Искусственный интеллект научился понимать карельскую речь

Ученые научили искусственный интеллект распознавать карельскую речь. Этим проектом занимаются специалисты Санкт-Петербургского Федерального исследовательского центра РАН совместно с сотрудниками Карельского научного центра РАН.

Разработка направлена на распознавание ливвиковского наречия карельского языка, распространенного на юге и юго-западе Карелии. Предполагается, что это поможет задокументировать и сохранить важные для лингвистики материалы. В России более полутора сотен языков и диалектов, однако многие находятся на грани исчезновения — в том числе и карельский. Сейчас на нем могут говорить около 25 тысяч россиян, а в повседневной жизни используют лишь 5-7 тысяч.

Электронных данных, в том числе текстов, аудио, словарей, на карельском языке очень мало. Поэтому обучение ИИ таким редким языкам — это особое направление компьютерной лингвистики, добивающееся точности распознавания речи при сравнительно небольшом количестве обучающих ресурсов. Обучение этой нейросети проводилось на базе карельских периодических изданий, текстов на ливвиковском наречии из открытого корпуса вепсского и карельского языков ВепКар, материале радиопередач «Родной берег» ГТРК «Карелия» и специально для проекта собранных записей карельской речи.

— Кроме нашей системы, в мире есть лишь одна модель, поддерживающая карельский язык. Однако она является многоязычной, ее обучение базировалось на очень небольшом объеме данных, что существенно снижает точность распознавания именно карельской речи. Мы же учитываем реальные условия использования карельского языка, где часто встречается переключение между карельским и русским. Многие носители карельского в повседневной речи смешивают два языка, и мы обучаем нашу систему корректно обрабатывать такие случаи, – отмечает Ирина Кипяткова.

Напомним, в прошлом году жители Карелии собирали деньги на издание книги стихов на ливвиковском наречии.