Google Research ने Language Explorer का 7,000 भाषाओं वाला मानचित्र प्रस्तुत किया

Google Research ने 9 नवंबर, 2026 को Language Explorer प्रस्तुत किया—यह भाषा-भूगोल, लिपियों और भाषियों की आबादी का अध्ययन करने वाला एक संवादात्मक मंच है। इसका विश्व-दृश्य लगभग 7,000 भाषाओं और 159 लिपियों को समेटता है। इसके अभिलेख भाषावैज्ञानिक अनुसंधान और भाषा-प्रौद्योगिकी के विकास में सहायता के लिए तैयार किए गए हैं।

Google की 1,000 Languages Initiative के तहत विकसित यह मंच मुक्त-स्रोत LinguaMeta डेटासेट को सार्वजनिक दृश्यात्मक इंटरफ़ेस में बदलता है। Daan van Esch और Uche Okonkwo की इस घोषणा से यह इंटरफ़ेस उस व्यापक प्रयास से जुड़ता है, जिसका लक्ष्य दुनिया की अधिक भाषाई विविधता के बीच भाषा-प्रौद्योगिकियों को उपयोगी बनाना है।

भाषा-प्रौद्योगिकी के लिए मेटाडेटा की परत

Language Explorer की साइट पर भाषा के नाम, देश या क्षेत्र, और महाद्वीप या उपमहाद्वीप के आधार पर खोज की जा सकती है। उपयोगकर्ता भाषियों की संख्या, भाषा के लुप्तप्राय होने की स्थिति या लिपियों के आधार पर जानकारी देख सकते हैं, और फिर मानचित्र पर किसी चिह्न को चुनकर भाषा का विस्तृत पृष्ठ खोल सकते हैं। इन पृष्ठों पर नाम, स्थान और BCP-47 टैग, Glottocodes तथा Wikidata ID जैसे पहचान-सूचक एक साथ दिए गए हैं, जिससे विभिन्न भाषा-संसाधनों में संदर्भ के लिए समान आधार मिलता है।

साइट पर दिखाई जाने वाली हर जानकारी LinguaMeta से आती है। यह एक मुक्त-स्रोत संग्रह है, जो 19 उद्धृत स्रोतों से मिली भाषा-संबंधी जानकारी को एकरूप करता है। 2024 के LinguaMeta शोधपत्र में मूल डेटासेट का विवरण दिया गया था: इसमें 7,511 भाषाएँ थीं, जिनके साथ BCP-47 और ISO 639-3 कोड थे। हर डेटा-बिंदु पर उसके स्रोत का टैग भी था, ताकि जानकारी का पता लगाया जा सके और उसमें सुधार किया जा सके। स्रोतों में मतभेद होने पर लेखकों ने या तो अधिक प्रामाणिक स्रोत को प्राथमिकता दी या अकादमिक प्रकाशनों, जनगणना-सामग्री और संविधानों की मदद से आगे शोध किया।

शोधपत्र के अनुसार, मशीनी अनुवाद, वाक्-पहचान और पाठ से वाक् तैयार करने की सुविधा व्यापक रूप से केवल लगभग 100 भाषाओं में उपलब्ध थी; अधिकांश अन्य भाषाओं के लिए या तो सुविधा की गुणवत्ता कम थी या वह उपलब्ध ही नहीं थी। इस कमी के कारण मेटाडेटा की व्यावहारिक भूमिका बनती है: भाषियों की संख्या से काम की प्राथमिकताएँ तय करने में मदद मिल सकती है, जबकि भाषा-लिपि-क्षेत्रीय भाषा के संयोजन यह पहचानते हैं कि किसी स्थानीयकृत प्रणाली को किन सटीक संयोजनों को संभालना होगा। संग्रह की संरचना इन संयोजनों को JSON अभिलेखों में सुरक्षित रखती है; इससे अधिक सरल TSV सारांश में स्रोतों का विवरण, विस्तृत नाम, लिपि-प्रयोग टैग, आधिकारिक स्थिति पर शोध और निर्देशांक शामिल नहीं होते।

शोध-संग्रह से संग्रहालय की प्रदर्शनी तक

Language Explorer, बर्लिन के Museum of Communication में Real Talk! Language. Power. World. नाम की संवादात्मक प्रदर्शनी के रूप में भी मौजूद है। संग्रहालय के अभिलेखों के अनुसार, प्रदर्शनी 5 नवंबर, 2026 को खुली।

छह विषयगत कक्ष भाषा-जगत, विविधता, पहचान, संपर्क, शक्ति और भविष्य पर केंद्रित हैं। अंतिम कक्ष में यह सवाल उठाया गया है कि कृत्रिम बुद्धिमत्ता (AI) और चैटबॉट संचार को कैसे बदल रहे हैं, और शोधकर्ता तथा कार्यकर्ता लुप्तप्राय भाषाओं का दस्तावेज़ीकरण किस तरह कर रहे हैं। ऑनलाइन पूरक सामग्री 6 नवंबर, 2026 को शुरू हुई। इसमें उन्हीं छह दृष्टिकोणों पर पृष्ठभूमि-सामग्री, वीडियो और प्रश्नोत्तरी जोड़ी गईं, जिनमें AI और बहुभाषिकता के बीच संबंध भी शामिल है। बर्लिन की प्रदर्शनी और उसकी पूरक सामग्री, दोनों की अवधि 27 फरवरी, 2028 तक दी गई है।

असमान कवरेज और संग्रह का अभिलेखागार

शोधपत्र की कवरेज तालिका अलग-अलग क्षेत्रों के बीच बड़े अंतर दिखाती है। 6,253 भाषाओं, यानी 83% के लिए भाषियों की आबादी के आँकड़े उपलब्ध थे, लेकिन समुदायों द्वारा अपनी भाषा के लिए इस्तेमाल किए जाने वाले नाम—अंतर्नाम—केवल 1,136 भाषाओं, यानी 15% के लिए दर्ज थे। इसलिए यह मानचित्र जानकारी पाने का एक व्यापक शुरुआती माध्यम है, जबकि जानकारी की गहराई भाषा और श्रेणी के अनुसार काफी बदलती है।

आबादी के आँकड़ों के साथ कुछ अतिरिक्त सीमाएँ भी जुड़ी हैं। मूल पद्धति में दूसरी भाषा के रूप में बोलने वालों की कुल संख्या शामिल नहीं की गई, क्योंकि विश्वसनीय आँकड़े जुटाना कठिन था। बड़ी भाषी-आबादी के अनुमानों को झूठी सटीकता से बचने के लिए परिमाण के क्रम के अनुसार पूर्णांकित किया गया। साथ ही, चेतावनी दी गई कि अलग-अलग क्षेत्रीय भाषा-समुदायों की आबादी को जोड़ने से स्रोतों की त्रुटियाँ बढ़ सकती हैं। यह संसाधन जीवित बोलचाल की भाषाओं पर केंद्रित है; सांकेतिक, प्राचीन, ऐतिहासिक और निर्मित भाषाएँ इसमें शामिल नहीं हैं। इसमें मैक्रोभाषाएँ और विलुप्त के रूप में वर्गीकृत भाषाएँ शामिल हैं; बाद वाली इसलिए कि उनमें से कुछ के छोटे भाषी-समुदाय अब भी मौजूद हैं। निर्मित भाषाओं को बाहर रखने के नियम का स्पष्ट अपवाद Esperanto है, क्योंकि कई भाषा-प्रौद्योगिकियाँ पहले से इसका समर्थन करती हैं।

मानचित्र पर हर चिह्न Glottolog के निर्देशांकों और हाथ से किए गए संशोधनों के आधार पर तय किए गए भाषा-केंद्र का अनुमानित स्थान दिखाता है। साइट आगाह करती है कि भाषाएँ ऐसे समुदायों द्वारा बोली जाती हैं जो स्थान बदल सकते हैं या राजनीतिक सीमाएँ पार कर सकते हैं; इसलिए इन चिह्नों को निश्चित भू-क्षेत्र नहीं समझना चाहिए।

रखरखाव को लेकर भी एक विसंगति है। Explorer के अक्सर पूछे जाने वाले सवालों में LinguaMeta को सक्रिय परियोजना बताया गया है और शोधकर्ताओं को सुधार तथा संसाधन उपलब्ध कराने के लिए आमंत्रित किया गया है।

इससे जुड़ा url-nlp संग्रह 6 अक्टूबर, 2026 की GitHub अभिलेखागार-सूचना के साथ है और इसे केवल-पठन के लिए चिह्नित किया गया है। संस्करण-नियंत्रित पूरा डेटासेट अब भी डाउनलोड किया जा सकता है, लेकिन Google द्वारा इस इंटरफ़ेस को व्यापक दर्शकों के सामने पेश किए जाने के बीच इस स्थिति से यह स्पष्ट नहीं होता कि भविष्य में योगदान कैसे दिए जा सकेंगे।