Andrius Utka: jei rūpinsimės savo kalbos skaitmenizacija, yra vilties, kad ir ateityje lietuvių kalba išliks svarbi tiek mums, tiek pasauliui

Andrius Utka 1997 metais pradėjo dirbti Vytauto Didžiojo universiteto Kompiuterinės lingvistikos centre. Nuo 2010 metų yra šio centro vadovas. Nuo to laiko jis atliko nemažai įdomių tyrimų ir projektų, susijusių su elektroniniais tekstais. 2004 m. lapkričio 16 d. Vytauto Didžiojo universitete apgynė filologijos daktaro disertaciją. Nuo 2017 metų yra Valstybinės lietuvių kalbos komisijos narys. Nuo 2012 m. Kalbos technologijų pakomisės narys, nuo 2017 m. šios pakomisės pirmininkas.

Gerb. dr. Andriau, nuo 2010 metų vadovaujate Vytauto Didžiojo universiteto Kompiuterinės lingvistikos centrui. Kuo šis centras užsiima?

Kompiuterinės lingvistikos centras gyvuoja jau daugiau nei 25-eri metai. Čia susibūrę mokslininkai kalbos analizei taiko skaitmeninius metodus. Centras yra tarpdisciplininis, čia kryžiuojasi daugybė sričių: kompiuterinė lingvistika, tekstynų lingvistika, natūraliosios kalbos apdorojimas, skaitmeninė humanitarika, informacinės technologijos ir kt. Centre sukurti dabartinės lietuvių kalbos tekstynas, lygiagretūs tekstynai ir įvairūs lietuvių kalbos analizės įrankiai. Kaip ir įprasta akademiniams darbuotojams, centre dirbantys mokslininkai dėsto, vadovauja studentų darbams, skelbia publikacijas bei dalyvauja įvairiuose projektuose.

2003 m. apgynėte Birmingamo universitete (Jungtinė Karalystė) tekstynų lingvistikos magistro laipsnį, kokias patirtis įgijote šiame universitete?

Birmingemo universitete teko garbė dirbti garsiame Kompiuterinės lingvistikos centre su žinomais tekstynų lingvistikos žmonėmis iš įvairių šalių: Wolfgang‘u Teubert‘u, Geoff‘u Barnbrook‘u, Michaela Malberg ir kitais. Birmingeme dalyvavau ne viename moksliniame projekte, kur išmokau daug vertingų pamokų, kurias vėliau galėjau pritaikyti savo darbe Lietuvoje.

2004 m. Vytauto Didžiojo universitete apgynė filologijos daktaro disertaciją „Statistinis tekstų funkcijų nustatymas“. Jūsų disertacijos tema – Statistinis tekstų funkcijų nustatymas. Pirmas į galvą šaunantis klausimas: kokia čia dabar tekstų funkcijų statistika? Kuo tai svarbu lietuvių kalbai?

Kalba yra sudėtinga komunikacijos priemonė, turinti daugiasluoksnę struktūrą. Analizuodamas dažninius sąrašus pastebėjau, kad žodžiai nėra lygiaverčiai. Egzistuoja labai dažni žodžiai, pavyzdžiui jungtukai, įvardžiai, prielinksniai, kurie formuoja kalbos struktūrą ir iš kurių pasiskirstymo galima spręsti apie teksto funkcijas. Tuo tarpu kiti žodžiai, t. y. daiktavardžiai, būdvardžiai, veiksmažodžiai, užpildo šią struktūrą turiniu. Pavyzdžiui, savo disertacijoje pavyko parodyti, kad jeigu analizuojamame tekste dažniausi žodžiai yra tai, jau, čia, ten ir kt., vadinasi, tas tekstas yra spontaniškas sakytinės kalbos tekstas, jeigu įvardžiai jis, ji kartu su prielinksniais ant, į, prie – tai naratyvinis grožinis tekstas, jeigu būti, arba, gali – tai direktyvinis administracinis tekstas. Įdomiausia, kad tą galima nustatyti vien tik sprendžiant iš dažniausių teksto žodžių.

Dalyvaujate tarptautinės mokslinių tyrimų infrastruktūros CLARIN ERIC veikloje, nuo 2015 m. CLARIN-LT centro vadovas. Kuo šis centras užsiima ir kuo jo veikla svarbi lituanistikai?

CLARIN-LT (http://clarin-lt.lt/) yra penkių Lietuvos mokslo institucijų konsorciumas, kuris atstovauja Lietuvą europinėje mokslinių tyrimų infrastruktūroje CLARIN ERIC. Šios infrastruktūros tikslas yra kalbinius duomenis ir įrankius saugoti, bei suteikti prie jų atvirą prieigą visai akademinei bendruomenei. Laisvai prieinami kalbos ištekliai leidžia kalbos tyrėjams, kompiuteriniams lingvistams ar kalbos paslaugų vystytojams, negaišti laiko duomenų kaupimui, o susitelkti į kalbos analizę.

Gyvename naujoje epochoje – skaitmenizacijos ir dirbtinio intelekto epochoje. Kokias perspektyvas atveria lietuvių kalbos skaitmenizacija?

Jei rūpinsimės savo kalbos skaitmenizacija, tai yra vilties, kad ir ateityje lietuvių kalba išliks svarbi tiek mums, tiek pasauliui. Kalbos skaitmenizacijos atsisakymas prilygtų savo kalbos atsisakymui, nes tada tarsi sakytume: „lietuvių kalbos skaitmenizuoti neverta, nes technologijose mums pakanka kitų kalbų“.

Praėjusių metų pabaigoje Jonui Jablonskiui skirtoje konferencijoje Valstybinės lietuvių kalbos komisijos pirmininkas Audrys Antanaitis pasakė, kad be skaitmenizacijos Joną Jablonskį paliksime XX amžiuje. Iš to galima daryti išvadą, kad su J. Jablonskio palikimu XX amžiuje gali prasidėti ir lietuvių kalbos stūmimas į užribį, užleidžiant pozicijas kitai kalbai, vis labiau susiaurinant lietuvių kalbos naudojimo ribas?

Iš tiesų skaitmenizacija yra tarsi spaudos atradimas. Tik šiuo atveju, neskaitmenizuotos kalbos liks popieriuje, kuris ilgainiui sudūlės ir išnyks. O suskaitmenintos kalbos, jų raštijos kūriniai bei informacija, naujų informacinių technologijų pagalba, galės būti perduoti ateities kartoms. Skaitmenizuotus kūrinius lengviau išsaugoti, juos dauginti. Ar prasidės lietuvių kalbos stūmimas į užribį? Šiandien šitie procesai jau vyksta. Komunikuodami žmonės renkasi, o kai kuriose srityse yra priversti rinktis nelietuvių kalbą, nelietuvišką terminologiją. Anglų kalbos įtaka yra tikrai labai didelė. Šiandien yra didelė gėda nemokėti anglų kalbos, tačiau nedrįsk kam nors prikišti, jog jis ar ji nemoka lietuvių kalbos.

Ką manote apie lietuvių kalbos skaitmenizacijos tempus, pasirinktus prioritetus?

Skaitmenizacijos lygis yra toks, kokio nusipelnėme. Iš tiesų žmonės turi labai skirtingą įsivaizdavimą kas yra skaitmenizacija. Dažniausiai iš mažos dalies bandoma daryti toli siekiančias išvadas. Vienas mąsto, kad skaitmenizacija yra suskaitmeninti raštijos paminklai, kitas – suskaitmenintas internetas, trečias – visi oficialūs dokumentai. Iš tiesų skaitmenizacija – tai ne tik suskaitmeninti kūriniai ar skaitmeniniai archyvai, tai taip pat visa infrastruktūra su technine ir programine įranga, tai žmonių gebėjimai ir įgūdžiai. Bendrai vertinant, Lietuvos situacija yra ne tokia jau bloga, visų pirma, Lietuva tai ES šalis, kurios kalba yra lygiavertė tarp kitų 24 oficialių ES kalbų. Pagal skaitmeninės ekonomikos ir visuomenės indeksą (DESI), mes – vidutiniokai. Lietuva ilgą laiką buvo tarp pirmaujančių šalių pagal internetinės žiniasklaidos skaitymą. Mes turime išvystytus greito interneto tinklus, išvystytą internetinę žiniasklaidą, daug elektroninių platformų. Galiu drąsiai pasakyti, kad dar niekada istorijoje nebuvo pasaulyje tiek daug lietuvių kalbos kaip kad yra šiandien. Tiesa, tą patį galime pasakyti ir apie kitas kalbas.

Su kokiais iššūkiais susiduriama lietuvių kalbos skaitmenizacijos procese?

Skaitmenizacija yra prioritetinis valstybės reikalas, tačiau nors tą yra labai lengva deklaruoti, bet labai sunku įgyvendinti. Kodėl sunku? Nes skaitmenizacija kaip ir kitos sritys, pvz. ekonomika, sveikatos priežiūra, žemės ūkis, ekologija, kenčia nuo tų pačių blogybių: švietimo ir mokslo problemų, finansavimo nelygumų, korupcijos, biurokratijos, netobulų viešųjų pirkimų, strategijos nebuvimo ir t.t. Kai visuomenė susitvarkys su šiomis blogybėmis, tai jinai susitvarkys ir su skaitmenizacijos iššūkiais. Tai neatsitiks per vieną dieną, tačiau svarbiausia, kad padėtis gerėtų.

Kaip Lietuva pereinant prie kalbos skaitmenizacijos atrodome, palyginti su kitomis šalimis?

Labai stipriai atsiliekame nuo senųjų Vakarų demokratijų, kur skaitmenizacijos mastai yra milžiniški, su pavydu galima žiūrėti į Nyderlandų nacionalinį archyvą, Vokietijos tekstynus, jau nekalbant apie anglų kalbos skaitmeninius išteklius. Tiesa, Rytų Europoje padėtis panaši.

Galbūt skaitmenizacija atveria ir kalbos vystymosi/formavimosi ypatybių? Jei taip, kokių?

Kalba visą laiką vystosi, tačiau informacinių technologijų pagalba ji vystosi labai sparčiai. Naujus žodžius, žodžių junginius ar sparnuotąsias frazes, mes per naktį galime išpopuliarinti, nes galime labai greitai padauginti milijonus kartų ir ištransliuoti per šimtus įvairių informacijos kanalų. Pastarieji įvykiai, susiję su COVID-19 virusu, informacinių technologijų pagalba žaibiškai išpopuliarino iki tol retai vartotus žodžius. Pandemija tapo metų žodžiu. Į kasdieninį vartojimą atėjo: korona, koronavirusas, antigeno testas, veido skydelis, dizenfekantas, vakcinacija ir kt.

Papasakokite plačiau apie projektą „Alksnis“. Kuo jis mums svarbus?

„Alksnis“ – tai tekstynas, kuriame saugomi sintaksiškai išanalizuoti lietuvių kalbos sakiniai. Sintaksiškai išanalizuotas sakinys sudaro taip vadinamą sintaksinį medį, kuriame žodžiai yra sujungti priklausomybės ryšiais. Tokie tekstynai yra svarbūs analizuojant žodžių junginius, sakinių struktūrą, taip pat automatinių sintaksės analizės įrankių kūrimui, tikslesnėms paieškos sistemoms. Šiuo metu, „Alksnyje“ yra apie 4000 sintaksiškai išanalizuotų lietuvių kalbos sakinių, planuojame tekstyną toliau gausinti.

Nuo 2017 metų esate Valstybinės lietuvių kalbos komisijos Kalbos technologijų pakomisės pirmininkas ir darbo grupės lingvistiniams projektams informacinės technologijose ruošti. Kokius klausimus analizuoja pakomisė ir grupė? Kokių tikslų siekiama?

Kalbos technologijų pakomisė koordinuoja įvairius klausimus susijusius su lietuvių kalbos vartosena skaitmeninėje erdvėje. Pavyzdžiui, šiuo metu diskutuojame apie rekomendaciją dėl domenų vardų rašymo lietuviškais rašmenimis. Tuo tarpu darbo grupė buvo suburta rengti „Lietuvių kalbos plėtros skaitmeninėje terpėje ir kalbos technologijų pažangos 2021–2027 m. gaires“ bei konkrečių lingvistinių priemonių planą. Gairės jau yra Seimo patvirtintos ir jų pagrindu toliau yra planuojama kalbos technologijų plėtra.

Dėkoju už pokalbį.
Kalbino Karolina Balmiškė

Straipsnio iš straipsnių ciklo „Lietuvių kalbos aktualijos“ parengimas ir publikavimas paremtas Valstybinės lietuvių kalbos komisijos koordinuotos Lietuvių kalbos prestižo stiprinimo programos lėšomis.