Sintetinių lygiagrečių tekstynų sukūrimas

Valstybės skaitmeninių sprendimų agentūra įgyvendino projektą „Sintetinių lygiagrečių tekstynų sukūrimas“, projekto kodas Nr. 02-107-P-0001.  

Projekto tikslas - sukurti sintetinius lygiagrečius tekstynus, reikalingus dirbtinio intelekto sistemų vystymui ir automatinio mašininio vertimo priemonių tobulinimui/kūrimui.

Sintetiniai lygiagretūs tekstynai – tai tekstai ir jų vertimų tekstai, sulygiagretinti sakinių lygmeniu. Lygiagrečiuosiuose tekstynuose gali būti sulygiagretinti dviejų ar daugiau kalbų tekstai. Paprastai norint sukaupti lygiagrečiuosius tekstynus reikia skirti daugiau laiko nei sudarant vienakalbius ar palyginamuosius tekstynus, nes neužtenka tik surinkti ir sutvarkyti elektroninius tekstus, bet juos reikia sulygiagretinti. Todėl šių lietuvių kalbos išteklių kūrimas yra sudėtingas ir brangus procesas ir privatus sektorius neinvestuoja lėšų ar laiko, kad kurti šiuos kalbos išteklius. Šioje vietoje yra labai svarbus viešojo sektoriaus vaidmuo. Viešasis sektorius užtikrina, kad kuriami sprendimai būtų kokybiški, reikiamų apimčių ir, kas svarbiausia – sukurti tekstynai bei kiti lietuvių kalbos ištekliai yra patikimi, nemokami ir viešai prieinami, todėl verslo sektorius bei visuomenė jais gali naudoti neinvestuodami savo resursų.

Problemos, kurios išspręstos įgyvendinus Projektą:

• skaitmeninių kalbos išteklių lietuvių kalba trūkumas. Projekto metu sukurti 3 nauji skaitmeniniai lietuvių kalbos ištekliai - trijų kalbos grupių (lietuvių - anglų, lietuvių - prancūzų, lietuvių – vokiečių) sintetiniai lygiagretūs tekstynai;
• nesudaromos sąlygos kurti naujomis technologijomis pagrįstus sprendimus, juos diegti kuriant pažangias skaitmenines paslaugas ir teikti šias paslaugas visuomenei. Projekto metu sukurti 3 lygiagretūs sintetiniai tekstynai, kurių pagalba bus galima vystyti dirbtinio intelekto, neuroninio mašininio vertimo bei mokymosi technologijas.

Taip pat Projektas prisidėjo prie lietuvių kalbos išsaugojimą ir gyvybingumą palaikančių skaitmeninių išteklių plėtros.

Projekto metu sukurti sintetiniai tekstynai yra unikalūs ištekliai, kurių analogų lietuvių kalba šiuo metu nėra. Sukurti sintetiniai lygiagretūs tekstynai yra nemokamai ir viešai prieinami atvirose prieigose. Jie gali būti panaudojami kuriant naujus mašininio vertimo sprendimus bendrajai arba medicinos sričiai (pvz. medicinos srities šneka į šneką vertimo sistemas, interneto puslapių vertimo įskiepius, įskiepius profesionaliems vertėjams ir t.t.), kuriant naujas ar tobulinant esamas vertimo priemones .

Projektas prisidėjo prie 2021–2030 metų Lietuvos Respublikos Ekonomikos ir inovacijų ministerijos valstybės skaitmeninimo plėtros programos pažangos priemonės Nr. 05-002-01-07-08 „Kurti technologinius sprendimus ir įrankius, leidžiančius saugiai ir patogiai naudotis paslaugomis“ veiklos „Kalbinių išteklių dirbtinio intelekto technologijų sprendimų poreikiams plėtra“ įgyvendinimo.  

Projektas finansuotas Ekonomikos gaivinimo ir atsparumo didinimo plano „Naujos kartos Lietuva“ lėšomis.

798 592,96 Eur