杨百翰大学 (BYU) 的一个团队正在努力为数千种目前缺乏现代翻译工具所需充足数据的语言弥合数字鸿沟。通过 Pathsay 项目，该大学 MATRIX 实验室的学生正在与国际 BYU-Pathway Worldwide 的学生合作，为低资源语言收集文本和音频录音。

虽然全球约有 7,000 种语言，但只有不到 50 种语言拥有开发有效翻译软件所需的数字数据。大多数主流工具专注于英语、中文和葡萄牙语等高资源语言。BYU 计算机科学教授 Steve Richardson 指出，排名前 100 之外的语言往往缺乏训练 Google Translate 等模型所需的在线翻译内容，这使得许多社区——包括拥有数百万使用者的社区——缺乏足够的技术支持。

迄今为止，Pathsay 项目已经汇编了超过 750,000 个句子和 2,200 小时的音频，涵盖 30 种语言，包括 Efik 语、Fante 语、Bislama 语和 Cusco Quechua 语。该团队的目标是在今年年底前将覆盖范围扩大到 50 种语言。来自尼日利亚、肯尼亚和南非等国家的参与者录制了母语语音，学生们表示，这一过程有助于保护他们的语言遗产。

除了语言保护之外，该项目的驱动目标是实现不同语言使用者之间的无缝交流，包括那些没有文字或濒临灭绝的语言。对于研究团队来说，这项工作还具有精神目标：使全球人口能够以母语获取宗教资源。通过利用收集到的数据，MATRIX 实验室正在开发能够识别、翻译和生成这些代表性不足语言的人工智能模型。

来源：Phys.org