Språkteknologi: grunnforskning vs. næring

Transkript

1 Språkteknologi: grunnforskning vs. næring Trond Trosterud Senter for samisk språkteknologi Institutt for språkvitskap Universitetet i Tromsø Tromsø, 10. september 2010

2 Innhald Innleiing Språkteknologisk industri Web 2.0 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva kan vi humanistar gjere? Kva er humanisten si rolle i den nye digitale verda? Konklusjon

3 Innleiing Bakgrunn «Næringsutvikling og opplevelsesindustri

4 Innleiing Bakgrunn «Næringsutvikling og opplevelsesindustri konkrete eksempler på næringsutvikling, med spesiell vekt på satsinger som kopler humanistisk fagkunnskap om kunst, kultur, språk og historie til den moderne opplevelsesindustrien (for eksempel turisme, fritid, media, underholdning)

5 Innleiing Bakgrunn «Næringsutvikling og opplevelsesindustri konkrete eksempler på næringsutvikling, med spesiell vekt på satsinger som kopler humanistisk fagkunnskap om kunst, kultur, språk og historie til den moderne opplevelsesindustrien (for eksempel turisme, fritid, media, underholdning) Det søkes deltagere som: arbeider med næringsvirksomhet som helt eller delvis er basert på humanistisk kunnskap fagpersoner og ledere fra UH- sektoren som arbeider med tilrettelegging av forskning og utdanning for anvendelse i opplevelses industri.»

6 Innleiing Bakgrunn Denne konferansen er eit teikn i tida Det finst nemleg eit nettspørsmål som høver til temaet:

7 Innleiing Bakgrunn Veit nokon om eit yrke som gjev høg lønn og der eg ikkje treng matematikk?

8 Innleiing Bakgrunn Sjå på: den språkteknologiske industrien framtidas internett humanisten si rolle i dettes

9 Språkteknologisk industri Nordisk språkteknologisk industri Tabell: Språkteknologiske firma registrert i NorDokNet Nor Dan Fin Sve Type tale e-ordbøker/omsetjing skrivestøtte e-læring infosøk / datafangst gramm. analyse Firma totalt

10 Språkteknologisk industri Nordisk språkteknologisk industri Sve: Størst, sterk sektor for taleteknologi Fin: Relativt sterkt fokus på omsetjing og e-læring Dan: Breitt fokus Nor: Få firma, nesten alle med fokus på funksjonshemmingar

11 Språkteknologisk industri Marknaden er viljug til å betale for å spare tid Heller maskin til sjølvhjelp enn betalt hjelpar

12 Språkteknologisk industri Marknaden er viljug til å betale for å spare tid Heller maskin til sjølvhjelp enn betalt hjelpar Vi har dei kommunale hjelpemiddelsentralane som salsavdeling

13 Språkteknologisk industri Marknaden er viljug til å betale for å spare tid Heller maskin til sjølvhjelp enn betalt hjelpar Vi har dei kommunale hjelpemiddelsentralane som salsavdeling Taleteknologi: Heller maskiner enn sentralborddamer «August»:

14 Språkteknologisk industri Marknaden er viljug til å betale for å spare tid Heller maskin til sjølvhjelp enn betalt hjelpar Vi har dei kommunale hjelpemiddelsentralane som salsavdeling Taleteknologi: Heller maskiner enn sentralborddamer «August»: Spørsmål-svar-system «Bussoraklet»:

15 Språkteknologisk industri Marknaden er viljug til å betale for å spare tid Heller maskin til sjølvhjelp enn betalt hjelpar Vi har dei kommunale hjelpemiddelsentralane som salsavdeling Taleteknologi: Heller maskiner enn sentralborddamer «August»: Spørsmål-svar-system «Bussoraklet»: Omsetjing: Produsere tekst, frå bokmål: til nynorsk: til engelsk:

16 Språkteknologisk industri Marknaden er viljug til å betale for å spare tid Heller maskin til sjølvhjelp enn betalt hjelpar Vi har dei kommunale hjelpemiddelsentralane som salsavdeling Taleteknologi: Heller maskiner enn sentralborddamer «August»: Spørsmål-svar-system «Bussoraklet»: Omsetjing: Produsere tekst, frå bokmål: til nynorsk: til engelsk: Omsetjing: Forstå tekst Frå samisk: giellatekno.uit.no ( (Frå 50 språk som er synlege på internett: Google translate)

17 Språkteknologisk industri Døme på språkteknologi for teksthandsaming

18 Språkteknologisk industri Dokumentsamandrag i Microsoft Word

19 Språkteknologisk industri Dokumentsamandrag i Microsoft Word

20 Språkteknologisk industri Dokumentsamandrag i Microsoft Word

21 Språkteknologisk industri Analyse av pasientjournalar Lars Borin, Maria Toporowska Gronostaj, Dimitrios Kokkinakis: Medical Frames as Target and Tool

22 Språkteknologisk industri Analyse av pasientjournalar

23 Språkteknologisk industri Det er ting marknaden ikkje vil betale for (ser det ut til) Grunnleggjande leksikografisk arbeid (fleire hundre årsverk) Grunnleggjande grammatiske analyseprogram (eigentleg eit B2B-produkt) Stavekontroll, grammatikkontroll

24 Språkteknologisk industri Døme: Lingsoft, som lagar stavekontrollar for finsk og skandinaviske språk Lingsoft levde på Microsoft (stavekontrollane er gratis med MS Word) Dei har dermed berre ein kunde, som kjoper noko kvart tredje år det er umogleg å konkurrere med seg sjølv (ingen vil kjøpe noko dei allereie har)

25 Web 2.0 Web 2.0 Web 2.0 kjem til institutt for humaniora

26 Web 2.0 Kva er Web 2.0? Tabell: Frå Web 1.0 til Web 2.0 Web 1.0 Web 2.0 søke etter sider søke etter informasjon statisk dynamisk publisere delta

27 Web 2.0 Kva er Web 2.0? Tabell: Frå Web 1.0 til Web 2.0 Web 1.0 Web 2.0 søke etter sider søke etter informasjon statisk dynamisk publisere delta html xml

28 Web 2.0 Web 2.0 Web 1.0 (internett) bind saman data og dokumentar Web 2.0 bind saman informasjon og kunnskap, på tydingsnivået Kunnskapsmegda er for stor til at eit menneske skal kunne fatte det Svaret er Web 2.0: det semantiske nettet

29 Web 2.0 Web 2.0 datamaskina skal kunne vinne Kvitt eller dobbelt og Vil du bli millionær?

30 Web 2.0 Web 2.0 datamaskina skal kunne vinne Kvitt eller dobbelt og Vil du bli millionær? ho treng sårt litt hjelp

31 Web 2.0 Web 2.0 datamaskina skal kunne vinne Kvitt eller dobbelt og Vil du bli millionær? ho treng sårt litt hjelp Stort forskingsfelt: Gjere Wikipedia maskinlesbar

32 Web 2.0 Web 2.0 Informasjonssøk og informasjonsekstrahering opererer på ustrukturerte data Det semantiske nettet bruker annoterte metadata

33 Web 2.0 Web 2.0 Er det pengar i Web 2.0?

34 Web 2.0 Web 2.0 Er det pengar i Web 2.0? Ja: Verda druknar i tekst, lyd og bilete Datamaskina mi forstår meg ikkje

35 Web 2.0 Web 2.0 Er det pengar i Web 2.0? Ja: Verda druknar i tekst, lyd og bilete Datamaskina mi forstår meg ikkje Aldri har fortolkingsvitskapane vore viktigare

36 Web 2.0 Web 2.0 XML som del av allmenndanninga

37 Web 2.0 Web 2.0 Internett vil på magisk vis bli forvandla til den logiske representasjonen til det semantiske nettet Men informasjonen på Internett består av tekst, av fleirspråkleg tekst

38 Web 2.0 Web 2.0 Internett vil på magisk vis bli forvandla til den logiske representasjonen til det semantiske nettet Men informasjonen på Internett består av tekst, av fleirspråkleg tekst Det «magiske viset» å forvandle nettet på er prosessering av naturleg tekst, dvs. språkteknologi grammatisk analyse namneattkjenning informasjonsekstrahering

39 Web 2.0 Web 2.0 Internett vil på magisk vis bli forvandla til den logiske representasjonen til det semantiske nettet Men informasjonen på Internett består av tekst, av fleirspråkleg tekst Det «magiske viset» å forvandle nettet på er prosessering av naturleg tekst, dvs. språkteknologi grammatisk analyse namneattkjenning informasjonsekstrahering Vi treng teknologi til å kommunisere med Web 2.0 spørsmål-svar-system dialogsystem

40 «Næringsutvikling i humaniora - utfordringer og muligheter» «Næringsutvikling i humaniora - utfordringer og muligheter»

41 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva kan vi humanistar gjere? Kva kan vi humanistar gjere? Sesjonen har som mål å presentere konkrete eksempler på næringsutvikling, med spesiell vekt på satsinger som kopler humanistisk fagkunnskap om kunst, kultur, språk og historie til den moderne opplevelsesindustrien (for eksempel turisme, fritid, media, underholdning)

42 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Kva er humanisten si rolle i den nye digitale verda?

43 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Mi «gründerhistorie» Eit år i industrien, ute av akademia Kva lærte eg der?

44 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Mi «gründerhistorie» Eit år i industrien, ute av akademia Kva lærte eg der? Arbeidsmodell: ikkje den einsame helten

45 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Mi «gründerhistorie» Eit år i industrien, ute av akademia Kva lærte eg der? Arbeidsmodell: ikkje den einsame helten men teamet, der alle kan ulik ting, har ulike roller

46 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Mi «gründerhistorie» Eit år i industrien, ute av akademia Kva lærte eg der? Arbeidsmodell: ikkje den einsame helten men teamet, der alle kan ulik ting, har ulike roller Og så lærte eg å dokumentere det eg gjer

47 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Korleis kan vi gjere det? den vanlege todelinga: humanistar kan konseptualisere verda

48 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Korleis kan vi gjere det? den vanlege todelinga: humanistar kan konseptualisere verda programmerane kan deretter implementere henne

49 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Korleis kan vi gjere det? den vanlege todelinga: humanistar kan konseptualisere verda programmerane kan deretter implementere henne Arbeidsdelinga tippar no i favør den tekniske sida

50 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Er den humanistiske æraen over? Fordi skalaen er så stor, blir vi sett til side av statistikarar Men verkty for å måle politiske stermningar og risiko for hjarteinfarkt ein dårleg analogi for å modellere språk, skulle ein tru. Men slik er det ikkje. Vi humanistar, lingvistar, litteratar og lærarar, blir sett til side.

51 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Er den humanistiske æraen over? Fordi skalaen er så stor, blir vi sett til side av statistikarar Men verkty for å måle politiske stermningar og risiko for hjarteinfarkt ein dårleg analogi for å modellere språk, skulle ein tru. Men slik er det ikkje. Vi humanistar, lingvistar, litteratar og lærarar, blir sett til side. Dessutan tapte vi den kalde krigen, vi knekte koden i 1990, for seint Eg vil likevel hevde at vi har ei god sak. Eg vil argumentere for henne her, blant mine eigne. jeg vill hjerne vil/vill -veksling er ein kandidat for modalverb Til høgre for personlege pronomen i nominativ vil vi ha eit finitt verb

52 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Humanistar i statistikkens teneste Mål: Simulere eit fenomen (språkvask, maskinomsetjing, gestikulering) Vår tilnærming: Forstå prosessen og skrive ein regel for han Vladimir Propp: Strukturen i russiske folkeeventyr Chomskys standardteori: Strukturen i engelske setningar Statistikarane sin tilnærming: annotere masse data la maskina dra konklusjonene: Jei vill hjerne

53 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Humanistar i statistikkens teneste Problemet for statistikk og maskinlæring er når input er grisut Kva parti, kva shampomerke

54 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Humanistar i statistikkens teneste Problemet for statistikk og maskinlæring er når input er grisut Kva parti, kva shampomerke Men korleis modellere ein talestraum, eit eventyr, ei handrørsle? Dette veit fonologen, litteraturvitaren

55 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Humanistar i statistikkens teneste Problemet for statistikk og maskinlæring er når input er grisut Kva parti, kva shampomerke Men korleis modellere ein talestraum, eit eventyr, ei handrørsle? Dette veit fonologen, litteraturvitaren Institutt for avanserte handrørsler får vi tenkje litt på Institutt for visuell antropologi?

56 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Statistikk kan vere bra for humanistaer Her er humanisten kunde og ikkje produsent: vi kan bruke Google translate. Men vi syns ikkje det er interessant å lage Google translate. Vi kan bruke ein statistisk analysator til å analysere data,

57 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Humanistane har noko å bidra med Kva kan språkteknologien tilby industrien og konsulenten? Vi kan tilby Web 2.0: ein konseptuell struktur over verda, slik ho blir tolka av menneska

58 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Humanistane har noko å bidra med Vi kan også gje grammatisk analyse Annoterte leksika: Alle verba, substantiva, namna Kva stadnamn tar på, kva tar i

59 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Kva kan humanistane tilby språkteknologien? For å få datamaskinene til å oppføre seg som menneske må vi lære datamaskina alt vi kan

60 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Kva kan humanistane tilby språkteknologien? For å få datamaskinene til å oppføre seg som menneske må vi lære datamaskina alt vi kan Dette kan humanistar gjere

61 «Næringsutvikling i humaniora - utfordringer og muligheter» Kva er humanisten si rolle i den nye digitale verda? Mykje blir snart hyllevare for engelsk, ikkje minst via ulike open kjeldekode-initiativ Dette vil vi ha bruk for på norsk også Det er ein sterk tendens i retning open kjeldekode Dette er dårleg nytt for programvarehus men det treng ikkje vere det for humanistane

62 Konklusjon Konklusjon Som humanistar har vi tre strategiar her: 1. Arbeide manuelt, som rådgjevarar, konsulentar, språkarbeidarar (Arkitekst) 2. Vere konseptualiserarar for den statistisk baserte industrien (Include) 3. Bygge grammatiske modellar (Lingsoft)

63 Konklusjon Konklusjon Som humanistar har vi tre strategiar her: 1. Arbeide manuelt, som rådgjevarar, konsulentar, språkarbeidarar (Arkitekst) 2. Vere konseptualiserarar for den statistisk baserte industrien (Include) 3. Bygge grammatiske modellar (Lingsoft) Min filosofi er Ole Brumms:

64 Konklusjon Konklusjon Som humanistar har vi tre strategiar her: 1. Arbeide manuelt, som rådgjevarar, konsulentar, språkarbeidarar (Arkitekst) 2. Vere konseptualiserarar for den statistisk baserte industrien (Include) 3. Bygge grammatiske modellar (Lingsoft) Min filosofi er Ole Brumms: Ja takk, alle tre

65 Konklusjon :-)