Google Research presenta la mappa di Language Explorer con 7.000 lingue

Il 9 novembre 2026, Google Research ha presentato Language Explorer, una piattaforma interattiva per esplorare la geografia delle lingue, i sistemi di scrittura e le popolazioni di parlanti. La panoramica mondiale comprende circa 7.000 lingue e 159 sistemi di scrittura, con dati pensati per sostenere la ricerca linguistica e lo sviluppo delle tecnologie linguistiche.

Sviluppata nell’ambito dell’iniziativa 1,000 Languages di Google, la piattaforma trasforma il dataset open source LinguaMeta in un’interfaccia visiva accessibile al pubblico. L’annuncio di Daan van Esch e Uche Okonkwo collega questa interfaccia a un impegno più ampio volto a rendere le tecnologie linguistiche utili per una porzione più vasta della diversità linguistica mondiale.

Un livello di metadati per le tecnologie linguistiche

Il sito di Language Explorer consente di cercare per nome della lingua, paese o regione, continente o subcontinente. Gli utenti possono esplorare i dati in base al numero di parlanti, al grado di rischio di estinzione o ai sistemi di scrittura, quindi selezionare un segnaposto sulla mappa per aprire una pagina dettagliata sulla lingua. Queste pagine raccolgono nomi, località e identificativi, tra cui tag BCP-47, Glottocode e ID Wikidata, offrendo riferimenti coerenti tra le diverse risorse linguistiche.

Tutti i valori visualizzati sul sito provengono da LinguaMeta, un repository open source che armonizza informazioni linguistiche tratte da 19 fonti citate. Il lavoro del 2024 su LinguaMeta documentava un dataset di 7.511 lingue, con codici BCP-47 e ISO 639-3, e un tag di provenienza per ogni dato, così da garantirne la tracciabilità e consentire eventuali correzioni. In caso di disaccordo tra le fonti, gli autori hanno privilegiato quella più autorevole oppure hanno svolto ulteriori ricerche consultando pubblicazioni accademiche, dati censuari e costituzioni.

Il lavoro riferiva che la traduzione automatica, il riconoscimento vocale e la sintesi vocale erano ampiamente disponibili solo per circa 100 lingue, mentre per la maggior parte delle altre la copertura era di bassa qualità o del tutto assente. Questa lacuna attribuisce ai metadati un ruolo pratico: il numero di parlanti può aiutare a stabilire le priorità di intervento, mentre le combinazioni di lingua, sistema di scrittura e impostazioni locali identificano le configurazioni precise che un sistema localizzato deve gestire. La struttura del repository conserva queste combinazioni in record JSON; un riepilogo TSV più semplice non include i dettagli sulle fonti, i nomi estesi, i tag relativi all’uso dei sistemi di scrittura, le ricerche sullo status ufficiale e le coordinate.

Dal repository di ricerca all’installazione museale

Language Explorer è presente anche come installazione interattiva nella mostra Real Talk! Language. Power. World. al Museum of Communication Berlin. Il museo indica che la mostra è stata inaugurata il 5 novembre 2026.

Sei sale tematiche affrontano i mondi linguistici, la diversità, le identità, i contatti, il potere e il futuro. L’ultima sala si interroga su come l’IA e i chatbot stiano cambiando la comunicazione e su come ricercatori e attivisti documentino le lingue a rischio di estinzione. Il percorso online complementare è stato avviato il 6 novembre 2026 e aggiunge materiali di approfondimento, video e quiz dedicati alle stesse sei prospettive, compreso il rapporto tra IA e multilinguismo. La mostra di Berlino e il relativo percorso online sono entrambi segnalati come visitabili fino al 27 febbraio 2028.

Copertura disomogenea e repository archiviato

La tabella sulla copertura del lavoro mostra notevoli differenze tra i campi. Erano disponibili dati sul numero di parlanti per 6.253 lingue, pari all’83%, ma gli endonimi, cioè i nomi che le comunità usano per le proprie lingue, erano documentati solo per 1.136 lingue, pari al 15%. La mappa offre quindi un ampio punto di accesso, ma il livello di dettaglio delle informazioni varia considerevolmente a seconda della lingua e della categoria.

I dati sulla popolazione sono accompagnati da ulteriori precisazioni. I metodi alla base del progetto escludono il numero complessivo di parlanti come seconda lingua, perché era difficile ottenere statistiche affidabili; arrotondano per ordine di grandezza le stime più elevate sul numero di parlanti, per evitare una falsa precisione; e avvertono che aggregare le popolazioni per impostazione locale può amplificare gli errori presenti nelle fonti. La risorsa si concentra sulle lingue parlate vive: esclude le lingue dei segni, antiche, storiche e costruite. Comprende le macrolingue e le lingue classificate come estinte; queste ultime perché alcune hanno conservato piccole comunità di parlanti. L’esperanto costituisce un’eccezione dichiarata all’esclusione delle lingue costruite, poiché è già supportato da diverse tecnologie linguistiche.

Ogni segnaposto sulla mappa indica un centro linguistico teorico, definito sulla base delle coordinate di Glottolog e di revisioni manuali. Il sito avverte che le lingue sono parlate da comunità che possono spostarsi o attraversare confini politici, perciò i segnaposto non vanno interpretati come territori fissi.

Esiste inoltre una discrepanza sullo stato della manutenzione. Le FAQ di Explorer descrivono LinguaMeta come un progetto attivo e invitano i ricercatori a contribuire con correzioni e risorse.

Il repository url-nlp che lo ospita riporta un avviso di archiviazione di GitHub datato 6 ottobre 2026 ed è contrassegnato come di sola lettura. Il dataset completo e soggetto a controllo di versione è ancora scaricabile, ma questo stato non chiarisce come si potrà contribuire in futuro, mentre Google presenta l’interfaccia a un pubblico più ampio.