በኢትዮጵያ የተጀመረው ሰው ሠራሽ አስተውሎት በ 8 አገር በቀል ቋንቋዎች የማሰልጠን ሥራ

ዶ/ር ወንድወሰን ሙሉጌታ ከ 20 ዓመት በላይ በመምሕርነት አገልግለዋል። በአሁኑ ወቅት በአዲስ አበባ ዩኒቨርሲቲ የኢንፎርሜሽን ሳይንስ ትምህርት ክፍል በላንጉጅ ቴክኖሎጂ ተባባሪ ፕሮፌሰር ናቸው።

በዩኒቨርሲቲው የዲጂታላይዜሽን እና ኢንፍራስትራክቸር ምክትል ፕሬዝዳንት በመሆንም እየሰሩ ነው። በመምሕርትነት የሚያገለግሉበት የአዲስ አበባ ዩኒቨርሲቲ ሰው ሠራሽ አስተውሎት (ኤአይ)ን በ8 የአገር በቀል ቋንቋንዎች የማሰልጠን ሥራ እየሠራ ነው።

እነዚህ የሰው ሠራሽ አስተውሎት ሞዴሎችን ለማሰልጠን የተመረጡት ቋንቋዎች ግዕዝ፣ አማርኛ፣ ኦሮምኛ፣ ወላይተኛ፣ ትግርኛ፣ ሲዳምኛ፣ አፋርኛ፣ እና ሶማልኛ ናቸው።

"አርቴፊሻል ኢንተለጀንስን ለኢትዮጵያ ቋንቋዎች በጽሑፍም ሆነ በንግግር ላይ በብዙ መልክ ለማዋል ብዙ ጥናቶች መሠራታቸውን" የሚገልጹት ዶ/ር ወንድወሰን፣ የተጠቀሱትን ቋንቋዎች ከሚናገሩ ሰዎች እስከ 100 ሰዓት የሚደርሱ ድምጾች መሰብሰባቸውን ለቢቢሲ ገልጸዋል።

አገር በቀል ቋንቋዎቹ "ቴክኖሎጂው ላይ መወከላቸው ቋንቋዎቹም እንዲያድጉ የዓለም አገራት ወይንም የዓለም ሕዝብ እንዲያውቋቸውም ያደርጋል" ሲሉ የሚኖረውን ጠቀሜታ አብራርተዋል።

"ሌላ አገር ያሉ ሰዎች በራሳቸው ቋንቋ ጽፈው በአማርኛ ምን ማለት እንደሆነ፣ በአማርኛ የተጻፈ ነገር [ደግሞ] በእነርሱ ቋንቋ፣ ለምሳሌ በቻይንኛ፣ በእንግሊዘኛ፣ በፈረንሳይኛ ሊሆን ይችላል፤ ምን እንደሆነ ፍሬ ነገሩን ለመረዳት ዕድል ይፈጥራል። ያ በመሆኑ ቋንቋ በዓለም ላይ ውክልና እንዲያገኝ ዕድሉን እየፈጠረልን ይመጣል ማለት ነው" በማለት አስረድተዋል።

ይህ የቋንቋ አሰባሰብ ሒደት የተከናወነው በየክልሎቹ በመሔድ እና የተናጋሪዎቹን ድምጽ በመቅዳት መሆኑን አስረድተዋል።

የግዕዝ ቋንቋንም ቢሆን "በደንብ ሊወራ የሚችልባቸው አካባቢዎች በመሔድ" ቋንቋው እንዲቀዳ መደረጉን አክለዋል።

በተጨማሪ ቋንቋው በሴት እና በወንድ ሲወራ፣ ድምጽ ስለሚቀየር ቋንቋንዎቹ ሲሰበሰቡ ጾታንም ባማከለ መንገድ መሆኑን አስረድተዋል።

እንደ አዲስ አበባ ዩኒቨርስቲ "ጊሮ ሶሊውሽን" የተሰኘው ተቋምም የሰው ሠራሽ አስተውሎት ሞዴሎችን በአገር በቀል ቋንቋዎች የማሰልጠን ሥራ እየሠራ ነው።

የዚህ ተቋም መሥራች ቤተልሔም ደሴ "ለዩ" በተሰኘው ፕሮጀክት 550 ሰዓት የፈጀ የአማርኛ ቋንቋን ድምጽ መሰብሰብ መቻላቸውን ገልጻለች።

በቀድሞ ስሙ iCog Laps በመባል የሚታወቀው የቴክኖሎጂ ተቋም አሁን ላይ ወደ "ጊሮ" ሶሊውሽንነት ተለውጧል። ይህ ተቋም በሰው ሠራሽ አስተውሎት፣ በመረጃ አገልግሎቶች (Data Services) እንዲሁም ሥልጠናዎች ላይ ትኩረት በማድረግ የሚሰራ ነው።

አብዛኛው የሰው ሠራሽ አስተውሎት ሞዴሎች በኢትዮጵያ ያሉ አገር በቀል ቋንቋዎችን የሰለጠኑት "ኢንተርኔት ላይ ባለው ዳታ ነው" ስትል ቤተልሔም ትገልጻለች።

"ሰው ማኅበራዊ ሚዲያ ላይ ሲጽፍ፣ ዩቲዩብ ላይ ኮንተንት ሲፈጥር፣ አርቲክሎችን [መጣጥፎችን] ሲጽፍ፣ ጥናቶችን ሲጽፍ ከዛ ላይ ነው የሰለጠኑት" ስትል አስረድታለች።

በዚህ ሳቢያ ሰው ሠራሽ አስተውሎትን ለማስልጠን የሚሆኑ አገር በቀል የኢትዮጵያ ቋንቋዎች ውስን እንደሆኑ ገልጻለች።

በምትመራው ተቋም የተጀመረው ፕሮጀክት አማርኛ እና ኦሮምኛ ቋንቋዎች አፍ መፍቻቸው ከሆኑ ሰዎች ንግግሮችን፣ ድምጾችን የመሰብሰብ፣ ከሰው ሠራሽ አስተውሎት ጋር ማስተዋወቅ አሊያም ማሰልጠን የሚያስችል ነው። በዚህ ሥራ ከ 1,600 በላይ የቋንቋው ተናጋሪ ሰዎች መሳተፋቸውን ገልፃለች።

ከ ሁለት ወራት በፊት "ለዩ" በተሰኘው ፕሮጀክት ከ500 ሰዓት በላይ የፈጀ በአማርኛ ቋንቋ የተደረጉ ንግግሮች መሰብሰብ መቻላቸውን የምትናገረው ቤተልሔም፣ ድምጽ ከመሰብሰብ በተጨማሪ የንግግር ዘዬ ላይም ትኩረት እንደሚያደርጉ ተናግራለች።

"እነዚህ Dialects [ዘዬዎች] አማርኛ ላይ ለምሳሌ የሸዋ አለ፣ የአዲስ አበባ አለ፣ የጎንደር አለ፣ የጎጃም አለ፣ የወሎ አለ። እነዚህ አምስቱ ዳያሌክቶች ላይ 100 ሰዓት ዳታ እያንዳንዳቸው፣ በጠቅላላ ከ 550 ሰዓታት በላይ መሰብሰብ ችለናል" ስትል ገልጻለች።

ቤተልሔም አክላ "አፋን ኦሮሞ ላይ ስንመጣ የሀረር አለ፣ አርሲ አለ፣ ጅማ አለ፤ እነዚህ አካባቢዎች ተመርጠው የቋንቋው ዘዬ የሚወከሉበት ቦታዎች ተመርጠው ነው የሚሰሩት" በማለት አስረድታለች። ይህ ፕሮጅርክት በተጠቀሱት ሥፍራዎች ካሉ ዩኒቨርስቲዎች ጋር በመተባበር የሚሠራ መሆኑንም ለቢቢሲ ገልጻለች።

ይህ ሰው ሠራሽ አስተውሎትን በአገር በቀል ቋንቋ የማሰልጠኑ ሥራ ሰዎች የፈለጉትን መረጃ በሚናገሩት ቋንቋ እና በሚረዱት ዘዬ እንዲያገኙ የሚያስችላቸው ነው።

የሰው ሠራሽ አስተውሎት አንድ ቋንቋን እንዲሰለጥን ቢያንስ በዚያ ቋንቋን የተዘጋጀ 10,000 ሰዓት ድምጽ እና ሌሎች ዳታዎች እንደሚያስፈልጉት የምትገልጸው ቤተልሔም በዚህ ረገድ ብዙና ሰፊ ሥራ እንደሚጠበቅ ተናግራለች።

ይህን ሐሳብ በአዲስ አበባ ዩኒቨርስቲ የኢንፎርሜሽን ሳይንስ ትምህርት ክፍል ተባባሪ ፕሮፌሰር የሆኑት ዶ/ር ወንድወሰን ሙሉጌታም ይጋሩታል። ከሰው ሠራሽ አስተውሎት የጠራ መረጃ ለማግኘት በርካታ መረጃዎችን መሰብሰብ እንደሚያስፈልግ ነው የተናገሩት።

"የሰው አእምሮ የሚያድገው ባለው የመረጃ መጠን እንደሆነ እናውቃለን። ይሄ ምን ማለት ነው፡ የሦስት ዓመት ልጅ እና የአርባ ዓመት ሰው እኩል አይወዳደሩም። ለምን አይወዳደሩም? በሦስት ዓመት አዕምሯችን የገነባው የመረጃ ብዛት 40 ዓመት ከሞላው ሰው ጋር እኩል አይደለም፤ ስለዚህ ይሄ ምን ይነግረናል ይሄንን የሰው ልጅ የማስተዋል ፕሮሰስ ማሽን ላይም እናየዋለን። በምንድን ነው የምናየው በጊዜ መውሰድ ሳይሆን ባገኘው የመረጃ ብዛት" ሲሉ በርካታ የቋንቋ መረጃዎችን ለሰው ሠራሽ አስተውሎት ማቅረብ የሚኖረውን ጥቅም በምሳሌ አስረድተዋል።

ዶ/ር ወንድወሰን አክለውም "የምንሰበስበው የቋንቋ መጠን በጨመረ ቁጥር ኤአይ ሞዴላችን ብዙ ምሳሌዎችን አግኝቶ ከእነዚያ ምሳሌዎች መረጃ ወይም ፓተርን አውጥቶ ከዚህ በኋላ እንዲህ ዓይነት ነገር ሲመጣ እንዲህ ልበለው ብሎ የመመለስ አቅም ይኖረዋል፤ መረጃው በበዛ ቁጥር ማለት ነው። ስለዚህ 'ፐርፌክሽኑ' የሚመጣው ከመረጃው ብዛት አንጻር እና ጥራት ነው" በማለት አስረድተዋል።