AI拯救冰島語(yǔ)

仇廣宇

冰島一處公路上的指示牌。圖/視覺中國(guó)?

你知道Sau？？ljóst是什么意思嗎？它是冰島語(yǔ)中的一個(gè)詞，描述的是一天中一個(gè)特殊時(shí)刻，在這個(gè)朦朧的黎明時(shí)分，大自然的光線，剛好讓人們能夠看清楚羊群。

用一個(gè)簡(jiǎn)單的詞匯傳達(dá)出詩(shī)意和美感，這正是冰島語(yǔ)的特色。多年來(lái)，這門語(yǔ)言的精美讓不少文人墨客為之著迷。但近百年來(lái)，這門精美的語(yǔ)言曾經(jīng)數(shù)次面臨滅絕危機(jī)。隨著全球化和高新科技的發(fā)展，只有三十幾萬(wàn)人使用的冰島語(yǔ)，在現(xiàn)實(shí)里會(huì)受到英語(yǔ)等強(qiáng)勢(shì)語(yǔ)言的威脅，在網(wǎng)絡(luò)空間里也沒有太多展示的空間。

不過(guò)，冰島人一直在為自己母語(yǔ)的生存而努力，而且這種努力已經(jīng)頗具成效，它甚至強(qiáng)大到將冰島語(yǔ)本身的命運(yùn)反轉(zhuǎn)了過(guò)來(lái)。2023年3月15日，美國(guó)人工智能研究公司Open AI發(fā)布最新的人工智能系統(tǒng)——GPT-4，并公布了一些正在使用GPT模型的案例。通過(guò)這些案例，人們才發(fā)現(xiàn)，冰島政府正在訓(xùn)練GPT模型學(xué)習(xí)冰島語(yǔ)。目前這種訓(xùn)練已經(jīng)取得了相當(dāng)大的突破，GPT-4已經(jīng)可以具備邏輯地用冰島語(yǔ)回答問(wèn)題，并學(xué)會(huì)書寫冰島語(yǔ)的詩(shī)歌了。

人工智能學(xué)會(huì)了保護(hù)小眾語(yǔ)言，這件事，讓人工智能軟件在人們眼中多了一層善良、溫柔的色彩，人們發(fā)現(xiàn)它不只會(huì)搶走人類的飯碗，也能夠在恰當(dāng)?shù)睦弥?，做一些保護(hù)傳統(tǒng)文化的有益工作。不過(guò)，說(shuō)到底，這件事還是倔強(qiáng)的冰島人促成的。

科技背景下的語(yǔ)言危機(jī)

冰島人之所以會(huì)選擇用人工智能去保護(hù)冰島語(yǔ)，是因?yàn)楸鶏u語(yǔ)在十幾年前遭遇過(guò)一次瀕臨滅絕的危機(jī)。2012年，一份由歐洲多家學(xué)術(shù)機(jī)構(gòu)聯(lián)合編寫的、名為《歐洲語(yǔ)言平等》的報(bào)告顯示，因?yàn)槿狈?shù)字技術(shù)的支持，有超過(guò)20種語(yǔ)言可能在網(wǎng)絡(luò)世界中滅絕，其中，冰島語(yǔ)的消失風(fēng)險(xiǎn)名列榜單的第二位，僅次于馬耳他語(yǔ)。那時(shí)，報(bào)告研究者憂心忡忡地呼吁，導(dǎo)致問(wèn)題的原因，可能是多數(shù)歐洲語(yǔ)言都嚴(yán)重缺乏語(yǔ)言資源——這種資源，指的正是相關(guān)的語(yǔ)言數(shù)據(jù)庫(kù)和語(yǔ)言技術(shù)工具。

具體說(shuō)來(lái)，這種危機(jī)是科技革命給小眾語(yǔ)言帶來(lái)的生存困境。十多年前，智能手機(jī)開始普及，之后，智能語(yǔ)音系統(tǒng)也開始伴隨智能音箱等產(chǎn)品進(jìn)駐千家萬(wàn)戶。在使用電子產(chǎn)品時(shí)，人們必須使用某種語(yǔ)言去和機(jī)器對(duì)話。但是，冰島人慢慢發(fā)現(xiàn)，當(dāng)他們?cè)谧约杭依锸褂弥悄芤粝浠蛘咂渌O(shè)備時(shí)，這些設(shè)備中沒有冰島語(yǔ)的選項(xiàng)。當(dāng)然，大部分冰島人都是精通多語(yǔ)種的，他們可以改用英語(yǔ)、挪威語(yǔ)、丹麥語(yǔ)，也不會(huì)覺得有太大問(wèn)題，但在政府層面看來(lái)，這種不能在自己家里使用母語(yǔ)的局面，實(shí)在是有些荒唐。

從那時(shí)起，這個(gè)問(wèn)題就留在了很多冰島人的心里，他們開始思考如何解決冰島語(yǔ)在數(shù)碼世界可能消失的問(wèn)題。擔(dān)憂的人包括詩(shī)人、學(xué)者甚至科技從業(yè)者，而首先站出來(lái)的正是一位技術(shù)從業(yè)人員——特勞斯蒂·克里斯蒂安松（Trausti Kristjánsson）?？死锼沟侔菜傻母赣H編纂過(guò)冰島語(yǔ)詞典，他對(duì)本民族語(yǔ)言也有著強(qiáng)烈的情感。早在2012年，在谷歌公司任職的他就開始強(qiáng)烈建議，要求他身邊的同事把冰島語(yǔ)加入谷歌語(yǔ)音的備選語(yǔ)言中。

但這個(gè)提議一開始就被谷歌的其他員工否決了，原因是，這些科技公司想要在語(yǔ)音系統(tǒng)里加入冰島語(yǔ)，就首先需要為冰島語(yǔ)建立數(shù)據(jù)庫(kù)，而對(duì)科技公司而言，為越小眾的語(yǔ)言建立數(shù)據(jù)庫(kù)，他們所支出的成本就會(huì)越多，因?yàn)樵嫉恼Z(yǔ)言材料不夠，為了收集這些材料，公司還要花費(fèi)額外的人力物力，這樣做，對(duì)一家企業(yè)而言很不劃算。為此，克里斯蒂安松只好與冰島當(dāng)?shù)氐囊晃粚W(xué)者展開合作，通過(guò)手機(jī)收集了冰島人朗讀的數(shù)百萬(wàn)個(gè)句子。最終，通過(guò)他們當(dāng)年收集的語(yǔ)料基礎(chǔ)，谷歌建立了互聯(lián)網(wǎng)上第一個(gè)完整的冰島語(yǔ)語(yǔ)料庫(kù)。如今，谷歌翻譯里的冰島語(yǔ)翻譯選項(xiàng)，也是以這個(gè)數(shù)據(jù)庫(kù)為基礎(chǔ)制作的。

在克里斯蒂安松之后，冰島政府也開始行動(dòng)。2014年起，冰島政府開始在一項(xiàng)語(yǔ)言保護(hù)計(jì)劃的牽頭之下，組織相關(guān)公司收集語(yǔ)言資料，促成人工語(yǔ)言數(shù)據(jù)庫(kù)的建設(shè)。數(shù)年后，當(dāng)數(shù)據(jù)庫(kù)的建設(shè)初具規(guī)模，冰島官員就開始了下一步行動(dòng)，他們公開致信，或是親自到訪各大科技公司，希望他們開展用機(jī)器學(xué)習(xí)冰島語(yǔ)的業(yè)務(wù)，或者，希望這些公司至少先在系統(tǒng)語(yǔ)言中添加冰島語(yǔ)選項(xiàng)。

冰島文化和商務(wù)部部長(zhǎng)莉莉婭·阿弗萊德多蒂爾（Lilja Alfredsdóttir）曾在2021年寫信給迪士尼，希望對(duì)方在網(wǎng)絡(luò)播放的電影添加冰島語(yǔ)的字幕和配音，后來(lái)迪士尼回復(fù)稱，愿意在《冰雪奇緣》等動(dòng)畫片中添加冰島語(yǔ)的字母和配音。此后，她又致信蘋果公司CEO蒂姆·庫(kù)克，但沒有收到回音。直到2022年4月，事情出現(xiàn)了較大的突破，冰島總統(tǒng)古德尼·約翰內(nèi)松親自帶著團(tuán)隊(duì)訪問(wèn)了Open AI，并最終促成了該公司與冰島的合作。

高新科技如何保護(hù)一門小眾語(yǔ)言？

對(duì)于能夠教會(huì)人工智能說(shuō)冰島語(yǔ)，冰島文化和商務(wù)部部長(zhǎng)阿弗萊德多蒂爾笑得很開心，曾為此事多方奔走的她，激動(dòng)地對(duì)媒體講述：為了訓(xùn)練人工智能說(shuō)冰島語(yǔ)，冰島方面花費(fèi)了四五年時(shí)間，調(diào)集了六十多名專家來(lái)研究這個(gè)問(wèn)題。此外，數(shù)家冰島科技公司也參與了這一過(guò)程。

使用人工智能學(xué)習(xí)一門語(yǔ)言，其背后的道理并不難理解。當(dāng)人工智能學(xué)會(huì)了某門小眾語(yǔ)言，就相當(dāng)于這門語(yǔ)言有了一個(gè)永不停歇、不斷進(jìn)化的“傳人”，那么，它作為小眾語(yǔ)言的滅絕風(fēng)險(xiǎn)也就會(huì)大大降低了。這個(gè)學(xué)習(xí)的過(guò)程同樣不難以理解。只要人們能夠收集到某種語(yǔ)言使用者提供的、足夠多的語(yǔ)言資料，比如對(duì)話、互聯(lián)網(wǎng)網(wǎng)頁(yè)和出版物等文字資料等，將這些資料建成語(yǔ)言數(shù)據(jù)庫(kù)，再把數(shù)據(jù)庫(kù)的內(nèi)容輸入人工智能的模型中進(jìn)行訓(xùn)練，稍微花費(fèi)時(shí)間和精力，就可以做到。

但簡(jiǎn)單道理的背后，還是有不少困難需要解決，尤其是，人工智能對(duì)語(yǔ)言的學(xué)習(xí)是依靠語(yǔ)言資料組成的語(yǔ)料庫(kù)完成的，那么語(yǔ)言本身的特點(diǎn)，以及數(shù)據(jù)庫(kù)的質(zhì)量，就會(huì)決定人工智能學(xué)習(xí)一門語(yǔ)言的效果。語(yǔ)言學(xué)家、教育部語(yǔ)言文字應(yīng)用研究所研究員，84歲的馮志偉是中國(guó)計(jì)算語(yǔ)言學(xué)的開拓者。在他看來(lái)，中文即使比冰島語(yǔ)大眾很多，在機(jī)器學(xué)習(xí)方面，它也面臨很多挑戰(zhàn)。

首先，如果語(yǔ)言材料本身的內(nèi)容不豐富，量不夠大或者質(zhì)量不夠高，都會(huì)令機(jī)器的學(xué)習(xí)效果大打折扣。比如，單獨(dú)以書本資料作為考察對(duì)象，中文的出版物大概只占目前全人類的語(yǔ)料庫(kù)的百分之5％，相比之下，英文出版物可以占到整個(gè)語(yǔ)料庫(kù)的60％，這樣的話，機(jī)器學(xué)習(xí)英語(yǔ)的效果自然更好。其次，如果某一門語(yǔ)言的獨(dú)特性過(guò)強(qiáng)，也會(huì)妨礙機(jī)器對(duì)它的學(xué)習(xí)。比如，中文在世界語(yǔ)言中的獨(dú)特性就很強(qiáng)，它不屬于表音文字，是表意的，其一個(gè)詞匯可能有很多重含義，此外，中文的詞和詞之間沒有空格，機(jī)器對(duì)這種一長(zhǎng)串組成的句子并不能很好地理解。這也增加了機(jī)器識(shí)別的難度。

用這幾個(gè)條件比照，在機(jī)器學(xué)習(xí)領(lǐng)域，冰島語(yǔ)確實(shí)面臨著類似的困境。由于使用人數(shù)、語(yǔ)言資料都比較少，因此用冰島語(yǔ)書寫的互聯(lián)網(wǎng)資源的數(shù)量更是少得可憐。其次，冰島語(yǔ)雖然屬于表音的語(yǔ)言，但有大量長(zhǎng)度極長(zhǎng)，中間不會(huì)空格的復(fù)合詞，這些單詞也容易讓機(jī)器“讀不懂”。

如今，能夠成功訓(xùn)練人工智能，其背后數(shù)據(jù)庫(kù)的建成，都是冰島人共同努力的結(jié)果。除了前述谷歌員工建立的數(shù)據(jù)庫(kù)之外，自從2014年政府建立相關(guān)項(xiàng)目以來(lái)，冰島本土的一些科技公司都投入到了數(shù)據(jù)庫(kù)的收集中去。比如，有家公司為此建設(shè)了一個(gè)網(wǎng)站，呼吁所有會(huì)說(shuō)冰島語(yǔ)的人都把自己說(shuō)話的錄音傳上去，為語(yǔ)料庫(kù)做一份貢獻(xiàn)。冰島前總統(tǒng)維格迪絲·芬博阿多蒂爾也帶頭參加這些語(yǔ)音項(xiàng)目的收集工作，親自在數(shù)據(jù)庫(kù)里錄下了她的聲音。

數(shù)據(jù)庫(kù)建成后，又有其他冰島本地的公司參與進(jìn)來(lái)進(jìn)行后續(xù)工作。其中一家公司組建了將近40個(gè)人的團(tuán)隊(duì)，這個(gè)團(tuán)隊(duì)每天的主要工作就是專門負(fù)責(zé)訓(xùn)練GPT-4 回答冰島語(yǔ)問(wèn)題。這些工作人員每天給GPT-4 留一些冰島語(yǔ)的“作業(yè)”，他們負(fù)責(zé)把答案收集進(jìn)行評(píng)估。若發(fā)現(xiàn)機(jī)器的回答不準(zhǔn)確，再重新教會(huì)它改進(jìn)，如此循環(huán)往復(fù)，這種訓(xùn)練有了成果，在GPT4的上一代模型——GPT3.5所輸出的答案里，還會(huì)混有英語(yǔ)或其他北歐語(yǔ)言的單詞，但是很快，GPT4就能給出純冰島語(yǔ)的答案了，而且日益準(zhǔn)確。

“語(yǔ)言規(guī)劃部”和“人名規(guī)劃局”

在語(yǔ)言學(xué)家馮志偉看來(lái)，語(yǔ)言保護(hù)是冰島政府的“國(guó)策”。而冰島人將這種保護(hù)做出了特色。除了應(yīng)用人工智能技術(shù)保護(hù)語(yǔ)言，冰島一直設(shè)有一個(gè)類似“語(yǔ)言規(guī)劃部”的語(yǔ)言規(guī)劃組織。該組織受到政府的資助，其中活躍著很多語(yǔ)言和技術(shù)學(xué)者，這些人的工作是審定外來(lái)技術(shù)詞語(yǔ)，再以此為標(biāo)注提倡冰島公民使用。馮志偉提到，這種保護(hù)規(guī)格還是很高的，目前在歐洲國(guó)家中，除了冰島，只有法國(guó)才有“法語(yǔ)推廣委員會(huì)”，其他國(guó)家都沒有專門建立。

人們會(huì)好奇，為何冰島人如此執(zhí)著于本民族的語(yǔ)言保護(hù)？除了民族性格之外，這也與冰島的歷史傳統(tǒng)相關(guān)。將語(yǔ)言上升為一種民族情感和“國(guó)策”，這與冰島建國(guó)的歷史有很大的關(guān)系。從公元9世紀(jì)起，冰島就開始有移民居住，在這個(gè)小島上，很早就誕生了獨(dú)立的民族意識(shí)和自己的文化，但千百年來(lái)，它始終不能算是一個(gè)獨(dú)立的國(guó)家，而是處于挪威和丹麥的勢(shì)力范圍內(nèi)。后來(lái)，冰島于1944年正式建立共和國(guó)。

冰島人形成了一種文化共識(shí)，他們深知，他們的祖國(guó)不是一個(gè)大國(guó)，因此，獨(dú)立的經(jīng)濟(jì)和獨(dú)特的文化才是他們的生存之道。因此，大概也是從19世紀(jì)開始，冰島的上層人士和學(xué)者們，就開始把這種共識(shí)傳播開來(lái)，逐漸形成了冰島人骨子里對(duì)民族語(yǔ)言文化的熱愛。此外，雖然長(zhǎng)期和挪威語(yǔ)、丹麥語(yǔ)以及英語(yǔ)共處，但在現(xiàn)代社會(huì)之前，冰島語(yǔ)的樣貌沒有太多變化，它一直是與古代北歐語(yǔ)言最接近的一門語(yǔ)言，冰島人可以毫不費(fèi)力地閱讀他們的祖先在千年前寫下的詩(shī)歌。這種身為世界文化遺產(chǎn)的自豪感，也促進(jìn)了冰島人對(duì)冰島語(yǔ)言的熱愛。

因?yàn)檫@樣的共識(shí)，冰島人早在百年前就開始嘗試用系統(tǒng)方法進(jìn)行語(yǔ)言保護(hù)。那個(gè)所謂的“語(yǔ)言規(guī)劃部”早在1927年就成立了，如今，它的名字是阿尼·馬格努松研究所，是一間由冰島大學(xué)獨(dú)立資助的學(xué)術(shù)研究機(jī)構(gòu)，在冰島文化和商務(wù)部的主持下運(yùn)作。最早，這個(gè)機(jī)構(gòu)是為了解決外來(lái)詞和冰島語(yǔ)的結(jié)合問(wèn)題而設(shè)置。當(dāng)時(shí)，隨著時(shí)代發(fā)展，越來(lái)越多的外來(lái)詞涌入冰島，為了和游客、客戶等對(duì)象溝通，普通百姓也開始將英語(yǔ)等其他語(yǔ)言與冰島語(yǔ)混用。慢慢地，大到學(xué)術(shù)會(huì)議的官方語(yǔ)言，小到家電說(shuō)明書，食品商標(biāo)和孩子們玩的游戲卡，冰島人眼中的外語(yǔ)詞匯日益增多，母語(yǔ)詞匯一再被蠶食。這一現(xiàn)象令政府人士十分頭疼。

為了解決這一問(wèn)題，“語(yǔ)言規(guī)劃部”想到了一個(gè)辦法：他們把所有外來(lái)詞都用冰島語(yǔ)的語(yǔ)法重新造詞，再通過(guò)手冊(cè)、報(bào)紙、廣播、電視等各種形式推廣至全國(guó)。這些詞匯很多都是當(dāng)年比較新的科技發(fā)明。舉例說(shuō)來(lái)，冰島語(yǔ)中原本沒有“電視”和“電腦”這兩個(gè)詞，當(dāng)出現(xiàn)了這些新鮮事物后，研究所就開始構(gòu)造這些詞匯，他們構(gòu)造出的“電視”這個(gè)詞，是“視覺”加上“投射、發(fā)射”的意思組合而成的。而諸如“TV”“Computer”這樣的外來(lái)詞，是不被鼓勵(lì)在冰島本土使用的。

隨著時(shí)代發(fā)展，冰島語(yǔ)語(yǔ)言危機(jī)愈演愈烈時(shí)，“語(yǔ)言規(guī)劃部”反而越挫越勇，它們甚至發(fā)展出相關(guān)的“人名地名規(guī)劃局”來(lái)規(guī)范人名和地名?，F(xiàn)在的阿尼·馬格努松研究所有一個(gè)下屬機(jī)構(gòu)，專門對(duì)人名和地名如何進(jìn)行準(zhǔn)確地冰島語(yǔ)表達(dá)加以研究。

如今，一切努力都有了成果。當(dāng)人工智能成功地學(xué)會(huì)了用冰島語(yǔ)寫詩(shī)歌，執(zhí)拗的冰島人展露出了欣慰的笑容，除了“語(yǔ)言規(guī)劃部”以外，他們從此有了一個(gè)新的、守護(hù)本民族語(yǔ)言的幫手。在最新公布的2023年版的《歐洲語(yǔ)言平等》報(bào)告中，冰島人為本民族語(yǔ)言留存所做的一切努力都得到了高度贊揚(yáng)，在這些研究者看來(lái)，盡管冰島語(yǔ)依然有著滅絕的風(fēng)險(xiǎn)，但這個(gè)趨勢(shì)是在不斷減小的。這也正如冰島文化和商務(wù)部部長(zhǎng)阿弗萊德多蒂爾所感慨的那樣：作為一個(gè)小國(guó)，只要做足了功課，我們依然可以很好地保護(hù)我們的語(yǔ)言。

（參考資料：《冰島主權(quán)觀念：構(gòu)建文化獨(dú)特性與優(yōu)先經(jīng)濟(jì)發(fā)展》，作者陳安琪）