų (15 proc.), ispanų (8 proc.) ir italų (7 proc.).

Dominuojančių kalbų (penkių pagrindinių) duomenys nesikeičia, jei vertinamos visos ES kalbos (pvz., žr. 2 pav.). Nuo pat ES įkūrimo aiškiai deklaruojama, kad Europa išlaiko savo kalbinę ir kultūrinę įvairovę; šiam tikslui skiriamos didelės lėšos (Rehm, Uszkoreit 2013: 12–14). Tačiau dabartinė padėtis rodo, kad kalbos, kuriomis kalba mažiau žmonių, vis dar susiduria su įvairiomis kalbinėmis kliūtimis, todėl nuolat diskutuojama, kaip skaitmeninėmis priemonėmis mažinti šią kalbų nelygybę, nes be technologinės pagalbos neįmanoma išmokti tiek daug ES kalbų.

^⁹ Daugiau informacijos: https://european-union.europa.eu/principles-countries-history/symbols/eu-motto_lt.

^¹⁰ Daugiau informacijos: https://www.coe.int/en/web/european-charter-regional-or-minority-languages?.

^¹¹ Daugiau informacijos: https://www.europarl.europa.eu/doceo/document/TA-8-2018-0332_EN.html.

Straipsniai / Articles

189

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

1 pav.: ES oficialiųjų kalbų vartotojų skaičius ¹²

Jei Europos kalbų lygybės padėtį vertinsime pagal kalbėtojų skaičių, matysime, kad visas ES kalbas galima suskirstyti taip: pažeidžiamiausios kalbos yra sąrašo viršuje (2 pav.), o šis kalbų sąrašas gana ilgas; sąlyginę ribą galėtume brėžti iki estų kalbos. Vidurinę grupę sudaro kalbos, kuriomis kalba gana nedaug žmonių, tačiau pagal kitus kalbos technologijų ir technologinio palaikymo rodiklius jos užima aukštesnes pozicijas (3 pav.). Apačioje matome ES oficialiųjų kalbų, užimančių stipriausias pozicijas pagal kalbėtojų skaičių ir kitus rodiklius, sąrašą (žr. toliau). Nepaisant to, kad regioniniu mastu pripažintos kalbos gali funkcionuoti lygiomis sąlygomis su kitomis ES kalbomis, nereikėtų atmesti prielaidos, kad oficialiosios kalbos turi stipriausią statusą, o technologinė atskirtis vis dar labai didelė.

¹² Duomenys iš: https://european-language-equality.eu/languages/.

190

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

2 pav.: ES kalbų vartotojų skaičius

Naujausi 2022 m. kalbos išteklių ir jų plėtrai skirto palaikymo duomenys (žr. 3 pav.) rodo, kad anglų kalba vis dar yra geriausiai palaikoma. Prancūzų, vokiečių ir ispanų kalbos taip pat konkuruoja, o kai kuriais aspektais jų rezultatai panašūs į anglų kalbos. Kitos oficialiosios ES kalbos palaikomos vidutiniškai, tačiau kai kurios kalbos palaikomos silpnai arba visai nepalaikomos. Nacionalinės ar regioninės kalbos taip pat sulaukia fragmentiško palaikymo; kitų kalbų palaikymo lygis yra ribinis. Analizė leidžia daryti bendrą išvadą, kad nė viena natūralioji kalba nėra optimaliai palaikoma technologijomis, t. y. reikiamas palaikymo lygis nepasiektas nė vienai kalbai, net anglų (Gaidienė, Tamulionienė 2022: 17).

Straipsniai / Articles

191

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

3 pav.: Technologinio palaikymo būklė 2022 m. (paveikslas iš: Gaidienė, Tamulionienė 2022: 17). Šviesiai pilka: silpnas / jokio palaikymo; pilka: fragmentiškas palaikymas; tamsiai pilka: geras palaikymas

192

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

Įgyvendinant ELE projektą buvo palygintas kiekvienos kalbos pažangos lygis nuo 2012 m. (daugiau informacijos žr. Vaišnienė, Zabarskaitė 2012). Matome (žr. 4 pav.), kad kalbų technologinis lygis labai pasikeitė (pvz., plačiai pradėti naudoti virtualieji asistentai, pokalbių robotai, pagerėjo teksto analizės galimybės ir kt.). Šios analizės rezultatai rodo tik santykinę kalbų padėtį, o ne konkrečios kalbos pasiektą pažangą. Per pastaruosius dešimt metų kalbos technologijų srityje padaryta didelė pažanga, tačiau atotrūkis tarp geriausiai palaikomų ir mažiau palaikomų kalbų vis dar akivaizdus.

4 pav.: Bendra pasirinktų Europos kalbų technologinio palaikymo būklė (2022 m.) (paveikslas iš: Gaidienė, Tamulionienė 2022: 18)

Sunku pasakyti, ar įmanoma pasiekti Europos kalbų lygybę. Lyginant kalbėtojų skaičių, kalbos išteklius ir technologijas bei jiems teikiamą palaikymą, atotrūkis yra didelis. ELE projekto ataskaitoje „Kalbos technologijų būklės 2030 m. ataskaita“ pabrėžiama, kad iki 2030 m. ypač svarbu pasiekti du tikslus: „1) neuroniniai kalbos modeliai ir susiję metodai yra pagrindiniai LT pažangos veiksniai. Todėl gebėjimas kurti tokius pat kokybiškus neuroninius kalbos modelius kitoms kalboms, kaip anglų kalbai, yra labai svarbus kalbų lygybei; 2) daugiakalbiai duomenys yra pagrindinis elementas, padedantis mokyti tokius modelius įvairiomis kalbomis. Neturėtume laikyti savaime suprantamu dalyku, kad didelius viešai prieinamus geros kokybės tekstynų kiekius galima lengvai gauti visoms Europos kalboms, veikiau yra priešingai.“

Straipsniai / Articles

193

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

Pastangos užtikrinti, kad visos kalbos turėtų didelius viešai prieinamus geros kokybės tekstynus, atsižvelgiant į teisingumo klausimus, turėtų būti bet kokių būsimų pastangų siekiant SKL centre“¹³“¹⁴. ELE projekte tam skiriama daugiau dėmesio; planuojama parengti išsamų strateginį planą, kuriame iki 2030 m. būtų nustatyti konkretūs veiksmai.

2. KALBOS DUOMENŲ IR PRIEMONIŲ PRIEINAMUMAS

Kaip minėta anksčiau, duomenys apie prieinamus skaitmeninius lietuvių kalbos išteklius buvo surinkti įgyvendinant ELE projektą. Iš viso surinkti ir aprašyti 218 lietuvių kalbos skaitmeninių išteklių, kurių didžiausią dalį sudaro leksiniai / konceptualieji ištekliai (139; 64 proc.); toliau eina priemonės / paslaugos (53; 24 proc.); trečioje vietoje – tekstynai (24; 11 proc.), o gramatikos / kalbos modeliai¹⁵ (2; 1 proc.) užima ketvirtąją vietą (žr. 5 pav.).

5 pav.: Lietuvių kalbos skaitmeninių išteklių tipai

¹³ SKL: skaitmeninė kalbų lygybė.

¹⁴ Prieiga per: https://european-language-equality.eu/wp-content/uploads/2022/05/ELE___Deliverable_D2_18__Report_on_State_of_LT_in_2030_.pdf.

¹⁵ Lietuva atsilieka pagal skaitmeninius gramatikos / kalbos modelio išteklius; kadangi šioje srityje nustatyti vos keli ištekliai, straipsnyje jie atskirai nenagrinėjami.

194

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

Kiekviena skaitmeninių išteklių grupė straipsnyje bus aptarta atskirai, pateikiant žinomiausių ir didžiausių išteklių, priemonių bei elektroninių paslaugų pavyzdžius.

2.1. Leksiniai / konceptualieji ištekliai

Žodynai / leksikonai sudaro didžiausią leksinių / konceptualiųjų išteklių dalį (77 proc.), po jų eina terminologijos ištekliai (15 proc.). Leksiniams / konceptualiesiems ištekliams taip pat priskiriamos ontologijos ir žodžių tinklai (4 proc.).

Daugumą skaitmeninių žodynų parengė Lietuvių kalbos institutas, juos galima rasti lietuvių kalbos išteklių informacinėje sistemoje E. KALBA¹⁶.

E. KALBA suteikia prieigą prie naujausio aprašomojo norminio Bendrinės lietuvių kalbos žodyno¹⁷, kuriame šiuo metu yra 74 062 antraštiniai žodžiai (visų žodyno straipsnių, prasidedančių raidėmis B, C, Č, D, E, Ę, Ė, F, G, H, I, J, O, R, Z, Ž, ir visas žodyno vardynas prieinami internete). Į žodyną įtraukiama tūkstančiai naujų žodžių ir naujų reikšmių; antraštiniai žodžiai iliustruojami daugybe autentiškų realios kalbos vartosenos pavyzdžių.

Lietuvių kalbos išteklių informacinėje sistemoje E. KALBA taip pat prieinami kiti vienakalbiai aprašomieji žodynai: Dabartinės lietuvių kalbos žodynas¹⁸ (8^th-asis pataisytas ir atnaujintas leidimas, kuriame yra 48 342 antraštiniai žodžiai) ir Lietuvių kalbos žodynas¹⁹ (atspindintis lietuvių kalbos leksiką nuo 16^th a. iki 20^th a. pabaigos. Žodyne yra 310 659 antraštiniai žodžiai). E. KALBA taip pat siūlo specializuotus žodynus: nuolat atnaujinamą Lietuvių kalbos naujažodžių duomenyną²⁰ (jame pateikiami nauji žodžiai (skoliniai ir naujadarai), žodžių junginiai ir santrumpos arba naujos žodžių reikšmės, į lietuvių kalbą atėjusios nuo 20^th a. pabaigos ir šiuo metu vartojamos viešai, taip pat informacija apie jų kilmę, vartoseną ir norminimą. Šiuo metu jame yra daugiau kaip 7 000 įrašų); Sinonimų žodynas^,21 Antonimų žodynas^{,22 The}

¹⁶ Available at: https://ekalba.lt. ¹⁷ Available at: https://ekalba.lt/bendrinės-lietuvių-kalbos-žodynas/. ¹⁸ Available at: https://ekalba.lt/dabartinės-lietuvių-kalbos-žodynas/. ¹⁹ Available at: https://ekalba.lt/lietuvių-kalbos-žodynas/. ²⁰ Available at: https://ekalba.lt/naujazodžiai/naujienos. ²¹ Available at: https://ekalba.lt/sinonimų-žodynas/. ²² Available at: https://ekalba.lt/antonimų-žodynas/.

Strаipsniai / Articles

195

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

Frazeologijos žodynas,²³ Palyginimų žodynas,²⁴ ir kt. Taip pat galima rasti įvairių dvikalbių žodynų,²⁵ pvz., lietuvių–anglų ir anglų–lietuvių; lietuvių–vokiečių ir vokiečių–lietuvių; lietuvių–latvių ir latvių–lietuvių ir kt.

Į leksikonų kategoriją patenka įvairios kartotekos,²⁶ pvz., Lietuvių kalbos žodyno Pagrindinė kartoteka, Papildymų kartoteka ir Tarmių kartoteka ir kt.

Kalbant apie terminologinius išteklius, The Term Bank of the Republic of Lithuania,²⁷ turinio požiūriu didžiausias ir patikimiausias lietuviškų terminų šaltinis, yra plačiausiai žinomas. Pagrindiniai šio terminų banko šaltiniai yra teisės aktai ir terminų žodynai (galima rasti daugiau kaip 255 000 terminų įrašų). Banke pateikiami įvairių sričių terminų rinkiniai (iš viso 26 sritys, pavyzdžiui, politika, gynyba, finansai, aplinka, transportas, kultūra, sveikata ir kt., kurios dar skirstomos smulkiau). The Database of Terms of the Lithuanian Standards Board²⁸ apima standartų terminų rinkinį. Šiuo metu jame yra 76 000 terminų įrašų. Lietuvių kalbos išteklių informacinė sistema RAŠTIJA.LT²⁹ suteikia galimybę atlikti paiešką 32 terminų žodynuose. Terminų sritys priklauso nuo žodynų: juose pateikiami elektros inžinerijos, kompiuterių, vadybos, kalbinės didaktikos, matematikos, metrologijos, meteorologijos ir kt. terminai.

Lietuvoje yra nedaug ontologijų ir semantinių tinklų. Tai General Ontology of the Lithuanian Language, atvirosios prieigos lietuviškų medicinos terminų ontologija Snomed CT,³⁰ elektroninė paslauga E-terms,³¹ apimanti šių sričių ontologijas: The Ontology of Human Anatomy Terms (7 500 terminų), The Ontology of Economy Terms (500 terminų) ir The Ontology of Computer Hardware and Parts (1 000 terminų). Turime keletą lietuvių kalbos žodynų tinklų, kuriuos galima toliau plėsti: LitWorNet³² (daugiau,

²³ Prieiga: https://ekalba.lt/frazeologijos-zodynas/.

²⁴ Prieiga: https://ekalba.lt/palyginimu-zodynas/.

²⁵ Prieiga: https://ekalba.lt.

²⁶ „Skaitmeninis žodynas (arba leksikonas) yra įrašų (paprastai pavienių žodžių arba keliažodžių junginių) sąrašas, papildomai galintis būti praturtintas kita informacija“ (Pastor et. al. 2017: 29).

²⁷ Prieiga: http://terminai.vlkk.lt/.

²⁸ Prieiga: https://www.lsd.lt/index.php?-45228422.

²⁹ Prieiga: https://raštija.lt.

³⁰ Prieiga: https://www.snomed.lt/snomed-ct-pritaikomumas-uzsienio-salyse-elektroninis-sveikatos-irasas-ligonines-valdymo-irankis-palaikomas-snomed-ct/.

³¹ Prieiga: https://ekalba.lt/esavokos/.

³² Prieiga: http://mackus.vdu.lt/LitWordNet/.

196

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

žr. Vitkutė-Adžgauskienė et al. 2015) ir WordNet³³ (su 24 000 sinsetų, iš kurių 10 000 susieti su Princeton WordNet sinsetais).

2.2. Įrankiai ir paslaugos

Didžiausią skaitmeninių įrankių ir paslaugų dalį sudaro teksto ir duomenų analizė (36%); po jos eina kalbos atpažinimas (15%), gramatikos tikrinimas ir rašybos tikrinimas (8%), mašininis vertimas (6%) ir kita. Kalbant apie įrankius ir paslaugas, reikia pridurti, kad jie priklauso nuo kalbos (98%), o tekstas (80%) yra vyraujantis įvesties terpės tipas.

Pirmiausia paminėtinos jau sukurtos mašininio vertimo sistemos. „Tilde informacinės technologijos“ UAB nemokamai suteikia galimybę naudotis neuroniniais tinklais pagrįstu daugiakalbio mašininio vertimo įrankiu Tilde Translator,³⁴. Pasak jo kūrėjų, „šis statistinis mašininio vertimo įrankis yra geriausias rinkoje ir pritaikytas lietuvių–anglų, anglų–lietuvių, latvių–anglų ir anglų–latvių kalbų poroms. Taip pat galima naudotis taisyklėmis pagrįsta mašininio vertimo sistema, skirta versti iš latvių į rusų kalbą“.³⁵ Šiuo metu Tilde Translator galima versti iš lietuvių kalbos į vokiečių, lenkų, anglų, ukrainiečių ir rusų kalbas.

Mašininio vertimo sistema ALPMAVIS naudotojams prieinama nemokamai.³⁶ Ši sistema apima šias kalbų poras: lietuvių–anglų–lietuvių, lietuvių–prancūzų–lietuvių, lietuvių–vokiečių–lietuvių, lietuvių–lenkų–lietuvių ir lietuvių–rusų–lietuvių. Minėta sistema pritaikyta bendrosios, teisės ir IT sričių tekstams.³⁷

Taip pat paminėtinos už Lietuvos ribų sukurtos nemokamos vertimo sistemos, pavyzdžiui, Google Translate, Microsoft Bing Translator, eTranslation ir kt. Pastaroji vertimo sistema vyriausybinėms institucijoms prieinama nemokamai ir geriau pritaikyta administracinių bei teisės tekstų vertimui.

Naudotojams sukurta įvairių paslaugų, kuriose kalbos atpažinimo technologija skirta kompiuteriams valdyti balsu, pavyzdžiui, Browser³⁸ (naršymas

33 Prieiga: https://ekalba.lt/zodziu-prasmiu-tinklas/?p=1. 34 Prieiga: https://translate.tilde.com/#/. 35 Daugiau informacijos: https://www.tilde.lt/kalbines-technologijos/tilde-vertykle. 36 Prieiga: https://vertimas.vu.lt/Home/About. 37 Daugiau informacijos: https://vertimas.vu.lt/Home/About. 38 Prieiga: https://raštija.lt/liepa/paslaugos-vartotojams/narsytuvas/.

Straipsniai / Articles

197

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

balsu); Controller³⁹ (kompiuterio valdymas balsu); Searcher⁴⁰ (UNESCO paveldo išteklių paieška balsu); Recognizer⁴¹ (mokymasis valdyti balsu); Helper⁴² (neįgaliųjų valdymas balsu); Coaching Robot Controller⁴³ (humanoidinio roboto valdymas vaikams); Taxi Caller⁴⁴; Caller⁴⁵ (skambinimas telefono kontaktams); Interlingual Communicator⁴⁶ (lietuvių–kinų), ir kt. Taip pat nemokamai prieinama kalbos atpažinimo programa,⁴⁷ kuri paverčia iš anksto įrašyto garso failo arba tikruoju laiku diktuojamą kalbą tekstu.

Kai kuriose Lietuvoje sukurtose paslaugose naudojama kalbos sintezės technologija, pavyzdžiui, Pronouncer⁴⁸ (lietuvių kalbos naujadarų garso žodynas); The Lithuanian Speech Synthesiser for the Blind⁴⁹ (su SAPI5 suderinamas lietuvių kalbos sintezatorius, garsiai perskaitantis tai, kas rodoma kompiuterio monitoriuje); The Mobile Synthesiser for the Blind⁵⁰; The Online News Reader⁵¹ (lietuviškų naujienų rinkimas ir skaitymas sintezuotu balsu). Taip pat nemokamai prieinama kalbos sintezės programa,⁵² paverčianti tekstą kalba.

Pagrindiniai nemokami atvirojo kodo įrankiai, skirti lietuviškų skaitmeninių tekstų pagrindinei analizei, buvo sukurti vykdant įvairius projektus Lietuvoje, būtent segmentavimo įrankis, lematizatorius, morfologinis analizatorius, kalbos dalių žymiklis, sintaksinis analizatorius, rašybos tikrintuvas, teksto normalizatorius, išplėstinės lietuviško teksto indeksų paieškos sprendimas, keliažodžių junginių ištraukiklis ir kt. (Guidelines 2020).

Taip pat yra nemokamų atvirojo kodo kalbos identifikavimo ir semantinės analizės sprendimų: paprastas ir aspektinis nuomonių (sentimentų) analizatorius,⁵³ neapykantos

39 Available at: https://raštija.lt/liepa/paslaugos-vartotojams/valdy­tuvas/.

40 Prieiga: https://raštija.lt/liepa/paslaugos-vartotojams/ieskotuvas/.

41 Prieiga: https://raštija.lt/liepa/paslaugos-vartotojams/pazin­tuvas/.

42 Available at: https://raštija.lt/liepa/paslaugos-vartotojams/pagalbininkas/.

43 Available at: https://raštija.lt/liepa-2/paslaugos-vartotojams/ugdanciojo-roboto-valdytuvas/.

44 Available at: https://raštija.lt/liepa-2/paslaugos-vartotojams/taksi-iskviestuvas/.

45 Available at: https://raštija.lt/liepa-2/paslaugos-vartotojams/skambintuvas/.

46 Available at: https://raštija.lt/liepa-2/paslaugos-vartotojams/tarpkalbinis-komunikatorius/.

47 Prieiga: https://www.tilde.lt/snekos-technologijos.

48 Prieiga: https://liepa.rastija.lt/Tartuvas/Naujienos?_ga=2.104838787.241622064.1643131617-1654665649.1643131617.

49 Available at: https://raštija.lt/liepa/paslaugos-vartotojams/sintezatorius-akliesiems/.

50 Available at: https://raštija.lt/liepa-2/paslaugos-vartotojams/mobilusis-sintezatorius-akliesiems/.

51 Available at: https://raštija.lt/liepa-2/paslaugos-vartotojams/interneto-naujienu-skait­ytuvas/.

52 Prieiga: https://www.tilde.lt/snekos-technologijos.

53 Prieiga: https://ekalba.lt/nuomoniu-analize/.

198

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

kalbos atpažinimo įrankis,⁵⁴ automatinė dokumentų santraukų sudarymo paslauga,⁵⁵ identifikuotų esybių atpažinimo įrankis (Guidelines 2020).

2.3. Korpusai

Lietuva toliau kuria ir plėtoja bendruosius kalbos duomenis ir išteklius, reikalingus kalbos technologijoms ir jų taikomosioms programoms kurti. Lietuvoje yra keletas korpusų, tarp kurių vyrauja anotuoti korpusai (91%), o tekstas (96%) yra pagrindinis korpusų dalių terpės tipas.

The Corpus of the Contemporary Lithuanian Language⁵⁶ yra didžiausias lietuvių kalbos korpusas. Jame yra 140 921 288 žodžiai (grožinė literatūra – 11,6%, negrožinė literatūra – 14,2%, administracinė literatūra – 10%, leidiniai – 63,8%, sakytinė kalba – 0,3%). Korpusas pradėtas sudaryti 1992 m., o paskutinį kartą atnaujintas 2011 m.

Taip pat yra morfologiškai ir sintaksiškai anotuotų korpusų. Morphologically Annotated Lithuanian Corpus MATAS⁵⁷ apimtis – 1,6 mln. žodžių (36% tekstų iš periodinių leidinių, 24% tekstų iš mokslinės literatūros, 19% tekstų iš grožinės literatūros, 2,8% administracinių tekstų, 6,8% Lietuvos Respublikos Seimo stenogramų). Korpusas parengtas pusiau automatiniu būdu, o rezultatus peržiūrėjo kalbininkai. Korpusas atskleidė didelio masto morfologinį lietuvių kalbos daugiareikšmiškumą, t. y. beveik pusė visų formų yra morfologiškai daugiareikšmės. Naujausia Lithuanian Treebank ALKSNIS⁵⁸ versija (ALKSNIS 3.0) pateikia 3 643 sintaksiškai anotuotus sakinius PML (Prague Mark-up Language) formatu.

Lietuvoje pradėti kurti keli lygiagretieji korpusai. Parallel Corpus⁵⁹ sudaro čekų–lietuvių žodžiai (20,29%), anglų–lietuvių žodžiai (76,6%), lietuvių–čekų žodžiai (0,8%) ir lietuvių–anglų žodžiai (2,31%). LILA parallel Corpus⁶⁰ sukurtas pusiau automatiniu būdu, tekstus sulygiuojant pastraipų ir sakinių lygmeniu. Korpusą sudaro 1991 m. ir vėliau paskelbti tekstai. Bendra korpuso apimtis – 8 782 050 žodžių:

⁵⁴ Prieiga: http://hatespeech.vdu.lt.

⁵⁵ Prieiga: https://www.semantika.lt/Analysis/Summary.

⁵⁶ Prieiga: http://tekstynas.vdu.lt/tekstynas/.

⁵⁷ Prieiga: https://klc.vdu.lt/matas-morfologiskai-anotuotas-tekstynas/.

⁵⁸ Prieiga: https://klc.vdu.lt/alksnis-sintaksiskai-anotuotas-tekstynas/.

⁵⁹ Prieiga: https://klc.vdu.lt/lygiagretus-tekstynas/.

⁶⁰ Prieiga: https://klc.vdu.lt/lila-lygiagretusis-tekstynas/.

Straipsniai / Articles

199

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

Lietuvių–latvių tekstai sudaro didžiausią dalį (3 448 745 žodžiai), o latvių–lietuvių tekstų yra perpus mažiau (1 695 160 žodžių). Tokią asimetrinę duomenų sudėtį lėmė pastaraisiais metais didesnis iš lietuvių į latvių kalbą išverstų tekstų skaičius, palyginti su vertimais priešinga kryptimi.

Yra ir kitų tipų korpusų, pavyzdžiui, The Corpus of the Spoken Lithuanian Language,⁶¹ The compendium of textbook texts KLASIUS⁶²; The Corpus of the Old Lithuanian Language⁶³; CorALit⁶⁴: Corpus Academicum Lithuanicum ir kt.

Užtikrinama atvira prieiga prie daugumos korpusų duomenų.

Apibendrinant galima teigti, kad esamų skaitmeninių kalbos išteklių ir įrankių bei paslaugų kūrimas ir plėtra liudija didelę pažangą Lietuvoje; netgi sukurta keletas lietuvių kalbos išteklių ir įrankių bei paslaugų infrastruktūrų (E. KALBA, RAŠTĮJA.LT ir kt.), suteikiančių nemokamą prieigą prie įvairių skaitmeninių žodynų, leksikonų ir kt. bei siūlančių įvairias balsu valdomas paslaugas, pagrindinės lietuviškų skaitmeninių tekstų analizės priemones, nemokamus atvirojo kodo įrankius ir kt. Kuriami ir toliau plėtojami įvairūs korpusai bei mašininio vertimo sistemos. Vis dėlto trūksta daugialypės terpės kalbos duomenų, mašininiam vertimui skirtų lygiagrečiųjų korpusų, įvairių sakytinės kalbos korpusų ir kt. Kalbant apie teksto semantiką, tebėra spragų, nes trūksta kokybiškų žodynų tinklų, ontologijų ir kt. Gramatikos sritis šiuo metu gana apleista: trūksta skaitmeninių gramatikų ir kitų technologinių priemonių, galinčių prisidėti prie kalbos technologijų plėtros ir geresnės jų kokybės.

3. LIETUVIŲ KALBOS PADĖTIS SKAITMENINĖJE APLINKOJE: STIPRYBĖS, SILPNYBĖS, GALIMYBĖS IR GRĖSMĖS

Lietuvių kalbos padėtis skaitmeninėje aplinkoje buvo vertinama atsižvelgiant į pagrindinę turimą dokumentų duomenų bazę, taip pat nacionalines kalbos išteklių ir technologijų infrastruktūras bei pagrindinius konsorciumus, federacijas ir projektus. Pagrindiniai dokumentai ir ištekliai išsamiai aprašyti (žr. Guidelines 2020). Šiuo straipsniu siekiama juos apibūdinti bendrais bruožais, kad būtų galima atsekti stiprybių, silpnybių, galimybių ir grėsmių kilmę.

⁶¹ Prieiga: http://sakytinistekstynas.vdu.lt. ⁶² Prieiga: https://rastija.lt/resurso-katalogas/klasius-v2/. ⁶³ Prieiga: http://coralit.lt/node/1. ⁶⁴ Prieiga: http://coralit.lt.

200

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

3.1. Lietuvos vyriausybė ir kitos valstybės institucijos remia kelias programas, skatinančias įvairius kalbų tyrimus ir jų sklaidą. Lietuvoje galioja šie kalbos technologijų politikos dokumentai: 1) The Guidelines for the Development of the Lithuanian Language in the Digital Environment and the Progress of Language Technologies for 2021–2027⁶⁵ (daugiau informacijos žr. 2 puslapyje); 2) The Lithuanian Artificial Intelligence Strategy: A Vision for the Future ^(2018)66, kurią išleido Lietuvos Respublikos ekonomikos ir inovacijų ministerija. Strategijos tikslas – „kad Lietuva, remdamasi turimais ištekliais, patirtimi ir potencialu, taptų regiono lydere. Ja siekiama didinti Lietuvos konkurencingumą tarp ES šalių ir užtikrinti sėkmingą jos dalyvavimą pasaulinėje AI ekosistemoje“ (AI Strategy 2018); 3) The strategy for Lithuania’s advancement “Lietuva 2030”.⁶⁷ Šioje strategijoje išdėstyta „valstybės vizija ir plėtros prioritetai, taip pat jų įgyvendinimo kryptys iki 2030 metų. Tai pagrindinis planavimo dokumentas, į kurį būtina atsižvelgti priimant strateginius sprendimus ir rengiant valstybės planus ar programas“ (Strategy 2012). 2021 m. liepos 2 d. Europos Komisija pritarė Lithuania’s recovery and resilience plan. „Lietuvos plano transformacinį poveikį lemia veiksmingas reformų ir investicijų derinys, sprendžiantis konkrečius Lietuvos iššūkius“.⁶⁸

3.2. Lietuva turi keletą nacionalinių technologijų ir kalbos duomenų infrastruktūrų: 1) RAŠTIJA LT⁶⁹ – tai Vilniaus universiteto Matematikos ir informatikos instituto sukurta integruotoji lietuvių kalbos ir raštijos išteklių, produktų bei paslaugų sistema: žinių bazė, paieškos įrankiai ir kt.; 2) CLARIN–LT⁷⁰ – Lietuvos nacionalinis konsorciumas (CLARIN-ERIC narys), įsteigtas 2015 m. Šiuo metu jį sudaro 5 mokslinių tyrimų institucijos: Vytauto Didžiojo universitetas (koordinatorius), Kauno technologijos universitetas, Vilniaus universitetas, Mykolo Romerio universitetas ir Baltijos pažangiųjų technologijų institutas; 3) E. KALBA⁷¹ – Lietuvių kalbos instituto administruojama lietuvių kalbos išteklių informacinė sistema. Šioje sistemoje galima rasti devynis vienakalbius ir dešimt dvikalbių žodynų, įvairius failus ir duomenų bazes

⁶⁵ Prieiga: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/911407f20ee911ebbebdbd456d2fb030d.

⁶⁶ Prieiga: https://eimin.lrv.lt/uploads/eimin/documents/files/DI_strategija_LT(1).pdf.

⁶⁷ Prieiga: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.425517.

⁶⁸ Prieiga: https://ec.europa.eu/info/business-economy-euro/recovery-coronavirus/recovery-and-resilience-facility/lithuanias-recovery-and-resilience-plan_en.

⁶⁹ Prieiga: https://raštija.lt.

⁷⁰ Prieiga: http://clarin-lt.lt.

⁷¹ Prieiga: https://ekalba.lt.

Straipsniai / Articles

201

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

(tarmių archyvas; Lietuvos vietovardžių geoinformacinė duomenų bazė ir kt.), taip pat elektroninės paslaugos (paieška reikšmių tinkle, E-Concepts, nuomonių analizatorius ir kt.); 4) SEMANTIKA⁷² – lietuvių kalbos sintaksinės ir semantinės analizės informacinė sistema (LSSAIS), kuri „yra unikali kalbos technologijų infrastruktūra ir valstybės informacinė sistema, teikianti lietuvių kalbos kalbos atpažinimo ir tekstų analizės paslaugas. Informacinės sistemos valdytojas yra Vytauto Didžiojo universitetas“.⁷³

3.3. Pagrindiniai konsorciumai, federacijos ir projektai, kuriems Lietuva priklauso arba kuriuose dalyvauja. European Federation of National Institutions for Language (EFNIL) atstovai Lietuvoje yra Lietuvių kalbos institutas ir Valstybinė lietuvių kalbos komisija. Federacija ypatingą dėmesį skiria ES valstybių narių kalboms ir Europos kalbų įvairovei.⁷⁴ European Language Resource Coordination (ELRC) „valdo, prižiūri ir koordinuoja atitinkamus kalbos išteklius visomis oficialiosiomis ES kalbomis ir CEF asocijuotų šalių kalbomis. Ši veikla padės gerinti automatizuoto vertimo sprendimų kokybę, aprėptį ir našumą dabartinių ir būsimų CEF skaitmeninių paslaugų kontekste“.⁷⁵ Common Language Resources and Technology Infrastructure (CLARIN-ERIC) yra „mokslinių tyrimų infrastruktūra, sukurta vadovaujantis vizija, kad visi skaitmeniniai kalbos ištekliai ir įrankiai iš visos Europos ir už jos ribų būtų prieinami internetinėje aplinkoje humanitarinių ir socialinių mokslų tyrėjams remti“.⁷⁶ CLARIN-LT yra Lietuvos nacionalinis konsorciumas, koordinuojamas Vytauto Didžiojo universiteto, kuris yra CLARIN-ERIC narys. European Language Grid (ELG) „kuria ir diegia keičiamo masto debesijos platformą, lengvai integruojamu būdu suteikiančią prieigą prie šimtų komercinių ir nekomercinių kalbos technologijų visoms Europos kalboms, įskaitant veikiančius įrankius ir paslaugas, taip pat duomenų rinkinius ir išteklius“.⁷⁷ Nuo 2019 m. ELG Lietuvoje atstovauja Lietuvių kalbos institutas. Pagrindinis European Language Equality (ELE) tikslas – „parengti Europos kalbų lygybės programą – strateginių mokslinių tyrimų, inovacijų ir įgyvendinimo darbotvarkę bei veiksmų planą visavertei skaitmeninei

⁷² Prieiga: https://www.semantika.lt.

⁷³ Daugiau informacijos: https://www.semantika.lt/Help/About.

⁷⁴ Daugiau informacijos: http://www.efnil.org.

⁷⁵ Daugiau informacijos: https://www.lr-coordination.eu.

⁷⁶ Daugiau informacijos: https://www.clarin.eu.

⁷⁷ Daugiau informacijos: https://www.european-language-grid.eu.

202

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

kalbų lygybei Europoje iki 2030 m. pasiekti“.^⁷⁸ Nuo 2021 m. ELE Lietuvoje atstovauja Lietuvių kalbos institutas.

2014–2020 m. laikotarpiu finansavimas lietuvių kalbos sprendimams skaitmeninėje erdvėje įgyvendinti gautas iš ES fondų investicijų veiksmų programos 2 prioriteto (Promoting the Information Society). 2018 m. pradėti penki projektai: „Lietuvių kalbos valdomų balsu paslaugų plėtra“ (LIEPA–2), „Lietuvių kalbos tekstų sintaksinės ir semantinės analizės informacinės sistemos viešųjų paslaugų plėtra“ (SEMANTIKA–2), „Mašininio vertimo sistemų ir lokalizavimo paslaugų tobulinimas ir plėtra“, „Integruotos lietuvių kalbos ir raštijos išteklių informacinės sistemos plėtra“ (RAŠTIJA 2) ir „Lietuvių kalbos išteklių informacinės sistemos plėtra“ (E. KALBA). Iki 2020 m. pabaigos iš viso sukurta 21 viešoji elektroninė paslauga. Programoje aktyviausiai dalyvavo mokslinių tyrimų ir švietimo įstaigos bei verslo įmonės (Guidelines 2020). Be minėtų projektų, taip pat įgyvendinti kiti kalbos technologijų projektai, finansuoti ES struktūrinių fondų, Europos Komisijos, nacionalinių projektų lėšomis ir kt.

3.4. Lietuvos Respublikos Seimo patvirtintoje Lietuvos kalbos informacinėje visuomenėje 2007–2010 m. programoje pateikta SSGG (stiprybių, silpnybių, galimybių ir grėsmių) analizė.^⁷⁹ Tai puikus atspirties taškas dabartinei situacijai analizuoti. Džiugu, kad padaryta didelė pažanga ir dauguma to laikotarpio silpnybių ar grėsmių jau seniai pašalintos ir pamirštos. Gerokai pasistūmėta pritaikant lietuvių kalbą skaitmeninei aplinkai: sukurta nemažai skaitmeninių kalbos išteklių ir pagrindinių kalbos analizės įrankių, kompleksinių internetinių kalbos paslaugų, parengta lietuvių kalbos ontologija ir lokalizuota daug kompiuterinių programų bei įrankių. Lokalizuotos visuomenei aktualios kompiuterių taikomosios programos, standartizuoti kompiuterių terminai. Lietuvos mokslininkai aktyviai dalyvauja tarptautinių asociacijų judumo veiklose ir bendradarbiauja. Daugelis lietuvių kalbos specialistų daugiausia dėmesio skiria informacinių technologijų sričiai ir sistemingai plėtoja novatorišką veiklą šioje srityje. Lietuva labai suinteresuota užtikrinti visavertę prieigą prie skaitmeninių sprendimų visiems piliečiams, todėl labai svarbu pritaikyti prieigą prie išteklių asmenims su negalia (Gaidienė, Tamulionienė 2022: 17–18).

^⁷⁸ Daugiau informacijos: https://european-language-equality.eu.

^⁷⁹ Prieiga: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.294883?jfwid=32wf9h0y.

Straipsniai / Articles

203

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

Bendroji dabartinės Europos kalbų padėties analizė, kasdien atsirandančios inovacijos, augantys visuomenės poreikiai ir kt. kelia naujų iššūkių ir atveria naujų galimybių, taip pat sukuria naujų grėsmių.

Lietuvai vis dar trūksta kalbos išteklių elektroninėje aplinkoje, kad lietuvių kalba ir informacinės technologijos būtų greičiau integruotos, taip pat lietuvių kalbos tvarkymo informacinėmis technologijomis standartų. Yra daug aktualios programinės įrangos, kuri dar nėra sulietuvinta ir pritaikyta visuomenės poreikiams; būtina ir toliau užtikrinti vienodą kompiuterijos terminų, žodyno ir frazių vartojimą programinėje įrangoje, taip pat rūpintis sakytinės lietuvių kalbos (kalbos) vartojimu elektroninėje, kompiuterių ir kompiuterizuotų įrenginių aplinkoje.

Nacionaliniu lygmeniu būtina aiški teisinė sistema, užtikrinanti vienodas sąlygas moksliniams tyrimams (nekomerciniams ir komerciniams) bei inovacijoms, grindžiamiems automatiniu duomenų iš elektroninių nestruktūruotų informacijos šaltinių (tekstų) išgavimu ir analize. Tik sukaupus pakankamą kiekį aktualių išteklių, atspindinčių dabartinės lietuvių kalbos reiškinius, bus galima kurti veiksmingas lietuvių kalbos taikymo Informacinėse technologijose priemones. Ypatingą dėmesį reikia skirti prisitaikymui prie visų vartotojų galimybių ir poreikių, kad nebūtų programuojama socialinė atskirtis, turėsianti pasekmių visai visuomenei. Svarbu kurti lietuviškas sąsajas, kurios tiesiogiai mažintų socialinę lingvistinę segregaciją, skatintų teisėtą programinės įrangos naudojimą ir mažintų atotrūkį nuo senųjų ES valstybių narių Informacinių technologijų naudojimo srityje. Taip pat svarbu sudaryti sąlygas lietuvių kalbą vartoti kompiuteriuose ir kompiuteriu valdomuose įrenginiuose, valdyti kompiuterius lietuvių šnekamąja kalba (balsu), tobulinti kompiuterinio balso valdymo priemones, kad neįgalieji ir kiti asmenys turėtų nevaržomą prieigą prie elektroninių paslaugų. Kompiuterinė lingvistika ir kalbos technologijos kaip atskiras dalykas Lietuvos aukštojo mokslo sistemoje dar nėra įsitvirtinusios. Nė vienas universitetas nesiūlo kalbos technologijų studijų visais lygmenimis. Tai turi pasikeisti (Gaidienė, Tamulionienė 2022).

Lietuvoje būtina didinti kalbos technologijų srityje dirbančių specialistų kompetenciją ir kelti visuomenės gebėjimo naudotis kalbos technologijų teikiamomis galimybėmis lygį. Taip pat svarbu rengti specialistus, išmanančius kalbos ir informacinių technologijų specifiką, finansuoti fundamentinius ir taikomuosius tyrimus, remti mokslinę ir techninę infrastruktūrą. Be to, labai svarbu kaupti ir didinti atvirų, patikimų, kokybiškų, tvarių skaitmeninių kalbos išteklių bei kitų skaitmeninių kalbos duomenų rinkinių prieinamumą. Būtina plėtoti kalbos technologijų infrastruktūrą, kalbos technologijų taikymą

204

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

viešajame sektoriuje ir teikiant viešąsias paslaugas, mokymo ir mokymosi institucijose, taip pat kurti ir tobulinti viešai prieinamus IT sprendimus bei priemones. Lietuva turi dar aktyviau įsitraukti į Europos bendrijos ir kitas tarptautines kalbos technologijų programas. Svarbu atnaujinti infrastruktūrą reikalingais skaitmeniniais ištekliais, modernizuoti ir prižiūrėti infrastruktūros techninę įrangą, integruoti infrastruktūras į didesnes nacionalines, Europos ir tarptautines kalbos išteklių sistemas bei užtikrinti jose saugomų technologijų ir duomenų atvirumą (Guidelines 2020).

Apibendrinant galima teigti, kad kalbos technologijų plėtra yra būtina lietuvių kalbai, kaip ir bet kuriai kitai kalbai. Siekdama klestėti šioje srityje, Lietuva turėtų dirbti įgyvendindama šiame straipsnyje aptartus ir neaptartus plėtros aspektus. Norint pasiekti tikslus, būtina sutelkti valstybės, mokslo ir verslo pastangas.

IŠVADOS

Apžvelgę lietuvių kalbos technologijų padėtį daugiakalbės Europos kontekste ir sistemiškai išanalizavę lietuvių kalbos išteklius bei priemones / paslaugas, galime suformuluoti kelias pagrindines išvadas dėl lietuvių kalbos statuso skaitmeninėje aplinkoje.

1. Rezultatai rodo, kad nuo 2012 m. Lietuvoje padaryta didelė pažanga kuriant įvairius skaitmeninius kalbos išteklius ir priemones / paslaugas. Nors lietuvių kalba priskiriama kalboms, turinčioms nedaug kalbėtojų, kalbos technologijų srityje ji sparčiai tobulėja. Kalbant apie skaitmeninius išteklius ir priemones / paslaugas, vis dar yra sričių, kuriose reikia tolesnės pažangos.

Nors nemažai lietuvių kalbos skaitmeninių išteklių jau yra prieinama, atsižvelgiant į kalbos technologijų ir visuomenės poreikius, vis dar reikia kurti arba atnaujinti naujus vienakalbius žodynus (sinonimų, antonimų, frazeologijos ir kt. žodynus) ir dvikalbius žodynus, taip pat įvairius leksikonus. Ontologijas, žodžių tinklus ir tekstynus reikia didinti bei plėsti; reikia kurti mašininiam vertimui būtinus daugiakalbius lygiagrečiuosius tekstynus ir kt. Kalbant apie terminiją, reikia papildomų ir atnaujintų sąvadų arba terminų; terminų duomenų bazių struktūra ir technologiniai sprendimai skiriasi, todėl duomenis sunkiau panaudoti kitiems technologiniams sprendimams; taip pat trūksta atvirų terminologinių duomenų. Lietuvai reikia skaitmeninių gramatikų, anotuotų kalbos duomenų bazių ir kitų išteklių, kurie paspartintų kalbos technologijų pažangą.

Straipsniai / Articles

205

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

2. Lietuvoje kalbos technologijų srityje pasiekta didelė pažanga, tačiau kas minutę atsirandančios inovacijos, augantys poreikiai ir kt. ne tik atveria naujas galimybes bei kelia iššūkių, bet ir atskleidžia silpnąsias vietas bei grėsmes.

2.1. Atviros prieigos kalbos išteklių infrastruktūra Lietuvoje vis dar kuriama; dalijimosi duomenimis kultūra vis dar stringa; licencijavimo klausimai dar neišspręsti: intelektinės nuosavybės teisių reglamentavimas ir BDAR turi būti lankstesni ir leisti plačiau naudoti intelektinės nuosavybės teisėmis saugomus duomenis kalbos technologijoms ir ištekliams plėtoti, kad nebūtų pažeisti autorių interesai.

2.2. Lietuvoje trūksta reikiamų žmogiškųjų išteklių: stinga IT specialistų ir kalbos technologijų srityje dirbančių tyrėjų; nėra specializuotų studijų programų.

2.3. Lietuvių kalbos technologijų plėtrai reikia stiprios nacionalinės ir tarptautinės paramos, įskaitant atitinkamas ilgalaikes kalbos technologijų programas, vienodomis sąlygomis remiančias mokslinius tyrimus ir verslą. Svarbu derinti nacionalinę ir tarptautinę veiklą, deramai atsižvelgiant į mokslinių tyrimų infrastruktūrą ir prioritetus.

2.4. Kas nutiktų Lietuvoje, jei kalbos technologijų plėtra visiškai sustotų? Kodėl ES ne kartą pabrėžia, kad kalbų lygybę galima pasiekti skatinant visų ES kalbų technologinę plėtrą? Plačiai sutariama dėl kalbų įvairovės stiprybės ir gimtosios kalbos technologijų poveikio kalbinės bei kultūrinės įvairovės apsaugai. Todėl, jei šioje srityje nebus imtasi veiksmų, technologinė ir lingvistinė atskirtis didės, lietuvių kalbos prestižas mažės, Lietuva nebebus konkurencinga dirbtinio intelekto ir kitų pažangiausių technologijų srityse; kitos užsienio kalbos skaitmeninėje aplinkoje pamažu užims lietuvių kalbos vietą.

REFERENCES

AI strategy 2018: The Lithuanian Artificial Intelligence Strategy: A vision for the future. Available at: https://eimin.lrv.lt/uploads/eimin/documents/files/DI_strategija_LT(1).pdf.

Gaidienė Anželika, Tamulionienė Aurellija 2022: Report on the Lithuanian Language. Available at: https://european-language-equality.eu/wp-content/uploads/2022/03/ELE___Deliverable_D1_23__Language_Report_Lithuanian_.pdf.

206

Acta Linguistica Lithuanica LXXXVI

European Language Equality in the Digital Age: The Case of Lithuania

Giagkou Maria, Piperidis Stelios 2021: European Language Equality. Guidelines for T1.3 contributors. Internal to ELE network.

Guidelines 2020: The guidelines for the development of the Lithuanian language in the digital environment and the progress of language technologies for 2021–2027. Available at: https://www.e-tar.lt/portal/lt/legalAct/71152ab00eee11ebb74de75171d26d52.

Jaroslavienė Jurgita, Miliūnaitė Rita 2020: Beribis lietuvių kalbos pasaulis skaitmeninių išteklių sistemoje „E. kalba“. – Pasaulio lietuvis. Available at: https://pasauliolietuvis.lt/beribis-lietuviu-kalbos-pasaulis-skaitmeniniu-istekliu-sistemoje-e-kalba/.

Pastor Rafael Rivera 2017: European Parliament, Directorate-General for Parliamentary Research Services, Language equality in the digital age: towards a human language project, European Parliament. Available at: https://www.europarl.europa.eu/RegData/etudes/STUD/2017/598621/EPRS_STU(2017)598621_LT.pdf.

Rehm Georg, Uszkoreit Hans, editors, 2013: The META-NET Strategic Research Agenda for Multilingual Europe 2020, Springer, Heidelberg, New York, Dordrecht, London. Available at: https://lirias.kuleuven.be/retrieve/501271.

Strategy 2012: The Strategy for Lithuania’s Advancement “Lietuva 2030”. Available at: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.412512.

Vaišnienė Daiva, Zabarskaitė Jolanta 2012: The Lithuanian language in the digital age, vol. 385, Springer. Available at: http://www.meta-net.eu/whitepapers/volumes/e-book/lithuanian.pdf.

Vitkutė-Adžgauskienė Daiva, Dainauskas Justinas Juozas, Amilevičius Darius, Utka Andrius 2015: Lietuvių kalbos žodžių tinklas – LitWordNet. – Darbai ir dienos 64, 101–114. Available at: https://cris6.vdu.lt/cris/bitstream/20.500.12259/27751/1/ISSN2335-8769_2015_N_64.PG_101-114.pdf.

Europos kalbų lygybė skaitmeniniame amžiuje: Lietuvos atvejis

SANTRAUKA

Straipsnyje rašoma apie lietuvių kalbos technologijų būklę, supažindinama su Europos kalbų lygybės skaitmeninėje terpėje situacija. Nagrinėjami kiekybiniai ir kokybiniai kalbų lygybę atskleidžiantys rodikliai Europos Sąjungos kontekste, atsižvelgiant į kalbėtojų,

Straipsniai / Articles

207

ANŽELIKA GAIDIENĖ, AURELIJA TAMULIONIENĖ

skaitmeninių kalbos išteklių ir technologijų skaičių bei joms teikiamą paramą, ypatingą dėmesį skiriant Lietuvos atvejo analizei. Šiuo straipsniu siekiama pabrėžti iki šiol kalbų technologijų srityje atliktą darbą ir išryškinti spragas bei atskleisti išbandymus, su kuriais susiduria ir juos sprendžia oficiali nacionalinė ir Europos Sąjungos kalba – lietuvių kalba. Straipsnyje pateikiama naujausia lietuvių kalbos technologijų padėties apžvalga analizuojant skaitmeninius kalbos išteklius ir įrankius / paslaugas.

Gauti rezultatai rodo, kad nuo 2012 m. Lietuvoje padaryta didžiulė pažanga plėtojant įvairius skaitmeninius kalbos išteklius ir įrankius / paslaugas. Nors lietuvių kalba yra priskiriama prie mažai kalbėtojų turinčių kalbų, ji gana sparčiai tobulėja kalbos technologijų srityje. Nepaisant to, kad esama sukurta nemažai lietuvių kalbos skaitmeninių išteklių, atsižvelgiant į kalbos technologijų ir visuomenės poreikius, būtina kurti ir atnaujinti vienakalbius (sinonimų, antonimų, frazeologijos ir pan.) ir dvikalbius žodynus, įvairius leksikonus. Būtina gausinti ir plėsti įvairiais kalbos duomenimis ontologijas, žodžių tinklus, tekstynus, kurti mašininiam vertimui reikalingus keliakalbius lygiagrečiuosius tekstynus ir kt. Kalbant apie terminiją, trūksta daugiau ir naujesnių terminų rinkinių, terminų bazių struktūra ir technologiniai sprendimai skiriasi, o tai apsunkina galimybes panaudoti duomenis kitiems technologiniams sprendimams, taip pat trūksta atvirųjų terminologinių duomenų. Lietuvių kalbai labai trūksta skaitmeninių gramatikų, anotuo­tų garsynų ir kitų išteklių, kurie prisidėtų prie spartesnės kalbos technologijų pažangos.

Lietuvoje vis dar tvarkoma atvirųjų prieigų kalbos išteklių infrastruktūra, ne visai išspręsti licencijavimo klausimai – intelektinės nuosavybės teisių ir BDAR reglamentai, kurie turi būti lankstesni ir leidžiantys plačiau naudoti intelektinės nuosavybės teisėmis apsaugotus duomenis kalbos technologijų plėtrai ir išteklius taip, kad nebūtų pažeisti autorių interesai. Lietuvoje trūksta būtinųjų žmogiškųjų išteklių: trūksta kalbų technologijų IT specialistų, taip pat šios srities mokslininkų, nėra specializuotų studijų programų. Lietuvių kalbos technologijų plėtrai reikalinga stipri nacionalinė ir tarptautinė parama, įskaitant tam skirtas ilgalaikes kalbų technologijų programas, kurios vienodai remia tiek mokslinių tyrimų, tiek verslo veiklą. Svarbu sinchronizuoti nacionalinę ir tarptautinę veiklą, ypač mokslinių tyrimų infrastruktūros ir mokslinių tyrimų prioritetų atžvilgiu.

Įteikta 2022 m. gegužės 18 d.

ANŽELIKA GAIDIENĖ AURELIJA TAMULIONIENĖ Lietuvių kalbos institutas Petro Vileišio g. 5, LT–10308 Vilnius, Lietuva [email protected] [email protected]

208

Acta Linguistica Lithuanica LXXXVI