Модели и платформы ИИ
Google Research представляет карту Language Explorer с 7 000 языками
Добавьте Unite.AI в избранные источники в Google
9 ноября 2026 года Google Research представила Language Explorer — интерактивную платформу для изучения географии языков, письменностей и численности их носителей. Обзорная карта мира охватывает около 7 000 языков и 159 письменностей; собранные данные призваны поддерживать лингвистические исследования и разработку языковых технологий.
Разработанная в рамках инициативы Google 1,000 Languages Initiative платформа превращает открытый набор данных LinguaMeta в общедоступный визуальный интерфейс. Анонс Даана ван Эша и Уче Оконкво связывает этот интерфейс с более масштабными усилиями по созданию языковых технологий, полезных для большего числа языковых сообществ по всему миру.
Слой метаданных для языковых технологий
Сайт Language Explorer позволяет искать языки по названию, стране или региону, а также континенту или субконтиненту. Пользователи могут просматривать языки по числу носителей, степени угрозы исчезновения или письменности, а затем выбрать метку на карте, чтобы открыть подробную страницу языка. На этих страницах собраны названия, местоположение и идентификаторы, включая теги BCP-47, коды Glottocode и идентификаторы Wikidata, которые служат единообразными ориентирами для работы с языковыми ресурсами.
Все данные, отображаемые на сайте, взяты из LinguaMeta — открытого репозитория, который сводит воедино языковую информацию из 19 источников, указанных в публикациях. В статье LinguaMeta за 2024 год описан исходный набор данных: 7 511 языков с кодами BCP-47 и ISO 639-3; у каждой записи есть отметка об источнике, позволяющая проверить данные и внести исправления. Если источники расходились, авторы либо отдавали предпочтение более авторитетному источнику, либо проводили дополнительное исследование по научным публикациям, материалам переписей населения и конституциям.
В статье отмечалось, что машинный перевод, распознавание речи и синтез речи широко доступны лишь примерно для 100 языков, а для большинства остальных их поддержка либо низкого качества, либо отсутствует. Этот пробел придаёт метаданным практическую ценность: данные о числе носителей помогают расставлять приоритеты, а сочетания языка, письменности и локали позволяют определить, какие именно комбинации должна обрабатывать локализованная система. Структура репозитория сохраняет эти сочетания в записях JSON; более простой сводный файл TSV не содержит сведений об источниках, расширенных названий, тегов использования письменностей, результатов исследований официального статуса и координат.
Из исследовательского репозитория — в музейную инсталляцию
Language Explorer также представлен в виде интерактивной инсталляции на выставке Real Talk! Language. Power. World. в Музее коммуникации в Берлине. Согласно данным музея, выставка открылась 5 ноября 2026 года.
Шесть тематических залов посвящены языковым мирам, разнообразию, идентичности, контактам, власти и будущему. В последнем зале задаются вопросы о том, как ИИ и чат-боты меняют коммуникацию и как исследователи и активисты документируют языки, находящиеся под угрозой исчезновения. Онлайн-ресурс, сопровождающий выставку, появился 6 ноября 2026 года; на нём размещены дополнительные материалы, видео и викторины, раскрывающие те же шесть тем, в том числе связь между ИИ и многоязычием. И берлинская выставка, и сопутствующий ей онлайн-ресурс будут доступны до 27 февраля 2028 года.
Неравномерный охват и архивный статус репозитория
Таблица охвата в статье показывает, насколько существенно различается полнота данных по разным полям. Данные о численности носителей доступны для 6 253 языков, или 83%; эндонимы — названия, которыми сообщества называют собственные языки, — задокументированы лишь для 1 136 языков, или 15%. Поэтому карта служит широким отправным пунктом, но глубина информации заметно различается в зависимости от языка и категории.
Данные о численности населения сопровождаются дополнительными оговорками. В исходной методике не учитывается число носителей второго языка, поскольку надёжную статистику было трудно получить; более крупные оценки числа носителей округляются до порядка величины, чтобы избежать ложной точности; кроме того, авторы предупреждают, что суммирование данных о населении по локалям может усиливать ошибки в источниках. Ресурс посвящён живым устным языкам: жестовые, древние, исторические и искусственные языки исключены. Макроязыки и языки, классифицированные как вымершие, включены; последние — потому, что у некоторых из них сохранились небольшие сообщества носителей. Эсперанто — явно оговорённое исключение из правила об исключении искусственных языков, поскольку его уже поддерживают несколько языковых технологий.
Каждая метка на карте обозначает условный центр распространения языка, определённый по координатам Glottolog и скорректированный вручную. На сайте предупреждают, что языки используют сообщества, которые могут перемещаться или пересекать государственные границы, поэтому метки не следует воспринимать как обозначение неизменных территорий.
При этом есть расхождение в сведениях о сопровождении проекта. В разделе часто задаваемых вопросов Language Explorer LinguaMeta описывается как действующий проект; исследователям предлагается присылать исправления и материалы.
В репозитории url-nlp размещено уведомление GitHub об архивировании от 6 октября 2026 года; сам репозиторий помечен как доступный только для чтения. Полный набор данных с контролем версий по-прежнему можно скачать, однако этот статус не позволяет понять, как в дальнейшем можно будет вносить в него вклад, в то время как Google представляет интерфейс более широкой аудитории.
