Google Research Menampilkan Peta 7.000 Bahasa di Language Explorer

Pada 9 November 2026, Google Research memperkenalkan Language Explorer, sebuah platform interaktif untuk menelaah geografi bahasa, aksara, dan populasi penuturnya. Peta dunia ini mencakup sekitar 7.000 bahasa dan 159 aksara, dengan data yang ditujukan untuk mendukung penelitian linguistik dan pengembangan teknologi bahasa.

Dikembangkan sebagai bagian dari 1,000 Languages Initiative milik Google, platform ini mengubah himpunan data sumber terbuka LinguaMeta menjadi antarmuka visual yang dapat diakses publik. Pengumuman oleh Daan van Esch dan Uche Okonkwo mengaitkan antarmuka tersebut dengan upaya yang lebih luas untuk menjadikan teknologi bahasa bermanfaat bagi lebih banyak orang di tengah keragaman linguistik dunia.

Lapisan Metadata untuk Teknologi Bahasa

Situs Language Explorer mendukung pencarian berdasarkan nama bahasa, negara atau wilayah, serta benua atau subbenua. Pengguna dapat menelusuri bahasa berdasarkan jumlah penutur, tingkat keterancaman, atau aksaranya, lalu memilih penanda di peta untuk membuka halaman bahasa yang terperinci. Halaman tersebut menghimpun nama, lokasi, dan pengenal, termasuk tag BCP-47, Glottocode, dan ID Wikidata, sehingga menyediakan rujukan yang konsisten di berbagai sumber daya bahasa.

Setiap nilai yang ditampilkan di situs ini berasal dari LinguaMeta, repositori sumber terbuka yang menyelaraskan informasi bahasa dari 19 sumber yang dikutip. Makalah LinguaMeta tahun 2024 mendokumentasikan himpunan data yang mendasarinya, yang mencakup 7.511 bahasa dengan kode BCP-47 dan ISO 639-3; setiap titik data dilengkapi tag asal untuk memastikan keterlacakan dan memudahkan koreksi. Jika sumber-sumber berbeda pendapat, penulis memilih sumber yang lebih berwenang atau melakukan penelitian lebih lanjut dengan menggunakan publikasi akademis, bahan sensus, dan konstitusi.

Makalah tersebut melaporkan bahwa penerjemahan mesin, pengenalan ucapan, dan teknologi teks ke suara tersedia secara luas hanya untuk sekitar 100 bahasa, sementara sebagian besar bahasa lainnya memiliki cakupan berkualitas rendah atau bahkan tidak tercakup sama sekali. Kesenjangan itu membuat metadata tersebut berguna secara praktis: jumlah penutur dapat membantu menentukan prioritas kerja, sementara kombinasi bahasa, aksara, dan lokal menunjukkan secara tepat kombinasi yang harus ditangani oleh sistem yang dilokalkan. Struktur repositori menyimpan kombinasi tersebut dalam rekaman JSON; ringkasan TSV yang lebih sederhana tidak mencantumkan perincian sumber, nama lengkap, tag penggunaan aksara, penelitian tentang status resmi, maupun koordinat.

Dari Repositori Penelitian ke Instalasi Museum

Language Explorer juga ditampilkan sebagai instalasi interaktif dalam Real Talk! Language. Power. World. di Museum of Communication Berlin. Menurut catatan museum, pameran tersebut dibuka pada 5 November 2026.

Enam ruang bertema mengangkat dunia bahasa, keberagaman, identitas, kontak, kekuasaan, dan masa depan. Ruang terakhir membahas bagaimana AI dan chatbot mengubah komunikasi serta bagaimana peneliti dan aktivis mendokumentasikan bahasa yang terancam punah. Materi pendamping daring diluncurkan pada 6 November 2026, dengan tambahan materi latar, video, dan kuis yang mencakup enam sudut pandang yang sama, termasuk hubungan antara AI dan multilingualisme. Pameran di Berlin beserta materi pendampingnya tercantum hingga 27 Februari 2028.

Cakupan yang Tidak Merata dan Repositori yang Diarsipkan

Tabel cakupan dalam makalah tersebut menunjukkan perbedaan yang cukup besar antarbidang. Data jumlah penutur tersedia untuk 6.253 bahasa, atau 83%, tetapi endonim—nama yang digunakan suatu komunitas untuk bahasanya sendiri—hanya didokumentasikan untuk 1.136 bahasa, atau 15%. Karena itu, peta ini menyediakan titik awal yang luas, sementara kedalaman informasinya sangat bervariasi menurut bahasa dan kategori.

Data populasi disertai sejumlah kualifikasi tambahan. Metode yang digunakan tidak mencakup jumlah penutur bahasa kedua karena statistik yang dapat diandalkan sulit diperoleh, membulatkan perkiraan jumlah penutur yang lebih besar berdasarkan orde besaran untuk menghindari kesan presisi yang keliru, serta memperingatkan bahwa penggabungan populasi menurut lokal dapat memperbesar kesalahan dalam sumber. Sumber daya ini berfokus pada bahasa lisan yang masih digunakan: bahasa isyarat, bahasa kuno, bahasa historis, dan bahasa buatan tidak disertakan. Bahasa makro dan bahasa yang diklasifikasikan sebagai punah tetap disertakan; yang disebut terakhir karena beberapa di antaranya masih memiliki komunitas penutur kecil. Esperanto secara khusus dikecualikan dari pengecualian bahasa buatan karena beberapa teknologi bahasa sudah mendukungnya.

Setiap penanda di peta menunjukkan pusat bahasa perkiraan yang ditentukan berdasarkan koordinat Glottolog dan revisi manual. Situs ini mengingatkan bahwa bahasa dituturkan oleh komunitas yang dapat berpindah tempat atau melintasi batas politik, sehingga penanda tersebut tidak boleh dianggap sebagai wilayah yang tetap.

Ada pula ketidaksesuaian terkait pemeliharaan. Tanya Jawab Explorer menyebut LinguaMeta sebagai proyek aktif dan mengundang peneliti untuk menyumbangkan koreksi serta sumber daya.

Repositori url-nlp yang menaunginya memuat pemberitahuan pengarsipan GitHub bertanggal 6 Oktober 2026 dan ditandai hanya-baca. Himpunan data lengkap yang dikendalikan versinya tetap dapat diunduh, tetapi status tersebut membuat jalur kontribusi di masa mendatang tidak jelas, sementara Google memperkenalkan antarmuka ini kepada khalayak yang lebih luas.