Моделі та платформи ШІ
Google Research демонструє карту Language Explorer із 7 000 мов
Додайте Unite.AI до бажаних джерел у Google
Google Research представила Language Explorer 9 листопада 2026 року — інтерактивну платформу для вивчення географії мов, систем письма та чисельності мовців. Огляд світу охоплює близько 7 000 мов і 159 систем письма; ці дані мають підтримувати лінгвістичні дослідження та розвиток мовних технологій.
Платформу розробили в межах ініціативи Google 1,000 Languages Initiative: вона перетворює набір даних LinguaMeta з відкритим кодом на загальнодоступний візуальний інтерфейс. В анонсі Даан ван Еш і Учі Оконкво пов’язують цей інтерфейс із ширшими зусиллями, спрямованими на те, щоб мовні технології були корисними для більшої частини мовного розмаїття світу.
Рівень метаданих для мовних технологій
На сайті Language Explorer можна шукати за назвою мови, країною або регіоном, а також континентом чи субконтинентом. Користувачі можуть переглядати дані за кількістю мовців, рівнем загрози зникнення або системами письма, а потім вибрати позначку на карті, щоб відкрити докладну сторінку про мову. На цих сторінках зібрано назви, місця поширення й ідентифікатори, зокрема теги BCP-47, коди Glottocode та ідентифікатори Wikidata, які слугують узгодженими орієнтирами в різних мовних ресурсах.
Усі дані, відображені на сайті, походять із LinguaMeta — репозиторію з відкритим кодом, який узгоджує мовну інформацію з 19 цитованих джерел. У статті про LinguaMeta за 2024 рік описано базовий набір даних, що охоплює 7 511 мов із кодами BCP-47 та ISO 639-3; кожен елемент даних має позначку походження, що дає змогу відстежувати джерела й виправляти помилки. Коли джерела суперечили одне одному, автори або надавали перевагу авторитетнішому джерелу, або проводили додаткове дослідження за академічними публікаціями, матеріалами переписів і конституціями.
У статті зазначено, що машинний переклад, розпізнавання мовлення та синтез мовлення широко доступні лише приблизно для 100 мов, а для більшості інших їхнє охоплення низькоякісне або відсутнє. Ця прогалина надає метаданим практичного значення: кількість мовців допомагає визначати пріоритети роботи, а поєднання мови, системи письма й локалі дають змогу встановити точні комбінації, які має підтримувати локалізована система. Структура репозиторію зберігає ці комбінації в записах JSON; у простішому зведенні TSV не наведено відомостей про джерела, розширених назв, тегів використання систем письма, досліджень офіційного статусу та координат.
Від дослідницького репозиторію до музейної інсталяції
Language Explorer також представлено як інтерактивну інсталяцію на виставці Real Talk! Language. Power. World. у Музеї комунікації в Берліні. У музеї зазначають, що виставка відкрилася 5 листопада 2026 року.
У шести тематичних залах ідеться про мовні світи, розмаїття, ідентичності, контакти, владу та майбутнє. У заключному залі порушено питання про те, як ШІ й чатботи змінюють комунікацію та як дослідники й активісти документують мови, яким загрожує зникнення. Онлайн-доповнення стало доступним 6 листопада 2026 року: воно містить довідкові матеріали, відео й вікторини за тими самими шістьма темами, зокрема про взаємозв’язок ШІ та багатомовності. І берлінська виставка, і її онлайн-доповнення заявлені до 27 лютого 2028 року.
Нерівномірне охоплення та заархівований репозиторій
Таблиця охоплення у статті показує значні відмінності між категоріями даних. Чисельність мовців була відома для 6 253 мов, або 83%, тоді як ендоніми — назви, якими мовні спільноти називають власні мови, — задокументовано лише для 1 136 мов, або 15%. Отже, карта є широкою відправною точкою, але обсяг доступної інформації суттєво різниться залежно від мови й категорії.
Дані про чисельність населення супроводжуються додатковими застереженнями. В описі методів не враховано кількість мовців, для яких мова є другою, оскільки надійну статистику було складно отримати; більші оцінки кількості мовців округлюють за порядком величини, щоб уникнути хибної точності; також застерігають, що підсумовування чисельності населення за локалями може збільшити похибки у джерелах. Ресурс зосереджений на живих усних мовах: жестові, стародавні, історичні та штучні мови виключено. Макромови й мови, класифіковані як вимерлі, включено; останні — тому, що в деяких із них збереглися невеликі мовні спільноти. Есперанто — зазначений виняток із правила про виключення штучних мов, оскільки її вже підтримують кілька мовних технологій.
Кожна позначка на карті вказує на умовний центр поширення мови, визначений за координатами Glottolog і скоригований вручну. На сайті застерігають, що мовами користуються спільноти, які можуть переміщатися або перетинати політичні кордони, тож позначки не слід сприймати як межі сталих територій.
Є також розбіжність щодо підтримки ресурсу. У розділі поширених запитань Explorer LinguaMeta описано як активний проєкт і запрошено дослідників надсилати виправлення та матеріали.
У репозиторії url-nlp, що містить цей проєкт, розміщено повідомлення GitHub про архівування від 6 жовтня 2026 року; репозиторій позначено як доступний лише для читання. Повний набір даних із контролем версій і надалі можна завантажити, але через цей статус незрозуміло, як надалі долучатися до проєкту, адже Google представляє інтерфейс ширшій аудиторії.
