Prof. dr. Jurgita Kapočiūtė-Dzikienė
Dirbtinis intelektas (DI) šiandien gali per kelias sekundes išversti teksto pastraipą ar net visą straipsnį. Perskaitome – skamba sklandžiai ir įtikinamai. Atrodytų, jog automatinio vertimo problema išspręsta, tačiau ypač moksliniame tekste „sklandžiai“ nereiškia „tiksliai“. Tai itin aktualu informatikos srityje: ten tekstuose gausu santrumpų, technologijų, programinės įrangos, metodikų ir modelių pavadinimų. AI’jus, LLM’as, prompt’as, vibe-code’inimas – tai tik keli pavyzdžiai, rodantys, kaip greitai iš profesinės kalbos atkeliavę terminai įsitvirtina mūsų kasdienybėje. Naujų terminų lavina per didelė, kad lituanistai spėtų pasiūlyti lietuviškus atitikmenis, o šie – prigytų mūsų kalboje. Vienus terminus bandome versti, kitus paliekame angliškus, tretiems tiesiog priklijuojame lietuviškas galūnes. O kiek painiavos vien dėl to, kad tai pačiai sąvokai vartojami skirtingi lietuviški atitikmenys: kai nėra nuoseklumo, kartais sunkoka būna susikalbėti.
Kaip kalbame mes, taip kalba ir DI
Prompt’as ar užklausa – žmogus iš konteksto galiausiai supranta, apie ką čia kalbama. Bet ar susigaudo DI? „Kaip šauksi – taip atsilieps“, – sako lietuvių liaudies patarlė. DI amžiuje ji įgauna naują prasmę. Didieji kalbos modeliai mokosi iš žmonių sukurtų tekstų, todėl perima ir mūsų kalbinius pasirinkimus. Jeigu patys nesutariame, kaip lietuviškai pavadinti vieną ar kitą terminą, ko tikėtis iš modelio?
Tikriausiai visi sutariame dėl vieno: mokslas turi būti pasiekiamas ir suprantamas įvairiomis kalbomis. O kaip gerai su šia užduotimi susidoroja mašininio vertimo sistemos ir didieji kalbos modeliai? Būtent tai tiria VDU Informatikos fakulteto mokslininkų komanda: Mantas Vaškevičius, Dovilė Kuizinienė ir aš, Jurgita Kapočiūtė-Dzikienė. Projektą vykdome kartu su Baskų krašto universiteto (Ispanija), Prancūzijos nacionalinio mokslinių tyrimų centro ir Žydrojo Kranto universiteto (Prancūzija) bei Ciuricho taikomųjų mokslų universiteto (Šveicarija) mokslininkais, nes su panašiais tekstų vertimo iššūkiais susiduria ne tik lietuvių, bet ir didžiosios kalbos: ispanų, prancūzų ar vokiečių.
Tekstų turime, bet ar galime juos panaudoti?
VDU komandai, žinoma, įdomiausia lietuvių kalba. Čia ryškėja pirmasis paradoksas. Viešai prieinamų lietuviškų mokslinių tekstų turime, tačiau „viešai prieinamas“ dar nereiškia „laisvai panaudojamas“ atviriems duomenų rinkiniams kurti ar modeliams mokyti. Kitaip tariant, sėdime ant lietuviškų mokslinių tekstų lobyno, bet nemaža jo dalis tyrėjams taip ir lieka „užrakinta“ dėl autorinių teisių ribojimų ar tinkamų licencijų stokos. Jei anglų kalbai vienas-kitas neprieinamas tekstynas didelės įtakos nepadarys, mažesnėms kalboms, tokioms kaip lietuvių, kiekvienas kokybiškas tekstas tampa vertybe. Juk, kad DI gerai suprastų lietuviškai ar verstų į lietuvių kalbą, jam reikia iš kažko mokytis!
Ką parodė eksperimentai?
Savo tyrimui surinkome ~600 akademinių darbų santraukų porų lietuvių ir anglų kalbomis. Vertimą abiem kryptimis (iš anglų į lietuvių ir iš lietuvių į anglų) išbandėme su ~80 skirtingų didžiųjų kalbos modelių: tiek komercinių, tiek atvirų svorių, kuriuos galima parsisiųsti ir naudoti savo infrastruktūroje. Rezultatai nustebino. Verčiant iš anglų į lietuvių kalbą geriausių didžiųjų kalbos modelių COMET (vertinimo metrika, atsižvelgianti į vertimo prasmę ir kontekstą: kuo arčiau 1, tuo geriau) įverčiai viršijo 0,92, o iš lietuvių į anglų siekė apie 0,86. Atrodytų, versti į lietuvių kalbą turėtų būti sunkiau: juk reikia taisyklingai parinkti ir suderinti kaitomas žodžių formas. Tačiau didiesiems kalbos modeliams tai nebe problema. Koją kiša daugiaprasmiška, nenusistovėjusi terminija, kuri klaidina modelį ir didina jo klaidų tikimybę.
Terminija – „Achilo kulnas“, todėl mūsų tyrimas čia nesibaigia. Projekto metu tobulinsime mašininio vertimo modelius, mokysime juos geriau suprasti lietuvišką informatikos terminiją ir nuosekliau ją vartoti. O svarbiausia, kad prie DI modelių tobulinimo gali prisidėti kiekvienas, ieškodamas tinkamų lietuviškų terminų, vartodamas juos nuosekliai ir prasmingai, kalbėdamas ir rašydamas lietuviškai. Taip visi kartu kursime kalbą, iš kurios mokysis ir DI. Nes DI – mūsų pačių kalbos veidrodis.
VDU Informatikos fakultete vykdomas projektas įgyvendinamas pagal tarptautinę CHIST-ERA programą. Finansavimą skyrė Lietuvos mokslo taryba (LMTLT), sutarties Nr. S-CHIST-ERA-26-1.
About the Author
