Google Research giới thiệu bản đồ 7.000 ngôn ngữ của Language Explorer

Ngày 9 tháng 11 năm 2026, Google Research giới thiệu Language Explorer, một nền tảng tương tác để khảo sát địa lý ngôn ngữ, hệ chữ viết và số lượng người nói. Bản đồ tổng quan thế giới bao quát khoảng 7.000 ngôn ngữ và 159 hệ chữ viết, với dữ liệu được xây dựng nhằm hỗ trợ nghiên cứu ngôn ngữ học và phát triển công nghệ ngôn ngữ.

Được phát triển trong khuôn khổ Sáng kiến 1.000 ngôn ngữ của Google, nền tảng này chuyển đổi bộ dữ liệu LinguaMeta nguồn mở thành một giao diện trực quan công khai. Thông báo của Daan van Esch và Uche Okonkwo kết nối giao diện này với nỗ lực rộng lớn hơn nhằm giúp công nghệ ngôn ngữ phát huy tác dụng ở nhiều nơi trên thế giới, giữa sự đa dạng ngôn ngữ phong phú.

Lớp dữ liệu mô tả cho công nghệ ngôn ngữ

Trang web Language Explorer hỗ trợ tìm kiếm theo tên ngôn ngữ, quốc gia hoặc khu vực, cũng như châu lục hoặc tiểu lục địa. Người dùng có thể duyệt theo số người nói, mức độ nguy cấp hoặc hệ chữ viết, rồi chọn một ghim trên bản đồ để mở trang thông tin chi tiết về ngôn ngữ. Các trang này tập hợp tên gọi, địa điểm và mã định danh, bao gồm thẻ BCP-47, mã Glottocode và ID Wikidata, qua đó cung cấp các điểm tham chiếu nhất quán giữa những tài nguyên ngôn ngữ.

Mọi giá trị hiển thị trên trang web đều lấy từ LinguaMeta, một kho lưu trữ nguồn mở tổng hợp thông tin ngôn ngữ từ 19 nguồn được trích dẫn. Bài báo LinguaMeta năm 2024 ghi nhận bộ dữ liệu nền gồm 7.511 ngôn ngữ, kèm mã BCP-47 và ISO 639-3; mỗi điểm dữ liệu đều có thẻ ghi nguồn để tiện truy xuất và hiệu chỉnh. Khi các nguồn bất đồng, các tác giả либо ưu tiên nguồn có thẩm quyền cao hơn, hoặc tiến hành nghiên cứu thêm bằng cách tham khảo các ấn phẩm học thuật, tài liệu điều tra dân số và hiến pháp.

Bài báo cho biết dịch máy, nhận dạng giọng nói và chuyển văn bản thành giọng nói chỉ được cung cấp rộng rãi cho khoảng 100 ngôn ngữ; với phần lớn các ngôn ngữ còn lại, phạm vi hỗ trợ có chất lượng thấp hoặc hoàn toàn không có. Khoảng trống này khiến dữ liệu mô tả có vai trò thực tiễn: số người nói có thể giúp xác định thứ tự ưu tiên công việc, còn tổ hợp ngôn ngữ-hệ chữ viết-vùng định danh chính xác những kết hợp mà một hệ thống được bản địa hóa phải xử lý. Cấu trúc của kho lưu trữ bảo toàn các tổ hợp đó trong những bản ghi JSON; bản tóm tắt TSV đơn giản hơn thì lược bỏ thông tin nguồn, tên mở rộng, thẻ về cách sử dụng hệ chữ viết, nghiên cứu về tình trạng chính thức và tọa độ.

Từ kho lưu trữ nghiên cứu đến không gian trưng bày bảo tàng

Language Explorer cũng xuất hiện dưới dạng một không gian trưng bày tương tác trong Real Talk! Language. Power. World. tại Museum of Communication Berlin. Bảo tàng ghi nhận triển lãm khai mạc ngày 5 tháng 11 năm 2026.

Sáu phòng theo chủ đề đề cập đến thế giới ngôn ngữ, sự đa dạng, bản sắc, tiếp xúc, quyền lực và tương lai. Phòng cuối đặt câu hỏi AI và chatbot đang làm thay đổi giao tiếp như thế nào, cũng như các nhà nghiên cứu và nhà hoạt động đang ghi chép về những ngôn ngữ có nguy cơ mai một ra sao. Một tài nguyên trực tuyến đi kèm ra mắt ngày 6 tháng 11 năm 2026, bổ sung tư liệu nền, video và câu đố xoay quanh cùng sáu góc nhìn, trong đó có mối quan hệ giữa AI và chủ nghĩa đa ngôn ngữ. Triển lãm tại Berlin và tài nguyên đi kèm đều được giới thiệu đến hết ngày 27 tháng 2 năm 2028.

Phạm vi bao phủ không đồng đều và kho lưu trữ đã chuyển sang chế độ lưu trữ

Bảng phạm vi bao phủ trong bài báo cho thấy sự khác biệt đáng kể giữa các trường dữ liệu. Số liệu về cộng đồng người nói có ở 6.253 ngôn ngữ, tương đương 83%, nhưng tên tự gọi—tức tên mà cộng đồng dùng cho ngôn ngữ của mình—chỉ được ghi nhận ở 1.136 ngôn ngữ, tương đương 15%. Vì vậy, bản đồ là điểm khởi đầu bao quát, nhưng mức độ chi tiết của thông tin thay đổi đáng kể tùy theo ngôn ngữ và hạng mục.

Các số liệu dân số còn đi kèm những điều kiện bổ sung. Phương pháp nền không tính tổng số người nói ngôn ngữ thứ hai vì khó thu thập số liệu đáng tin cậy; các ước tính lớn về số người nói được làm tròn theo bậc độ lớn để tránh tạo cảm giác chính xác giả tạo; đồng thời, tài liệu cảnh báo rằng việc cộng gộp dân số theo vùng ngôn ngữ có thể khuếch đại sai số trong các nguồn. Tài nguyên này tập trung vào các ngôn ngữ nói còn đang được sử dụng, loại trừ ngôn ngữ ký hiệu, ngôn ngữ cổ, ngôn ngữ lịch sử và ngôn ngữ nhân tạo. Ngôn ngữ vĩ mô và các ngôn ngữ được phân loại là đã tuyệt chủng vẫn được đưa vào; nhóm sau có mặt vì một số ngôn ngữ vẫn còn những cộng đồng nhỏ sử dụng. Esperanto là ngoại lệ được nêu rõ đối với việc loại trừ ngôn ngữ nhân tạo, bởi một số công nghệ ngôn ngữ đã hỗ trợ ngôn ngữ này.

Mỗi ghim trên bản đồ đánh dấu một trung tâm ngôn ngữ ước định, được xác định từ tọa độ của Glottolog và các chỉnh sửa thủ công. Trang web lưu ý rằng ngôn ngữ được các cộng đồng sử dụng, mà những cộng đồng này có thể di chuyển hoặc vượt qua biên giới chính trị; do đó, không nên xem các ghim là ranh giới lãnh thổ cố định.

Ngoài ra còn có sự không nhất quán về tình trạng duy trì. Phần câu hỏi thường gặp của Explorer mô tả LinguaMeta là một dự án đang hoạt động và mời các nhà nghiên cứu đóng góp nội dung hiệu chỉnh cùng tài nguyên.

Kho lưu trữ url-nlp chứa thông báo lưu trữ của GitHub đề ngày 6 tháng 10 năm 2026 và được đánh dấu chỉ đọc. Bộ dữ liệu đầy đủ, có quản lý phiên bản, vẫn có thể tải xuống, nhưng tình trạng này khiến lộ trình đóng góp trong tương lai chưa rõ ràng khi Google giới thiệu giao diện đến đông đảo công chúng hơn.