AI拯救冰島語

仇廣宇

冰島一處公路上的指示牌。圖/視覺中國?

你知道Sau？？ljóst是什么意思嗎？它是冰島語中的一個詞，描述的是一天中一個特殊時刻，在這個朦朧的黎明時分，大自然的光線，剛好讓人們能夠看清楚羊群。

用一個簡單的詞匯傳達出詩意和美感，這正是冰島語的特色。多年來，這門語言的精美讓不少文人墨客為之著迷。但近百年來，這門精美的語言曾經數次面臨滅絕危機。隨著全球化和高新科技的發展，只有三十幾萬人使用的冰島語，在現實里會受到英語等強勢語言的威脅，在網絡空間里也沒有太多展示的空間。

不過，冰島人一直在為自己母語的生存而努力，而且這種努力已經頗具成效，它甚至強大到將冰島語本身的命運反轉了過來。2023年3月15日，美國人工智能研究公司Open AI發布最新的人工智能系統——GPT-4，并公布了一些正在使用GPT模型的案例。通過這些案例，人們才發現，冰島政府正在訓練GPT模型學習冰島語。目前這種訓練已經取得了相當大的突破，GPT-4已經可以具備邏輯地用冰島語回答問題，并學會書寫冰島語的詩歌了。

人工智能學會了保護小眾語言，這件事，讓人工智能軟件在人們眼中多了一層善良、溫柔的色彩，人們發現它不只會搶走人類的飯碗，也能夠在恰當的利用之下，做一些保護傳統文化的有益工作。不過，說到底，這件事還是倔強的冰島人促成的。

科技背景下的語言危機

冰島人之所以會選擇用人工智能去保護冰島語，是因為冰島語在十幾年前遭遇過一次瀕臨滅絕的危機。2012年，一份由歐洲多家學術機構聯合編寫的、名為《歐洲語言平等》的報告顯示，因為缺乏數字技術的支持，有超過20種語言可能在網絡世界中滅絕，其中，冰島語的消失風險名列榜單的第二位，僅次于馬耳他語。那時，報告研究者憂心忡忡地呼吁，導致問題的原因，可能是多數歐洲語言都嚴重缺乏語言資源——這種資源，指的正是相關的語言數據庫和語言技術工具。

具體說來，這種危機是科技革命給小眾語言帶來的生存困境。十多年前，智能手機開始普及，之后，智能語音系統也開始伴隨智能音箱等產品進駐千家萬戶。在使用電子產品時，人們必須使用某種語言去和機器對話。但是，冰島人慢慢發現，當他們在自己家里使用智能音箱或者其他設備時，這些設備中沒有冰島語的選項。當然，大部分冰島人都是精通多語種的，他們可以改用英語、挪威語、丹麥語，也不會覺得有太大問題，但在政府層面看來，這種不能在自己家里使用母語的局面，實在是有些荒唐。

從那時起，這個問題就留在了很多冰島人的心里，他們開始思考如何解決冰島語在數碼世界可能消失的問題。擔憂的人包括詩人、學者甚至科技從業者，而首先站出來的正是一位技術從業人員——特勞斯蒂·克里斯蒂安松（Trausti Kristjánsson）。克里斯蒂安松的父親編纂過冰島語詞典，他對本民族語言也有著強烈的情感。早在2012年，在谷歌公司任職的他就開始強烈建議，要求他身邊的同事把冰島語加入谷歌語音的備選語言中。

但這個提議一開始就被谷歌的其他員工否決了，原因是，這些科技公司想要在語音系統里加入冰島語，就首先需要為冰島語建立數據庫，而對科技公司而言，為越小眾的語言建立數據庫，他們所支出的成本就會越多，因為原始的語言材料不夠，為了收集這些材料，公司還要花費額外的人力物力，這樣做，對一家企業而言很不劃算。為此，克里斯蒂安松只好與冰島當地的一位學者展開合作，通過手機收集了冰島人朗讀的數百萬個句子。最終，通過他們當年收集的語料基礎，谷歌建立了互聯網上第一個完整的冰島語語料庫。如今，谷歌翻譯里的冰島語翻譯選項，也是以這個數據庫為基礎制作的。

在克里斯蒂安松之后，冰島政府也開始行動。2014年起，冰島政府開始在一項語言保護計劃的牽頭之下，組織相關公司收集語言資料，促成人工語言數據庫的建設。數年后，當數據庫的建設初具規模，冰島官員就開始了下一步行動，他們公開致信，或是親自到訪各大科技公司，希望他們開展用機器學習冰島語的業務，或者，希望這些公司至少先在系統語言中添加冰島語選項。

冰島文化和商務部部長莉莉婭·阿弗萊德多蒂爾（Lilja Alfredsdóttir）曾在2021年寫信給迪士尼，希望對方在網絡播放的電影添加冰島語的字幕和配音，后來迪士尼回復稱，愿意在《冰雪奇緣》等動畫片中添加冰島語的字母和配音。此后，她又致信蘋果公司CEO蒂姆·庫克，但沒有收到回音。直到2022年4月，事情出現了較大的突破，冰島總統古德尼·約翰內松親自帶著團隊訪問了Open AI，并最終促成了該公司與冰島的合作。

高新科技如何保護一門小眾語言？

對于能夠教會人工智能說冰島語，冰島文化和商務部部長阿弗萊德多蒂爾笑得很開心，曾為此事多方奔走的她，激動地對媒體講述：為了訓練人工智能說冰島語，冰島方面花費了四五年時間，調集了六十多名專家來研究這個問題。此外，數家冰島科技公司也參與了這一過程。

使用人工智能學習一門語言，其背后的道理并不難理解。當人工智能學會了某門小眾語言，就相當于這門語言有了一個永不停歇、不斷進化的“傳人”，那么，它作為小眾語言的滅絕風險也就會大大降低了。這個學習的過程同樣不難以理解。只要人們能夠收集到某種語言使用者提供的、足夠多的語言資料，比如對話、互聯網網頁和出版物等文字資料等，將這些資料建成語言數據庫，再把數據庫的內容輸入人工智能的模型中進行訓練，稍微花費時間和精力，就可以做到。

但簡單道理的背后，還是有不少困難需要解決，尤其是，人工智能對語言的學習是依靠語言資料組成的語料庫完成的，那么語言本身的特點，以及數據庫的質量，就會決定人工智能學習一門語言的效果。語言學家、教育部語言文字應用研究所研究員，84歲的馮志偉是中國計算語言學的開拓者。在他看來，中文即使比冰島語大眾很多，在機器學習方面，它也面臨很多挑戰。

首先，如果語言材料本身的內容不豐富，量不夠大或者質量不夠高，都會令機器的學習效果大打折扣。比如，單獨以書本資料作為考察對象，中文的出版物大概只占目前全人類的語料庫的百分之5％，相比之下，英文出版物可以占到整個語料庫的60％，這樣的話，機器學習英語的效果自然更好。其次，如果某一門語言的獨特性過強，也會妨礙機器對它的學習。比如，中文在世界語言中的獨特性就很強，它不屬于表音文字，是表意的，其一個詞匯可能有很多重含義，此外，中文的詞和詞之間沒有空格，機器對這種一長串組成的句子并不能很好地理解。這也增加了機器識別的難度。

用這幾個條件比照，在機器學習領域，冰島語確實面臨著類似的困境。由于使用人數、語言資料都比較少，因此用冰島語書寫的互聯網資源的數量更是少得可憐。其次，冰島語雖然屬于表音的語言，但有大量長度極長，中間不會空格的復合詞，這些單詞也容易讓機器“讀不懂”。

如今，能夠成功訓練人工智能，其背后數據庫的建成，都是冰島人共同努力的結果。除了前述谷歌員工建立的數據庫之外，自從2014年政府建立相關項目以來，冰島本土的一些科技公司都投入到了數據庫的收集中去。比如，有家公司為此建設了一個網站，呼吁所有會說冰島語的人都把自己說話的錄音傳上去，為語料庫做一份貢獻。冰島前總統維格迪絲·芬博阿多蒂爾也帶頭參加這些語音項目的收集工作，親自在數據庫里錄下了她的聲音。

數據庫建成后，又有其他冰島本地的公司參與進來進行后續工作。其中一家公司組建了將近40個人的團隊，這個團隊每天的主要工作就是專門負責訓練GPT-4 回答冰島語問題。這些工作人員每天給GPT-4 留一些冰島語的“作業”，他們負責把答案收集進行評估。若發現機器的回答不準確，再重新教會它改進，如此循環往復，這種訓練有了成果，在GPT4的上一代模型——GPT3.5所輸出的答案里，還會混有英語或其他北歐語言的單詞，但是很快，GPT4就能給出純冰島語的答案了，而且日益準確。

“語言規劃部”和“人名規劃局”

在語言學家馮志偉看來，語言保護是冰島政府的“國策”。而冰島人將這種保護做出了特色。除了應用人工智能技術保護語言，冰島一直設有一個類似“語言規劃部”的語言規劃組織。該組織受到政府的資助，其中活躍著很多語言和技術學者，這些人的工作是審定外來技術詞語，再以此為標注提倡冰島公民使用。馮志偉提到，這種保護規格還是很高的，目前在歐洲國家中，除了冰島，只有法國才有“法語推廣委員會”，其他國家都沒有專門建立。

人們會好奇，為何冰島人如此執著于本民族的語言保護？除了民族性格之外，這也與冰島的歷史傳統相關。將語言上升為一種民族情感和“國策”，這與冰島建國的歷史有很大的關系。從公元9世紀起，冰島就開始有移民居住，在這個小島上，很早就誕生了獨立的民族意識和自己的文化，但千百年來，它始終不能算是一個獨立的國家，而是處于挪威和丹麥的勢力范圍內。后來，冰島于1944年正式建立共和國。

冰島人形成了一種文化共識，他們深知，他們的祖國不是一個大國，因此，獨立的經濟和獨特的文化才是他們的生存之道。因此，大概也是從19世紀開始，冰島的上層人士和學者們，就開始把這種共識傳播開來，逐漸形成了冰島人骨子里對民族語言文化的熱愛。此外，雖然長期和挪威語、丹麥語以及英語共處，但在現代社會之前，冰島語的樣貌沒有太多變化，它一直是與古代北歐語言最接近的一門語言，冰島人可以毫不費力地閱讀他們的祖先在千年前寫下的詩歌。這種身為世界文化遺產的自豪感，也促進了冰島人對冰島語言的熱愛。

因為這樣的共識，冰島人早在百年前就開始嘗試用系統方法進行語言保護。那個所謂的“語言規劃部”早在1927年就成立了，如今，它的名字是阿尼·馬格努松研究所，是一間由冰島大學獨立資助的學術研究機構，在冰島文化和商務部的主持下運作。最早，這個機構是為了解決外來詞和冰島語的結合問題而設置。當時，隨著時代發展，越來越多的外來詞涌入冰島，為了和游客、客戶等對象溝通，普通百姓也開始將英語等其他語言與冰島語混用。慢慢地，大到學術會議的官方語言，小到家電說明書，食品商標和孩子們玩的游戲卡，冰島人眼中的外語詞匯日益增多，母語詞匯一再被蠶食。這一現象令政府人士十分頭疼。

為了解決這一問題，“語言規劃部”想到了一個辦法：他們把所有外來詞都用冰島語的語法重新造詞，再通過手冊、報紙、廣播、電視等各種形式推廣至全國。這些詞匯很多都是當年比較新的科技發明。舉例說來，冰島語中原本沒有“電視”和“電腦”這兩個詞，當出現了這些新鮮事物后，研究所就開始構造這些詞匯，他們構造出的“電視”這個詞，是“視覺”加上“投射、發射”的意思組合而成的。而諸如“TV”“Computer”這樣的外來詞，是不被鼓勵在冰島本土使用的。

隨著時代發展，冰島語語言危機愈演愈烈時，“語言規劃部”反而越挫越勇，它們甚至發展出相關的“人名地名規劃局”來規范人名和地名。現在的阿尼·馬格努松研究所有一個下屬機構，專門對人名和地名如何進行準確地冰島語表達加以研究。

如今，一切努力都有了成果。當人工智能成功地學會了用冰島語寫詩歌，執拗的冰島人展露出了欣慰的笑容，除了“語言規劃部”以外，他們從此有了一個新的、守護本民族語言的幫手。在最新公布的2023年版的《歐洲語言平等》報告中，冰島人為本民族語言留存所做的一切努力都得到了高度贊揚，在這些研究者看來，盡管冰島語依然有著滅絕的風險，但這個趨勢是在不斷減小的。這也正如冰島文化和商務部部長阿弗萊德多蒂爾所感慨的那樣：作為一個小國，只要做足了功課，我們依然可以很好地保護我們的語言。

（參考資料：《冰島主權觀念：構建文化獨特性與優先經濟發展》，作者陳安琪）