Η Google Research παρουσιάζει τον χάρτη του Language Explorer με 7.000 γλώσσες

Η Google Research παρουσίασε το Language Explorer στις 9 Νοεμβρίου 2026, μια διαδραστική πλατφόρμα για τη μελέτη της γεωγραφικής κατανομής των γλωσσών, των συστημάτων γραφής και του αριθμού των ομιλητών τους. Η συνολική εικόνα του κόσμου που προσφέρει καλύπτει περίπου 7.000 γλώσσες και 159 συστήματα γραφής, με καταχωρίσεις που έχουν σχεδιαστεί για να υποστηρίζουν τη γλωσσολογική έρευνα και την ανάπτυξη γλωσσικών τεχνολογιών.

Η πλατφόρμα αναπτύχθηκε στο πλαίσιο της Πρωτοβουλίας της Google για 1.000 Γλώσσες και μετατρέπει το ανοικτού κώδικα σύνολο δεδομένων LinguaMeta σε δημόσια οπτική διεπαφή. Η ανακοίνωση των Daan van Esch και Uche Okonkwo συνδέει αυτή τη διεπαφή με μια ευρύτερη προσπάθεια να καταστούν οι γλωσσικές τεχνολογίες χρήσιμες σε μεγαλύτερο μέρος της γλωσσικής ποικιλομορφίας του κόσμου.

Ένα επίπεδο μεταδεδομένων για τη γλωσσική τεχνολογία

Ο ιστότοπος του Language Explorer υποστηρίζει αναζητήσεις με βάση το όνομα της γλώσσας, τη χώρα ή την περιοχή, καθώς και την ήπειρο ή την υποήπειρο. Οι χρήστες μπορούν να περιηγηθούν στις γλώσσες με βάση τον αριθμό ομιλητών, τον βαθμό κινδύνου εξαφάνισης ή τα συστήματα γραφής και, στη συνέχεια, να επιλέξουν μια ένδειξη στον χάρτη για να ανοίξουν τη λεπτομερή σελίδα μιας γλώσσας. Οι σελίδες αυτές συγκεντρώνουν ονόματα, τοποθεσίες και αναγνωριστικά, όπως ετικέτες BCP-47, Glottocodes και αναγνωριστικά Wikidata, προσφέροντας σταθερά σημεία αναφοράς για τους γλωσσικούς πόρους.

Κάθε τιμή που εμφανίζεται στον ιστότοπο προέρχεται από το LinguaMeta, ένα αποθετήριο ανοικτού κώδικα που ενοποιεί γλωσσικές πληροφορίες από 19 αναφερόμενες πηγές. Η εργασία του 2024 για το LinguaMeta τεκμηρίωσε το υποκείμενο σύνολο δεδομένων, το οποίο περιλάμβανε 7.511 γλώσσες με κωδικούς BCP-47 και ISO 639-3, καθώς και ετικέτα προέλευσης για κάθε σημείο δεδομένων, ώστε να είναι δυνατή η ιχνηλάτηση και η διόρθωσή του. Όταν οι πηγές διαφωνούσαν, οι συγγραφείς είτε προτιμούσαν την πιο έγκυρη πηγή είτε διεξήγαν περαιτέρω έρευνα, αξιοποιώντας ακαδημαϊκές δημοσιεύσεις, απογραφικά στοιχεία και συντάγματα.

Η εργασία ανέφερε ότι η μηχανική μετάφραση, η αναγνώριση ομιλίας και η μετατροπή κειμένου σε ομιλία ήταν ευρέως διαθέσιμες μόνο σε περίπου 100 γλώσσες, ενώ για τις περισσότερες άλλες η κάλυψη ήταν χαμηλής ποιότητας ή ανύπαρκτη. Αυτό το κενό προσδίδει πρακτική αξία στα μεταδεδομένα: ο αριθμός των ομιλητών μπορεί να συμβάλει στην ιεράρχηση των εργασιών, ενώ οι συνδυασμοί γλώσσας, συστήματος γραφής και τοπικών ρυθμίσεων προσδιορίζουν ακριβώς τους συνδυασμούς που πρέπει να υποστηρίζει ένα προσαρμοσμένο σύστημα. Η δομή του αποθετηρίου διατηρεί αυτούς τους συνδυασμούς σε εγγραφές JSON· μια απλούστερη σύνοψη TSV παραλείπει λεπτομέρειες για τις πηγές, τις εκτενείς ονομασίες, τις ετικέτες χρήσης συστημάτων γραφής, την έρευνα σχετικά με το επίσημο καθεστώς και τις συντεταγμένες.

Από το ερευνητικό αποθετήριο σε μουσειακή εγκατάσταση

Το Language Explorer παρουσιάζεται επίσης ως διαδραστική εγκατάσταση στην έκθεση Real Talk! Language. Power. World. στο Museum of Communication Berlin. Σύμφωνα με τα αρχεία του μουσείου, η έκθεση εγκαινιάστηκε στις 5 Νοεμβρίου 2026.

Έξι θεματικές αίθουσες εξετάζουν τους γλωσσικούς κόσμους, την ποικιλομορφία, τις ταυτότητες, τις επαφές, την εξουσία και το μέλλον. Η τελευταία αίθουσα θέτει το ερώτημα πώς η τεχνητή νοημοσύνη και τα chatbot αλλάζουν την επικοινωνία, καθώς και πώς ερευνητές και ακτιβιστές καταγράφουν τις γλώσσες που απειλούνται με εξαφάνιση. Ένας διαδικτυακός συνοδευτικός ιστότοπος ξεκίνησε στις 6 Νοεμβρίου 2026, προσθέτοντας υλικό υποβάθρου, βίντεο και κουίζ γύρω από τις ίδιες έξι οπτικές, μεταξύ άλλων για τη σχέση της τεχνητής νοημοσύνης με την πολυγλωσσία. Τόσο η έκθεση στο Βερολίνο όσο και ο συνοδευτικός ιστότοπός της αναφέρονται ως διαθέσιμα έως τις 27 Φεβρουαρίου 2028.

Άνιση κάλυψη και αρχειοθετημένο αποθετήριο

Ο πίνακας κάλυψης της εργασίας καταδεικνύει σημαντικές διαφορές μεταξύ των πεδίων. Υπήρχαν στοιχεία για τον πληθυσμό ομιλητών σε 6.253 γλώσσες, δηλαδή στο 83%, ενώ τα ενδώνυμα —οι ονομασίες που χρησιμοποιούν οι κοινότητες για τις δικές τους γλώσσες— είχαν καταγραφεί μόνο για 1.136 γλώσσες, δηλαδή για το 15%. Επομένως, ο χάρτης προσφέρει ένα ευρύ σημείο εκκίνησης, αλλά το βάθος των πληροφοριών διαφέρει σημαντικά ανάλογα με τη γλώσσα και την κατηγορία.

Οι τιμές πληθυσμού συνοδεύονται από πρόσθετες επιφυλάξεις. Οι υποκείμενες μέθοδοι παραλείπουν τον αριθμό όσων μιλούν μια γλώσσα ως δεύτερη, επειδή ήταν δύσκολο να συγκεντρωθούν αξιόπιστα στατιστικά στοιχεία· στρογγυλοποιούν τις μεγαλύτερες εκτιμήσεις ομιλητών κατά τάξη μεγέθους, ώστε να αποφεύγεται η ψευδής ακρίβεια· και προειδοποιούν ότι η άθροιση των πληθυσμών ανά τοπική γλωσσική ποικιλία μπορεί να μεγεθύνει τα σφάλματα των πηγών. Ο πόρος επικεντρώνεται στις ζωντανές ομιλούμενες γλώσσες: εξαιρούνται οι νοηματικές, οι αρχαίες, οι ιστορικές και οι τεχνητές γλώσσες. Περιλαμβάνονται οι μακρογλώσσες και οι γλώσσες που ταξινομούνται ως εξαφανισμένες, καθώς ορισμένες από τις τελευταίες εξακολουθούν να έχουν μικρές κοινότητες ομιλητών. Η Εσπεράντο αποτελεί ρητή εξαίρεση από τον αποκλεισμό των τεχνητών γλωσσών, επειδή ήδη υποστηρίζεται από αρκετές γλωσσικές τεχνολογίες.

Κάθε ένδειξη στον χάρτη σημειώνει ένα κατά προσέγγιση γλωσσικό κέντρο, το οποίο προκύπτει από συντεταγμένες του Glottolog και χειροκίνητες αναθεωρήσεις. Ο ιστότοπος επισημαίνει ότι οι γλώσσες ομιλούνται από κοινότητες που ενδέχεται να μετακινούνται ή να περνούν πολιτικά σύνορα, επομένως οι ενδείξεις δεν πρέπει να εκλαμβάνονται ως σταθερά εδάφη.

Υπάρχει επίσης μια απόκλιση ως προς τη συντήρηση. Η ενότητα συχνών ερωτήσεων του Explorer περιγράφει το LinguaMeta ως ενεργό έργο και καλεί τους ερευνητές να συνεισφέρουν διορθώσεις και πόρους.

Το αποθετήριο url-nlp που το περιλαμβάνει φέρει στο GitHub ειδοποίηση αρχειοθέτησης με ημερομηνία 6 Οκτωβρίου 2026 και έχει χαρακτηριστεί μόνο για ανάγνωση. Το πλήρες σύνολο δεδομένων, με έλεγχο εκδόσεων, εξακολουθεί να είναι διαθέσιμο για λήψη, αλλά αυτό το καθεστώς αφήνει ασαφή τη διαδικασία μελλοντικής συνεισφοράς, καθώς η Google παρουσιάζει τη διεπαφή σε ευρύτερο κοινό.