Informatizarea limbilor naționale, cheie a frontierelor lingvistice

Uniunea Europeană nu poate fi considerată pe deplin realizată, fără eliminarea tuturor barierelor; iar deosebirile lingvistice sunt considerate a fi una dintre cele mai importante limitări.

Un studiu de specialitate relevă că, numai în 2008, cheltuielile Comisiei Europene, pentru traducerea documentelor de lucru, au depățit 8,5 miliarde euro. De atunci, costurile au continuat să crească. Problema poate fi depășită numai prin eforturile comune pentru realizarea pieței digitale, care înglobează și tehnologizarea, adică posibilitatea de efectuare a traducerii automate pentru cele 28 de limbi oficiale utilizate pe cuprinsul Uniunii. Mai mult decât atât, susține academicianul Dan Tufiș, directorul Institutului de Cercetări pentru Inteligență Artificială "Mihai Drăgănescu", tehnologizarea este una dintre condițiile esențiale pentru supraviețuirea unei limbi într-o lume globalizată. Alexandru Ioan a vrut să afle cât de departe suntem de traducerea automată.

Dan Tufiș: Tehnologizarea unei limbi înseamnă pregătirea ei din punct de vedere informațional, pentru prelucrare automată în mediile digitale, în mediile online. Or, din acest punct de vedere, există încă, din păcate, un decalaj foarte mare între limbile UE. Această analiză a fost efectuată în cadrul unui studiu foarte amplu, de către consorțiul european META-NET, care a arătat pe unde se află fiecare limbă, din acest punct de vedere.

AUDIO: Interviu cu academicianul Dan Tufiș

Reporter: Care este poziția limbii române?

Dan Tufiș: Limba română, ca majoritatea limbilor, se plasează undeva spre cea de-a patra categorie, a limbilor slab informatizate. În conformitate cu acest studiu, nicio limbă nu este în categoria excelent sau foarte bine informatizată. Limba engleză este singura care e clasificată ca bine echipată. Dar lucrurile au posibilitatea de îmbunătățire rapidă, pentru că, în mai toate țările din UE care au fost luate în considerare în acest studiu, există realizări importante, care pot fi puse la lucru, pot fi aduse în sprijinul informatizării limbilor. Pentru obiectivele pieței unice digitale și - aș spune eu - multilingve, trebuie ca autoritățile naționale din toate țările să înțeleagă că acest obiectiv este foarte important pentru deservirea obiectivelor UE, dar, în același spirit, pentru deservirea intereselor limbilor naționale.

Reporter: Ce ar trebui să facă, concret, autoritățile române?

Dan Tufiș: Există o serie de grupuri de specialiști care pot să lucreze în domeniul tehnologizării limbii române - au și lucrat -, iar așa cum se va sublinia și în atelierul care va avea loc săptămâna viitoare (23 martie 2016), la Reprezentanța Comisiei Europene, în conformitate cu noile metode de prelucrare a limbilor naturale, datele joacă un rol esențial. Pentru a realiza niște programe de prelucrare performantă și de mare precizie a limbii române și a oricărei alte limbi, sunt necesare date curate, date bine prelucrate, în domeniul în care se dorește prelucrarea textelor respective.

Reporter: Aș vrea să vă-ntreb dacă România dispune de tehnologia necesară prelucrării unui volum atât de mare de date și ce eforturi ar presupune actualizarea puterii României în acest domeniu?

Dan Tufiș: Prima problemă este parte algoritmică; partea de sisteme de programe, care să realizeze astfel de prelucrări sau preprocesări a volumelor mari de date și, în acest sens, există o experiență de mai bine de 20 de ani, s-au realizat o serie de instrumente, ele există, funcționează bine. A doua problemă este legată de infrastructura necesară. Dacă pe calculatoare obișnuite aceste programe sunt capabile să prelucreze un volum acceptabil de informație, pentru a rezolva prelucrarea la nivelul volumului existent în spațiul virtual, apare o altă problemă. Deci, infrastructură de calcul foarte puternică, cu spațiu de stocare a informației suficient de mare să poată cuprinde toate documentele relevante și, desigur, mașini de calcul mult mai rapide decât ceea ce are de obicei fiecare utilizator, la el acasă sau la birou. Deci, din acest punct de vedere, institutele de cercetări care lucrează în domeniul prelucrării limbii române stau mai modest; au resurse de calcul acceptabile, dar nu pentru tratarea problemei generale a volumului de informație. Și există un volum foarte mare de informație, scris în limba română.

Reporter: Domnule academician, România, ca țară, și-ar putea permite un astfel de sistem, sau este necesară interconectarea, cuplarea sau, știu eu, orice alt termen pe care îl putem folosi pentru a desemna agățarea vagonului românesc la trenul european?

Dan Tufiș: Aș menționa, în acest sens, o serie de inițiative ale Comisiei Europene, o serie de proiecte de infrastructură europeană. Una dintre ele este infrastructura CLARIN, care și-a propus să unifice toate sursele relevante de informație culturală existentă în UE, pe baza unei infrastructuri foarte sofisticate. Din păcate, România nu este prezentă în această infrastructură, deși eu am fost unul dintre inițiatorii proiectului, în urmă cu mai bine de 10 ani...

Reporter: De ce nu este prezentă?

Dan Tufiș: Pentru că, la momentul când s-a creat acest proiect de infrastructură europeană, nu s-au găsit fondurile necesare pentru plata care, de altfel, era destul de mică în raport cu beneficiile uriașe pentru cercetarea sociolingvistică.