Мансийский язык заговорил с нейросетью: 310 тысяч слов и цифровой корпус из 400 книг

Как сохранить язык, который веками существовал только в устной традиции, и сделать его полноправным участником цифрового мира? Этот непростой вопрос стал ключевым на Международном IT-форуме в Ханты-Мансийске, где эксперты искали пути интеграции языков коренных народов в современные технологии.

Учёные Югорского НИИ информационных технологий предложили практическое решение: они создали цифровой корпус мансийского языка. Это систематизированное собрание из 310 тысяч пар слов — «оригинал на мансийском — перевод на русский». Такой массив данных — необходимое условие для обучения искусственного интеллекта. Нейросети требуются десятки тысяч примеров, чтобы научиться понимать и переводить язык, на котором говорили веками, но который почти не фиксировался на письме.

Сложность заключалась в том, что письменных источников на мансийском языке крайне мало. Исследователи взялись за уникальную задачу: оцифровали практически все книги на мансийском, которые хранятся в окружной библиотеке. Это более 400 изданий — хрестоматии, словари, фольклорные сборники, сказки, стихи и проза. Каждая книга стала кирпичиком в фундаменте цифровой базы, достаточной для полноценной работы ИИ-моделей.

Результат не заставил себя ждать. Мансийский язык официально появился в Яндекс.Переводчике. Теперь любой человек, где бы он ни находился, может с помощью цифрового инструмента переводить слова и фразы, знакомиться с культурой, изучать богатое наследие народа манси и передавать его следующим поколениям.

Этот проект — больше, чем лингвистическое достижение. Это пример того, как высокие технологии становятся мостом между прошлым и будущим. Язык, который когда-то мог исчезнуть, сегодня учится говорить с миром на языке цифр. И делает это так уверенно, что скоро его можно будет услышать не только в лесах Югры, но и в каждом смартфоне, в каждом поисковом запросе и в каждой нейросети. Технологии не заменяют культуру. Они дают ей новое дыхание.

Источник: news-surgut.ru