Հայերենը՝ թվային աշխարհի քարտեզի վրա

Եթե այսօր ChatGPT-ին հայերեն հարց տաք, պատասխան կստանաք։ Այն կթարգմանի, կուղղի տեքստը, կգրի նամակ, գուցե նույնիսկ բանաստեղծություն հորինի։ Առաջին հայացքից կարող է թվալ, թե հայերենն արդեն լիարժեք տեղ ունի արհեստական բանականության (ԱԲ) աշխարհում, բայց այդ տպավորությունը կարող է խաբուսիկ լինել։

 

Լեզվի թվային ներկայությունը չի չափվում միայն հայերեն կայքերի, թվայնացված գրքերի կամ առցանց բառարանների քանակով։ Ավելի կարեւոր հարց կա՝ որքանո՞վ են մեքենաները «հասկանում» հայերենը։ Կարո՞ղ են ճիշտ վերլուծել նախադասության կառուցվածքն ու «ընկալել» համատեքստը, տարբերել բառերի իմաստները, մշակել միլիոնավոր տեքստեր, ճանաչել տպագիր մամուլը, աշխատել բարբառների ու խոսակցական լեզվի հետ, ստեղծել որակյալ թարգմանություններ կամ դառնալ իսկապես հայերեն «մտածող» ձայնային օգնականներ։

 

Այս ամենը հնարավոր չէ առանց մեծածավալ ու որակյալ լեզվական տվյալների։ Եթե նման ենթակառուցվածք չկա, նույնիսկ ամենահզոր արհեստական բանականության համակարգերը հայերենի համար կմնան սահմանափակ հնարավորություններով։

 

Այս բացը փորձում է լրացնել  2025 թվականի մարտից ՀՀ լեզվական պետական քաղաքականության առաջնահերթությունների շրջանակում Բարձրագույն կրթության ու գիտության կոմիտեի նպատակային ֆինանսավորմամբ Երեւանի պետական համալսարանում գործող «Հայերենի լեզվական տեխնոլոգիաներ հետազոտական աշխատարան» ծրագիրը։ Աշխատարանին իր աջակցությունն է բերում նաեւ «Իզմիրլյան» բարեգործական հիմնադրամը «Հայերենը կենսունակ լեզու տեխնոլոգիական աշխարհում» ծրագրով։

 

Ծրագրի նպատակը միայն թվային նոր գործիքներ ստեղծելը չէ։ Այն փորձում է ձեւավորել էկոհամակարգ, որը կենսունակ ու հավասար կպահի հայերենը արհեստական բանականության համակարգերում, կընդլայնի դրանց կիրառման հնարավորությունները այնպիսի ոլորտներում, ինչպիսիք են հանրակրթությունը, հանրային ծառայությունները, պետական կառավարումը եւ այլն։ Այլ կերպ ասած՝ ծրագրի գլխավոր նպատակը հայերենի թվային կենսունակության եւ թվային հավասարության ապահովումն է։ 

Սիրանուշ Դվոյանը եւ Մարատ Յավրումյանը

Լուսանկարը` Մեդիամաքս

ՀՀ Լեզվի կոմիտեի նախագահ Սիրանուշ Դվոյանի խոսքով՝ լեզվի ապագայի մասին այսօր այլեւս հնարավոր չէ խոսել միայն լեզվական գրագիտության շրջանակում։ Եթե մարդիկ իրենց օրվա զգալի մասն անցկացնում են թվային միջավայրում, ապա լեզուն նույնպես պետք է կարողանա կենսունակ լինել տեխնոլոգիական աշխարհի մարտահրավերներին, եւ եկած նոր կարիքները սպասարկել որակյալ գործիքներով։

 

Թե ինչ է իրականում նշանակում սա, Սիրանուշ Դվոյանը բացատրում է պարզ օրինակով, որը տարիներ շարունակ օգտագործել է ուսանողների հետ աշխատելիս. 

 

«Ասում էի՝ բացեք որոնողական ցանկացած համակարգ ու գրեք «սեղան»»։

 

Սկզբնական շրջանում արդյունքը գրեթե միշտ նույնն էր։ Որոնողական համակարգերը բառի վերաբերյալ սահմանափակ տեղեկություն էին բերում, ասենք՝ որ այն գոյական է, հոգնակի թիվը կարող է լինել «սեղաններ» եւ այսքանը։

 

Հետո, ինչպես հիշում է Սիրանուշ Դվոյանը, մի պահի սա փոխվեց։ Հերթական փորձարկման ժամանակ ուսանողները ցույց տվեցին, որ «սեղան» բառի բավականին ընդարձակ լեզվական նկարագրություն է բերում համակարգը։ Սիրանուշ Դվոյանի խոսքով՝ սա ուրախալի անակնկալ էր, քանի որ երբ լեզուն ստանում է անհրաժեշտ թվային ռեսուրսներ՝ թվային բառարաններ, նշագրված կորպուսներ, մշակված լեզվական տվյալներ, այն սկսում է «երեւալ» մեքենաներին, ու թվային միջավայրում լեզվի հնարավորություններն էլ զգալիորեն ընդլայնվում են։

Սիրանուշ Դվոյանը եւ Մարատ Յավրումյանը

Լուսանկարը` Մեդիամաքս

Սիրանուշ Դվոյանի խոսքով՝ արհեստական բանականության վերջին տարիների արագ զարգացումը փոխել է նաեւ լեզվական քաղաքականության առաջնահերթությունները։ Եթե նախկինում բավական էր ունենալ էլեկտրոնային ռեսուրսներ եւ դա կարող էր փոխել կյանքի եւ հաղորդակցության որակը, ապա այսօր անհրաժեշտ են մեծածավալ, մեքենայի համար ընթեռնելի լեզվական տվյալներ, որոնց հիման վրա ԱԲ համակարգերը կարող են հայերեն գիտելիքի հետ աշխատել։

 

«Հայերենի լեզվական տեխնոլոգիաներ հետազոտական աշխատարանի» ղեկավար Մարատ Յավրումյանը նշում է, որ այսօր հայերեն բովանդակության զգալի մի հատված, լինի գրավոր թե բանավոր, մեքենաների համար հասանելի չէ։

 

«Այստեղ կարեւորը անցյալ տարիների բացը շատ արագ, բայց եւ որակյալ լրացնելն է»,- ասում է նա։ Ընդ որում՝ հայերեն մեծածավալ որակյալ տվյալները «համադարման» չեն. անհրաժեշտ է ստեղծել ամբողջական, ընդգրկուն ու շարունակաբար թարմացվող ենթակառուցվածք, էկոհամակարգ, որում տեքստային, ձայնային եւ պատկերային տվյալները զտվում, ստանդարտացվում, արտոնագրվում, նշագրվում եւ ներկայացվում են ԱԲ ժամանակակից մոդելների ուսուցման համար հարմար ձեւաչափերով։

Մարատ Յավրումյանը

Լուսանկարը` Մեդիամաքս

«Մեր փորձը հայերեն խոսքի ճանաչման, ձայնի սինթեզի եւ լեզվական մոդելների գնահատման ուղղություններում ցույց է տալիս, որ նույնիսկ հզոր բազմալեզու մոդելները հաճախ չեն տարբերակում գրական հայերենը բարբառներից կամ խոսակցական լեզվից, սխալ են մշակում հատուկ անունները, տերմինաբանությունը, երկար համատեքստերը, քանի որ հայերենը այսօրինակ մոդելների ուսուցման տվյալներում քիչ կամ անհամաչափ է ներկայացված»,- ասում է աշխատարանի ԱԲ մասով գիտական ղեկավար Կարեն Ավետիսյանը։ 

 

Ուստի կարեւոր է օգտվել ոչ միայն պատրաստի մոդելներից, այլեւ ստեղծել բաց տվյալաշարեր, վերարտադրելի բենչմարկեր, հայերենին հարմարեցված թոքենացման եւ այլ գործնական համակարգեր, որոնց արդյունավետությունը չափվում է ոչ թե «ընդհանուր տպավորությամբ», այլ հստակ տեխնիկական չափանիշներով։

 

«Հայերենի լեզվական տեխնոլոգիաներ հետազոտական աշխատարանի» թիմն աշխատում է հայերենի համար արհեստական բանականության գնահատման համակարգի մշակման վրա։ «Եթե չենք կարող չափել, չենք կարող ասել՝ համակարգն իսկապե՞ս ավելի լավ է աշխատում հայերենով, թե՞ ոչ»,- ասում է Մարատ Յավրումյանը։

Սիրանուշ Դվոյանը եւ Մարատ Յավրումյանը

Լուսանկարը` Մեդիամաքս

Այդ նպատակով աշխատարանում մշակվում են մոտ երկու տասնյակ բենչմարկեր, որոնք թույլ կտան աշխարհի մյուս լեզուների հետ զուգահեռ նույն չափանիշներով գնահատել հայերենի ներառման ու արդյունավետության աստիճանը արհեստական բանականության տարբեր համակարգերում, լեզվական մեծ մոդելներում։

 

Հայերենի լեզվական ու հումանիտար տեխնոլոգիաների զարգացումը խթանելը, համապատասխան ռեսուրսներ ու դրանց մեքենական մշակման ենթակառուցվածքներ ստեղծելը աշխատանքների մեկ այլ կարեւոր ուղղություն է։ Ընտրված ճանապարհը OCR (օպտիկական նիշերի ճանաչման) տեխնոլոգիայի զարգացումն ու համապատասխան ենթակառուցվածքների հզորացումն է, որը թույլ կտա հայերենով երբեւիցե ստեղծված գրավոր ժառանգությունը՝ տպագիր, թե ձեռագիր՝ մամուլը, գրականությունը, ձեռագրերը, արխիվային նյութերը եւ այլն վերածել մեքենաների համար ընթեռնելի ու այդ կերպ նաեւ ակնթարթորեն հասանելի որակյալ տվյալների։

Լուսանկարը` Մեդիամաքս

Մարատ Յավրումյանի խոսքով՝ թվային աշխարհում լեզուն «կարդալ» սովորեցնելը միայն առաջին քայլն է։ Որպեսզի մեքենան ոչ միայն տարբերակի բառերը, այլեւ «հասկանա» դրանք, «ընկալի» համատեքստը, անհրաժեշտ են հատուկ լեզվական ռեսուրսներ ու գործիքներ։

 

Աշխատարանում այդ կերպ են նայում Ngram Viewer ազգային հարթակ ունենալու նախագծին։ Այն թույլ կտա հետեւել, թե տարբեր ժամանակաշրջաններում որքան հաճախ են օգտագործվել այս կամ այն բառերն ու արտահայտությունները, ինչպես են փոխվել դրանց իմաստն ու տարածվածությունը։

Լուսանկարը` Մեդիամաքս

«Այս հարթակի հիման վրա հնարավորություն կունենանք նոր խթան հաղորդել թվանշային հումանիտար գիտությունների զարգացմանը հայալեզու իրականության մեջ։ Ամենապարզ օրինակը՝ հարթակը թույլ կտա վիճակագրորեն, առարկայորեն, տեսնել, թե հայաստանյան կամ  հայկական ինչ իրողություններ ու ինչպես է պատմականորեն արտացոլել լեզուն, ինչպես է լեզուն պատկերել «սոցիալական պատմությունը» ժամանակային այս կամ այն կտրվածքում»,- բացատրում է Մարատ Յավրումյանը։

Լուսանկարը` Մեդիամաքս

Թվանշային հումանիտար գիտությունները խթանելու շրջանակում աշխատարանում 2017-ից շարունակվում է «Հայերենի ազգային ծառադարան» նախագիծը, որի շրջանակում ստեղծվել է արեւելահայերենի, արեւմտահայերենի եւ միջին հայերենի ձեւաբանորեն ու շարահյուսորեն նշագրված հինգ բաց կորպուս-ծառադարան՝ որպես այդպիսիք դեռ միակը աշխարհում։

Լուսանկարը` Մեդիամաքս

Ծրագրում նախատեսված է նաեւ հայերենի նոր թվային բառարանի ստեղծում։ Սիրանուշ Դվոյանը նշում է, որ խոսքը հերթական առցանց բառարանի մասին չէ.

 

«Այսօր գիտական ու կրթական նպատակով լայնորեն օգտագործվող բացատրական բառարանները ստեղծվել են նախորդ հազարամյակում։ Դրանք շարունակում են հիմնարար աշխատություններ մնալ։ Բայց լեզուն այդ ընթացքում փոխվել է, զարգացել: Ի հայտ են եկել նոր բառեր, նոր հասկացություններ, փոխվել են արդեն գոյություն ունեցող բառերի կիրառությունների համատեքստն ու առաջնային իմաստները։ Լեզուն ստատիկ երեւույթ չէ։ Եթե ուզում ենք, որ այն լիարժեք ներկայություն ունենա նաեւ թվային աշխարհում, ուրեմն կարիք ունենք այլ տիպի բառարանների»։

Սիրանուշ Դվոյանը

Լուսանկարը` Մեդիամաքս

Զրույցի վերջում հարցնում եմ՝ ո՞րն է ծրագրի ամենաբարդ մասը։

 

«Օրվա ժամերի պակասը, – առանց երկար մտածելու ասում է Սիրանուշ Դվոյանը, –  Թիմն այնքան ներգրավված է, եւ այնքան բան կա անելու, որ միշտ ժամանակը քիչ է թվում»։

 

Արհեստական բանականությունը հրաշքներ է գործում, սակայն հայերենով՝ միայն այնքան, որքան մարդիկ նախապես սովորեցրել են նրան։ Հաջորդ անգամ, երբ ChatGPT-ն հայերենով փայլուն պատասխան տա, կարելի է նրան չգովել, քանի որ պատասխանի մեծ մասը մարդկանց ամենօրյա անտեսանելի աշխատանքի արդյունքն է։

 

Աստղիկ Հովհաննեսով

 

Լուսանկարները՝ Էմին Արիստակեսյան

 

Իզմիրլյան հիմնադրամը, հավատարիմ ազգի պահպանմանը նպաստելու  իր առաքելությանը, շարունակաբար ներդրում է ունենում Հայաստանի կայուն զարգացման գործում։ Հայաստանում ավելի քան 35 տարվա գործունեության ընթացքում Հիմնադրամն իրականացրել է բազմաթիվ նախաձեռնություններ, որոնք ունեցել են երկարատև և համակարգային ազդեցություն կրթության, սոցիալական բարեկեցության, առողջապահության, զբոսաշրջության, տնտեսական զարգացման, ինչպես նաև մշակույթի, հայոց լեզվի, արհեստական բանականության, բարձր տեխնոլոգիաների և նորարարության ոլորտներում։