Przyspieszaj\u0105ca globalna utrata j\u0119zyk\u00f3w, zwi\u0105zana z podwy\u017cszonym wyst\u0119powaniem u\u017cywania substancji niedozwolonych, cukrzycy typu 2, picia alkoholu w nadmiarze i napa\u015bci, a tak\u017ce sze\u015bciokrotnie wy\u017cszymi wska\u017anikami samob\u00f3jstw w\u015br\u00f3d m\u0142odzie\u017cy, stanowi narastaj\u0105ce wyzwanie dla spo\u0142eczno\u015bci mniejszo\u015bciowych, rdzennych, uchod\u017aczych, skolonizowanych i imigranckich. W \u015brodowiskach, gdzie przekaz mi\u0119dzypokoleniowy jest cz\u0119sto zak\u0142\u00f3cany, systemy neuronowego t\u0142umaczenia maszynowego sztucznej inteligencji maj\u0105 potencja\u0142 do rewitalizacji j\u0119zyk\u00f3w dziedzictwa i wzmocnienia nowych u\u017cytkownik\u00f3w poprzez umo\u017cliwienie im zrozumienia i bycia zrozumianymi za pomoc\u0105 natychmiastowego t\u0142umaczenia. Jednak rozwi\u0105zania sztucznej inteligencji stwarzaj\u0105 problemy, takie jak prohibicyjne koszty i problemy z jako\u015bci\u0105 wynik\u00f3w. Rozwi\u0105zaniem jest po\u0142\u0105czenie silnik\u00f3w neuronowych z klasycznymi, opartymi na regu\u0142ach, kt\u00f3re umo\u017cliwiaj\u0105 in\u017cynierom usuwanie zapo\u017cycze\u0144 i neutralizowanie interferencji z j\u0119zyk\u00f3w dominuj\u0105cych. Ta praca opisuje przebudow\u0119 silnika wdro\u017conego na LemkoTran.com w celu umo\u017cliwienia t\u0142umaczenia na j\u0119zyk \u0142emkowski i z niego, b\u0119d\u0105cy powa\u017cnie zagro\u017conym, mniejszo\u015bciowym dialektem ukrai\u0144skiej klasyfikacji genetycznej, rdzennym dla pogranicza mi\u0119dzy Polsk\u0105 a S\u0142owacj\u0105 (gdzie jest r\u00f3wnie\u017c okre\u015blany jako rusi\u0144ski). Modu\u0142y t\u0142umaczenia oparte na s\u0142ownikach zosta\u0142y wyposa\u017cone w morfologicznie i syntaktycznie poinformowane generatory rzeczownik\u00f3w, czasownik\u00f3w i przymiotnik\u00f3w zasilane przez 877 lemat\u00f3w wraz z 708 wpisami s\u0142ownikowymi, a ca\u0142y system zosta\u0142 wzmocniony przez 9 518 automatycznych, odnosz\u0105cych si\u0119 do kodyfikacji, obowi\u0105zkowych test\u00f3w kontroli jako\u015bci. Owocem tej pracy jest 23% poprawa od ostatniej publikacji w jako\u015bci t\u0142umaczenia na j\u0119zyk angielski i 35% wzrost jako\u015bci t\u0142umaczenia z j\u0119zyka angielskiego na \u0142emkowski, zapewniaj\u0105c t\u0142umaczenia, kt\u00f3re przewy\u017cszaj\u0105 ka\u017cd\u0105 us\u0142ug\u0119 Google Translate wed\u0142ug ka\u017cdej metryki i uzyskuj\u0105 wynik o 396% wy\u017cszy ni\u017c us\u0142uga ukrai\u0144ska Google przy t\u0142umaczeniu na j\u0119zyk \u0142emkowski. <\/p>\n\n
\n \n Orynycz, P. (2023). BLEU Skies for Endangered Language Revitalization: Lemko Rusyn and Ukrainian Neural AI Translation Accuracy Soars. W: Degen, H., Ntoa, S. (red.), Artificial Intelligence in HCI. HCII 2023. Lecture Notes in Computer Science, t. 14051. Cham: Springer. https:\/\/doi.org\/10.1007\/978-3-031-35894-4_10 <\/cite>\n\n \n