Google Research představuje mapu 7 000 jazyků nástroje Language Explorer

Google Research představil Language Explorer 9. listopadu 2026 jako interaktivní platformu pro zkoumání geografického rozšíření jazyků, písem a počtu jejich mluvčích. Přehled světa zahrnuje přibližně 7 000 jazyků a 159 písem; záznamy mají sloužit jako podpora lingvistického výzkumu a vývoje jazykových technologií.

Platforma vznikla v rámci iniciativy Google 1,000 Languages Initiative a převádí open source soubor dat LinguaMeta do podoby veřejného vizuálního rozhraní. Oznámení Daana van Esche a Ucheho Okonkwa propojuje toto rozhraní s širší snahou zajistit, aby jazykové technologie byly užitečné pro větší část jazykové rozmanitosti světa.

Vrstva metadat pro jazykové technologie

Web Language Exploreru umožňuje vyhledávat podle názvu jazyka, země či regionu a kontinentu či subkontinentu. Uživatelé mohou procházet jazyky podle počtu mluvčích, míry ohrožení nebo písem a poté kliknutím na značku na mapě otevřít podrobnou stránku daného jazyka. Tyto stránky sdružují názvy, místa a identifikátory, například štítky BCP-47, Glottocodes a ID Wikidat, a poskytují tak jednotné referenční body napříč jazykovými zdroji.

Všechny údaje zobrazené na webu pocházejí z open source úložiště LinguaMeta, které sjednocuje informace o jazycích z 19 citovaných zdrojů. Článek o LinguaMeta z roku 2024 popsal podkladový soubor dat zahrnující 7 511 jazyků s kódy BCP-47 a ISO 639-3; u každého datového bodu je uveden štítek původu, který umožňuje jeho dohledání a opravu. Pokud se zdroje rozcházely, autoři buď upřednostnili autoritativnější zdroj, nebo provedli další výzkum s využitím akademických publikací, materiálů ze sčítání lidu a ústav.

Článek uváděl, že strojový překlad, rozpoznávání řeči a převod textu na řeč byly široce dostupné pouze přibližně ve 100 jazycích, zatímco u většiny ostatních byla podpora nekvalitní nebo zcela chyběla. Tato mezera dává metadatům praktický význam: počty mluvčích mohou pomoci stanovit priority práce a kombinace jazyka, písma a místního nastavení určují přesné kombinace, které musí lokalizovaný systém zvládnout. Struktura úložiště tyto kombinace uchovává v záznamech JSON; jednodušší souhrn TSV vynechává podrobnosti o zdrojích, rozšířené názvy, štítky používání písem, výzkum oficiálního statusu a souřadnice.

Od výzkumného úložiště k muzejní instalaci

Language Explorer je k vidění také jako interaktivní instalace na výstavě Real Talk! Language. Power. World. v Museum of Communication Berlin. Muzeum uvádí, že výstava byla zahájena 5. listopadu 2026.

Šest tematických místností se věnuje jazykovým světům, rozmanitosti, identitám, kontaktu, moci a budoucnosti. Závěrečná místnost se ptá, jak AI a chatboti mění komunikaci a jak výzkumníci a aktivisté dokumentují ohrožené jazyky. Online doprovodný obsah byl spuštěn 6. listopadu 2026 a nabízí doplňující materiály, videa a kvízy zkoumající stejných šest perspektiv, včetně vztahu mezi AI a mnohojazyčností. Berlínská výstava i její doprovodný obsah jsou plánovány do 27. února 2028.

Nerovnoměrné pokrytí a archivované úložiště

Tabulka pokrytí v článku ukazuje výrazné rozdíly mezi jednotlivými oblastmi. Údaje o počtu mluvčích byly k dispozici pro 6 253 jazyků, tedy 83 %, ale endonyma — názvy, které komunity používají pro své vlastní jazyky — byla zdokumentována pouze u 1 136 jazyků, tedy 15 %. Mapa proto nabízí široký vstupní přehled, zatímco hloubka informací se výrazně liší podle jazyka a kategorie.

Údaje o počtu mluvčích mají další omezení. Použité metody vynechávají počty lidí, kteří jazyk používají jako druhý jazyk, protože bylo obtížné získat spolehlivé statistiky; vyšší odhady počtu mluvčích zaokrouhlují na řády, aby se předešlo falešné přesnosti; a upozorňují, že sčítání počtu obyvatel jednotlivých místních oblastí může znásobit chyby ve zdrojích. Zdroj se zaměřuje na živé mluvené jazyky: znakové, starověké, historické a uměle vytvořené jazyky jsou vyloučeny. Makrojazyky a jazyky klasifikované jako vymřelé jsou zahrnuty; v druhém případě proto, že si některé z nich zachovaly malé komunity mluvčích. Esperanto je výslovnou výjimkou z vyloučení uměle vytvořených jazyků, protože je již podporováno několika jazykovými technologiemi.

Každá značka na mapě označuje pomyslné centrum jazyka, odvozené ze souřadnic Glottologu a ručně upravené. Web upozorňuje, že jazyky používají komunity, které se mohou stěhovat nebo překračovat politické hranice, a značky proto nelze chápat jako vymezení pevných území.

Rozdíly se týkají také údržby. Často kladené otázky nástroje Explorer popisují LinguaMeta jako aktivní projekt a vyzývají výzkumníky, aby přispívali opravami a zdroji.

Nadřazené úložiště url-nlp obsahuje oznámení GitHubu o archivaci ze dne 6. října 2026 a je označeno jako úložiště pouze pro čtení. Úplný soubor dat se správou verzí je nadále k dispozici ke stažení, ale vzhledem k tomuto statusu není jasné, jakým způsobem bude možné v budoucnu přispívat, když Google představuje rozhraní širšímu publiku.