AI拯救冰島語

仇廣宇

你知道是什么意思嗎？它是冰島語中的一個詞，描述的是一天中一個特殊時刻，在這個朦朧的黎明時分，大自然的光線，剛好讓人們能夠看清楚羊群。

用一個簡單的詞匯傳達(dá)出詩意和美感，正是冰島語的特色。但近百年來，這門精美的語言曾數(shù)次面臨滅絕危機(jī)。隨著全球化和高新科技的發(fā)展，只有三十幾萬人使用的冰島語，在現(xiàn)實(shí)里受到英語等強(qiáng)勢語言的威脅，在網(wǎng)絡(luò)空間里也沒有太多展示的空間。

不過，冰島人從未放棄為母語的生存而努力，這種努力甚至強(qiáng)大到將冰島語的命運(yùn)反轉(zhuǎn)了過來。2023年3月15日，美國人工智能研究公司OpenAI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。通過這些案例，人們發(fā)現(xiàn)，冰島政府正在訓(xùn)練GPT模型學(xué)習(xí)冰島語。目前，GPT-4已經(jīng)可以具備邏輯地用冰島語回答問題，并學(xué)會書寫冰島語的詩歌了。

這件事，讓人工智能在人們眼中多了一層善良、溫柔的色彩，人們發(fā)現(xiàn)它不只會搶走人類的飯碗，也能在恰當(dāng)?shù)睦弥?，做一些保護(hù)傳統(tǒng)文化的有益工作。不過，說到底，這件事還是倔強(qiáng)的冰島人促成的。

科技背景下的語言危機(jī)

冰島語在十幾年前就遭遇過一次滅絕危機(jī)。2012年，一份名為《歐洲語言平等》的報告顯示，有超過20種語言可能在網(wǎng)絡(luò)世界中滅絕，其中，冰島語名列第二，僅次于馬耳他語。

這種危機(jī)是科技革命給小眾語言帶來的生存困境。十多年前，智能手機(jī)開始普及，之后，智能語音系統(tǒng)也開始伴隨智能音箱等產(chǎn)品進(jìn)駐千家萬戶。在使用電子產(chǎn)品時，人們必須使用某種語言去和機(jī)器對話。但是，冰島人發(fā)現(xiàn)，當(dāng)他們在自己家里使用這些設(shè)備時，其中并沒有冰島語的選項(xiàng)。當(dāng)然，大部分冰島人是精通多語種的，他們可以改用英語、挪威語、丹麥語，也不會有太大問題，但這種不能在自己家里使用母語的局面，實(shí)在有些荒唐。

從那時起，冰島人就開始思考解決冰島語在數(shù)碼世界可能消失的問題。首先站出來的是一位技術(shù)從業(yè)人員——特勞斯蒂·克里斯蒂安松?？死锼沟侔菜傻母赣H編纂過冰島語詞典，他對本民族語言有著濃烈的情感。2012年，在谷歌公司任職的克里斯蒂安松，強(qiáng)烈要求把冰島語加入谷歌語音的備選語言中。

這個提議最初被谷歌否決了。原因是，要想在語音系統(tǒng)里加入冰島語，首先需要為它建立數(shù)據(jù)庫，而為越小眾的語言建立數(shù)據(jù)庫，所支出的成本就會越多。為了收集語言材料，公司要花費(fèi)額外的人力物力，這樣做對一家企業(yè)而言很不劃算。為此，克里斯蒂安松只好與一位冰島學(xué)者展開合作，通過手機(jī)收集了冰島人朗讀的數(shù)百萬個句子。最終，以此為語料基礎(chǔ)，谷歌建立了互聯(lián)網(wǎng)上第一個完整的冰島語語料庫。如今，谷歌翻譯里的冰島語翻譯選項(xiàng)，也是以這個數(shù)據(jù)庫為基礎(chǔ)制作的。

之后，冰島官員也開始行動。冰島文化和商務(wù)部部長莉莉婭·阿弗萊德多蒂爾曾在2021年寫信給迪士尼，希望對方為網(wǎng)絡(luò)播放的電影添加冰島語字幕和配音，迪士尼答應(yīng)了。2022年4月，冰島總統(tǒng)古德尼·約翰內(nèi)松親自帶著團(tuán)隊(duì)訪問了OpenAI，并最終促成了該公司與冰島的合作。

高新科技如何保護(hù)小眾語言

當(dāng)人工智能學(xué)會了一門語言，就相當(dāng)于這門語言有了一個永不停歇、不斷進(jìn)化的“傳人”，那么，它滅絕的風(fēng)險就大大降低了。聽起來很簡單，但背后有不少困難需要解決。

以中文為例。首先，如果語言材料本身的內(nèi)容不豐富，量不夠大或者質(zhì)量不夠高，都會令機(jī)器的學(xué)習(xí)效果大打折扣。比如，中文出版物大概只占全人類語料庫的5%，而英文出版物可以占到60%，這樣的話，機(jī)器學(xué)習(xí)英語的效果自然更好。其次，如果某一門語言的獨(dú)特性過強(qiáng)，也會妨礙機(jī)器對它的學(xué)習(xí)。比如，中文不屬于表音文字，是表意的，其一個詞語可能有很多重含義，此外，中文的詞和詞之間沒有空格，機(jī)器對這種一長串字符組成的句子并不能很好地理解。這也增加了機(jī)器識別的難度。

用這幾個條件比照，冰島語也面臨著類似的困境。由于使用人數(shù)、語言資料都比較少，因此用冰島語書寫的互聯(lián)網(wǎng)資源更是少得可憐。其次，冰島語雖然屬于表音的語言，但有大量長度極長、中間不會空格的復(fù)合詞，這些單詞也容易讓機(jī)器“讀不懂”。

為了訓(xùn)練人工智能說冰島語，冰島方面花費(fèi)四五年時間，調(diào)集60多名專家和數(shù)家冰島科技公司共同參與了這一過程。比如，有家公司建設(shè)了一個網(wǎng)站，呼吁所有會說冰島語的人都把自己說話的錄音傳上去，為語料庫做一份貢獻(xiàn)。冰島前總統(tǒng)維格迪絲·芬博阿多蒂爾也帶頭親自在數(shù)據(jù)庫里錄下了她的聲音。

還有一家公司組建了40人的團(tuán)隊(duì)，專門訓(xùn)練GPT-4回答冰島語問題。工作人員每天給GPT-4留一些冰島語“作業(yè)”，他們負(fù)責(zé)收集答案并進(jìn)行評估。若發(fā)現(xiàn)機(jī)器的回答不準(zhǔn)確，再教它改進(jìn)，如此循環(huán)往復(fù)。在GPT-4的上一代模型——GPT-3.5所輸出的答案里，還會混有英語或其他北歐語言的單詞，但是很快，GPT-4就能給出純冰島語的答案了，而且日益準(zhǔn)確。

在最新公布的2023年版《歐洲語言平等》報告中，冰島人為本民族語言留存所做的一切努力都得到了高度贊揚(yáng)，盡管冰島語依然有著滅絕的風(fēng)險，但這個趨勢是在不斷減小的。這也正如阿弗萊德多蒂爾所感慨的：作為一個小國，只要做足了功課，我們依然可以很好地保護(hù)我們的語言。

（摘自《中國新聞周刊》2023年第15期，本刊有刪節(jié)，一刀圖）