AK ⟩ EKI keelekool: lase end keeletehnoloogial aidata!

MTÜ THINK eesti viipekeele õpetajad Jaan-Raul Ojastu (vasakul) ja Jari Pärgma Foto: Margus Ansu/pm/scanpix Baltics

• Keeletehnoloogia viib keele paljude abivajajateni
• Üks hea näide on automaatsete reaalajas subtiitrite kasutamine
• Oma korda ootavad viipekeele masintõlgid

Google on aastakümneid töötanud selle nimel, et informatsioon oleks eri keeli kõnelevatele inimestele kättesaadavam. Tänu keeletehnoloogia jõudsale arengule on vähemalt masintõlkesüsteemid juba paljudele igapäevaosa, ühest keelest teise tõlkimine ei ole enam probleem. Ent ei kodumaine Tartu Ülikooli neurotõlge ega Google’i tõlge võimalda tõlkida näiteks viipekeelt. Keeletehnoloogilise toe vajalikkusest ligipääsetavuse parandamisel kirjutab Eesti Keele Instituudi keeletehnoloog Helen Kaljumäe.

Tehnoloogia on sealmaal, et loodavad keeletehnoloogilised lahendused võimaldavad abivajajate jaoks paremat ligipääsu teabele ja teenustele nii reaal- kui ka virtuaalmaailmas. Masintõlge, kõnetuvastus ja -süntees (kõne tekstiks ja tekst kõneks) on Eestis kõrgel tasemel ning selliste baassüsteemide olemasolu võimaldab luua rakendusi vastavalt inimgruppide vajadustele.

Eestikeelne kõnetuvastus oma hea kvaliteediga peaks tulevikus võimaldama vaegkuuljatel näiteks telefonikõnesid lugedes pidada. Ka automaatsete (reaalajaliste) subtiitrite kasutamine konverentsidel, sotsiaalmeedias on üha tavapärasem, seejuures peagi Eesti teleski. Keerulisem on olukord viipekeele rääkijatega, kelle puhul on endiselt veel tõsiseks probleemiks see, kuidas tagada parem ligipääs 112 teenustele.

Ka automaatsete (reaalajaliste) subtiitrite kasutamine konverentsidel, sotsiaalmeedias on üha tavapärasem, seejuures peagi Eesti teleski.

Mujal maailmas on järjepidevalt tehtud viipekeele automaatse tuvastamise-tõlkimise alaseid uurimistöid, Eestis proovitakse teha esimesi olulisi samme selliste lahenduste loomiseks. Tehisintellekti ja masinõppe abil saab usaldusväärselt läbi kaamerapildi tuvastada inimese käe ja keha liikumist ning näoilmeid. Et aga viipekeeli on palju erinevaid, on töömahukam osa tuvastatavatele liigutustele tähenduste omistamine ehk näiteks viipekeele suulisesse keelde tõlkimine. Selliste viipekeele automaatlahenduste laiemaks kasutuselevõtuks on tarvis jätkata teadus- ja arendustööga, et leida töökindlamaid ja arvutuslikult vähem kulukaid lahendusi. Eesti viipekeelega töötamise teeb keeruliseks treeningandmete (nt viipekeelsed videod) vähesus.

Lisaks tekstile ja kõnele annavad infot edasi ka pildid. Et vaegnägijatele pildid arusaadavaks muuta, tuleb genereerida pilti kirjeldav tekst ning seejärel lasta kõnesünteesil tekst kõneks muuta. Masinõppega saab pildilt objekte tuvastada ning siis pildikirjeldusi keeletehnoloogia abil automaatselt luua, ent tulemuse täpsus oleneb sellest, milliste piltide põhjal on masinõppe mudel treenitud: loodusfotode peal treenitud mudel ei oska sõnadega kirjeldada koomiksipilte.

Olulisima sisuni jõudmiseks oleks ilmselt meile kõigile vahel kasu automaatsest teksti lihtsustajast või tekstide sisukokkuvõtjast. Ent mainitud keeletehnoloogilised võimalused on vaid mõned paljudest, mis saavad aidata kõigil vajaliku teabeni jõuda.