The Czech Language in the Digital Age / Čeština v digitálním věku

88 Pages·1.025 MB·

by  Bojar O. et al.

WhitePaperSeries SérieBíléknihy
THE CZECH ČEŠTINA
LANGUAGE IN V DIGITÁLNÍM
THE DIGITAL VĚKU
AGE
Ondřej Bojar
Silvie Cinková
Jan Hajič
Barbora Hladká
Vladislav Kuboň
Jiří Mírovský
Jarmila Panevová
Nino Peterek
Johanka Spoustová
Zdeněk Žabokrtský

WhitePaperSeries SérieBíléknihy
THE CZECH ČEŠTINA
LANGUAGE IN V DIGITÁLNÍM
THE DIGITAL VĚKU
AGE
Ondřej Bojar CharlesUniversityinPrague
Silvie Cinková CharlesUniversityinPrague
Jan Hajič CharlesUniversityinPrague
Barbora Hladká CharlesUniversityinPrague
Vladislav Kuboň CharlesUniversityinPrague
Jiří Mírovský CharlesUniversityinPrague
Jarmila Panevová CharlesUniversityinPrague
Nino Peterek CharlesUniversityinPrague
JohankaSpoustová CharlesUniversityinPrague
ZdeněkŽabokrtský CharlesUniversityinPrague
GeorgRehm,HansUszkoreit
(editoři,editors)
PŘEDMLUVA PREFACE
TatoBíláknihajesoučástísérie,kterápodporujeznalosti is white paper is part of a series that promotes
jazykových technologií a jejich potenciál. Je určena knowledgeaboutlanguagetechnologyanditspoten-
pedagogům,novinářům,politikům,různýmjazykovým tial.Itaddresseseducators,journalists,politicians,lan-
komunitámadalším.Dostupnostavyužíváníjazykových guage communities and others. e availability and
technologií se v Evropě u jednotlivých jazyků liší. V use of language technology in Europe varies between
důsledkutohoseprokaždýjazyklišítakékroky,kteréje languages.Consequently,theactionsthatarerequired
nutnépodniknoutprodalšípodporuvýzkumuavývoje to further support research and development of lan-
jazykovýchtechnologií.Tytoplánovanépostupyzávisí guagetechnologiesalsodifferforeachlanguage. e
na mnoha faktorech, jako je složitost daného jazyka requiredactionsdependonmanyfactors, suchasthe
či velikost jeho komunity. META-NET (excelentní complexityofagivenlanguageandthesizeofitscom-
internetovásíť)financovanýEvropskoukomisíprovedl munity.META-NET,aNetworkofExcellencefunded
analýzu současných jazykových zdrojů a technologií. bytheEuropeanCommission,hasconductedananal-
Tatoanalýzasezaměřilana23oficiálníchevropských ysis of current language resources and technologies.
jazykůanadalšívýznamnénárodníaregionálníjazyky isanalysisfocusedonthe23officialEuropeanlan-
v Evropě. Výsledky analýzy naznačují, že ve výzkumu guagesaswellasotherimportantnationalandregional
každéhojazykajeznačnémnožstvímezer.Podrobnější languages in Europe. e results of this analysis sug-
expertníanalýzaahodnocenísoučasnésituacepřitom gest that there are many significant research gaps for
přispějí k maximalizaci účinku dalšího výzkumu a eachlanguage. Amoredetailedexpertanalysisandas-
minimalizaci možných rizik. META-NET se skládá sessment of the current situation will help maximize
z 54 výzkumných center z 33 zemí, které pracují s the impact of additional research and minimize any
podílníkyzkomerčníchfirem,vládníchagentur,průmyslu, risks.META-NETconsistsof54researchcentresfrom
výzkumnýchorganizací,sowarovýchfirem,sposkytovateli 33countriesthatareworkingwithstakeholdersfrom
technologií a evropských univerzit. Dohromady mají commercial businesses, government agencies, indus-
jednuspolečnouvizi–vyvíjejístrategickýplánvýzkumu, try, research organisations, soware companies, tech-
který ukazuje, jak aplikace jazykových technologií nologyprovidersandEuropeanuniversities.Together,
mohou do roku 2020 vyřešit případné mezery ve they are creating a common technology vision while
výzkumu. developingastrategicresearchagendathatshowshow
language technology applications can address any re-
searchgapsby2020.
III
Autoři tohoto dokumentu děkují autorům Bílé knihy pro e authors of this document are grateful to the authors of
němčinu za povolení použít vybrané jazykově nezávislé thewhitepaperonGermanforpermissiontore-useselected
části z jejich dokumentu [1]. Zároveň děkujeme za milou language-independentmaterialsfromtheirdocument[1]. We
spolupráci kolegům Jan Cuřínovi, Evě Hajičové, Jirkovi alsowishtothankourcolleaguesJanCuřín,EvaHajičová,Jirka
Hanovi,KarluOlivovi,MagdaleněRysové,MagděŠevčíkové, Hana,KarelOliva,MagdalenaRysová,MagdaŠevčíková,Ivan
IvanuŠmilaueroviaDanieluZemanovi. Šmilauer,DanielZemanfortheirnicecooperation.
Práce na této Bílé knize byla financována 7. Rámcovým edevelopmentofthiswhitepaperhasbeenfundedbythe
programem Evropské komise a Programem na podporu SeventhFrameworkProgrammeandtheICTPolicySupport
politiky informačních a komunikačních technologií (ICT ProgrammeoftheEuropeanCommissionunderthecontracts
PolicySupportProgrammeoftheEuropeanCommission)na T4ME (Grant Agreement 249119), CESAR (Grant Agree-
základě smluv T4ME (grantové dohoda 249119), CESAR ment 271022), METANET4U (Grant Agreement 270893)
(grantová dohoda 271022), METANET4U (grantová andMETA-NORD(GrantAgreement270899).
dohoda 270893) a META-NORD (grantová dohoda
270899).
IV
OBSAH CONTENTS
ČEŠTINA V DIGITÁLNÍM VĚKU
1 Shrnutí 1
2 Rizikopronašejazykyavýzvaprojazykovétechnologie 3
2.1 Jazykovébariérybrzdíevropskouinformačníspolečnost . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Našejazykyvohrožení . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Jazykovétechnologiejsoutechnologiemiklíčovými . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.4 Příležitostiprojazykovétechnologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.5 Výzvyprojazykovétechnologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.6 Osvojováníjazykaulidíaustrojů . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Češtinavevropskéinformačníspolečnosti 8
3.1 Obecnéinformace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Specifikačeštiny . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Současnývývoj . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.4 KultivacejazykavČeskérepublice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.5 Jazykvevzdělávání . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.6 Mezinárodníaspekty . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.7 Češtinanainternetu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4 Podporajazykovýchtechnologiípročeštinu 15
4.1 Architekturaaplikací. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.2 Základníaplikačníoblasti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.3 Dalšíaplikačníoblasti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.4 Vzdělávacíprogramy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.5 Národníprojektyainiciativy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.6 Dostupnénástrojeazdrojepročeštinu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.7 Porovnánínapříčjazyky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.8 Závěr . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5 OsítiMETA-NET 35
THE CZECH LANGUAGE IN THE DIGITAL AGE
1 ExecutiveSummary 37
2 LanguagesatRisk:aChallengeforLanguageTechnology 39
2.1 LanguageBordersHoldbacktheEuropeanInformationSociety . . . . . . . . . . . . . . . . . . 40
2.2 OurLanguagesatRisk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3 LanguageTechnologyisaKeyEnablingTechnology . . . . . . . . . . . . . . . . . . . . . . . . 40
2.4 OpportunitiesforLanguageTechnology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.5 ChallengesFacingLanguageTechnology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.6 LanguageAcquisitioninHumansandMachines . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3 CzechintheEuropeanInformationSociety 44
3.1 GeneralFacts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.2 ParticularitiesoftheCzechLanguage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3 RecentDevelopments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4 LanguageCultivationintheCzechRepublic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.5 LanguageinEducation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.6 InternationalAspects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.7 CzechontheInternet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4 LanguageTechnologySupportforCzech 52
4.1 ApplicationArchitectures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2 CoreApplicationAreas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.3 OtherApplicationAreas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.4 EducationalProgrammes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.5 NationalProjectsandInitiatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.6 AvailabilityoftoolsandresourcesforCzech . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.7 Cross-languagecomparison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.8 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5 AboutMETA-NET 71
A Odkazy--References 73
B ČlenovéMETA-NET--META-NETMembers 77
C SérieBíléknihyMETA-NET--TheMETA-NETWhitePaperSeries 81
1
SHRNUTÍ
Evropa se během posledních 60 let stala zřetelnou 60 evropských jazyků nepřekonatelná překážka pro
politickou a ekonomickou sítí, přesto je ale kulturně občany našeho kontinentu, pro jejich ekonomiku,
a jazykově stále velmi různorodá. Znamená to, že jejich politickou diskusi a vědecký pokrok. Řešením
každodenníkomunikacemezievropskýmiobčany(aťuž je vybudování klíčových technologií, které budou
přecházímezportugalštinydopolštinynebozitalštiny nabízet evropským subjektům velké výhody, a to
do islandštiny) i komunikace v oblasti podnikání a nejen v rámci společného evropského trhu, ale i v
politikysenevyhnutelněpotýkásjazykovoubariérou. obchodních vztazích se třetími zeměmi, zejména v
nově se etablujících ekonomikách. Abychom dosáhli
tohotocíleauchránilievropskoukulturníajazykovou
Jazykovétechnologiestaví
rozmanitost, musíme nejprve provést systematickou
mostyprobudoucnostEvropy.
analýzu jazykových aspektů všech evropských jazyků
a analýzu současného stavu podpory jazykových
Orgány EU utratí asi jednu miliardu eur ročně na
technologií. Pak budou moci jazykové technologie
překládání textů a tlumočení mluvené komunikace,
sloužit jako jedinečný most mezi evropskými jazyky.
aby řešily otázku mnohojazyčnosti. Musí to však být
Nástroje pro automatický překlad a zpracování řeči,
takovázátěž?Moderníjazykovétechnologie(language
kteréjsouvsoučasnédobědostupnénatrhu,ovšemstále
technology, LT) a lingvistický výzkum mohou
ještě tohoto náročného cíle nedosahují. Dominantní
významněpřispětkbouráníjazykovýchhranic.Kdyžse
subjektyvtétooblastijsoupřevážněsoukromépodniky
jazykové technologie spojí s inteligentními zařízeními
sesídlemvSeverníAmerice.Jižnakonci70.
a aplikacemi, budou v budoucnosti schopné pomáhat
Evropanům jednoduše komunikovat a obchodovat, i
Jazykovétechnologiejakoklíčkbudoucnosti.
když nemluví společnou řečí. Česká ekonomika má
na jednotném evropském trhu velkou výhodu. Přesto
je možné, že jazykové bariéry způsobí např. zánik let si EU uvědomila nesmírný význam jazykových
některých podniků, a to zejména jedná-li se o malé technologií jako nástroje k dosažení evropské jednoty
a střední podniky, které nemají finanční prostředky a začala financovat první výzkumné projekty, např.
na zlepšení situace. Jedinou (i když nemyslitelnou) EUROTRA.Vestejnédobězačalyvznikatvnitrostátní
alternativou řešení otázky mnohojazyčné Evropy by projekty, které sice přinášely cenné výsledky, ale
bylo umožnit, aby jeden jazyk získal dominantní nikdy nevedly k evropské spolupráci. Ostatní
postavení a nakonec nahradil všechny ostatní. Bez mnohojazyčné komunity jako Indie (22 úředních
technologické podpory, je zvládnutí 23 oficiálních jazyků) a Jihoafrická republika (11 úředních jazyků)
jazyků členských států Evropské unie a dalších cca naopak na rozdíl od tohoto vysoce selektivního
1
financování nedávno vytvořily dlouhodobé národní vidětnapočtuprodanýchdceřinýchspolečností.Např.
programy pro jazykový výzkum a technologický společnost Trados (založena v roce 1984) byla v roce
rozvoj. Dominantní subjekty v oblasti jazykových 2005 prodána společnosti SDL se sídlem ve Velké
technologií se dnes spoléhají na nepřesné statistické Británii.
postupy, které nevyužívají propracované jazykovědné
metody a znalosti. Například automatický překlad
JazykovétechnologiepomáhajísjednotitEvropu.
vět funguje na principu porovnávání věty, kterou
chceme automaticky přeložit, s tisíci jinými, které
byly přeloženy lidmi. Kvalita výstupu do značné míry Na základě dosud získaných poznatků se zdá, že
závisí na velikosti a kvalitě daného vzorku. Zatímco dnešní „hybridní“ jazykové technologie zahrnující
automatický překlad textu může u „velkých“ jazyků hloubkové zpracování i statistické metody umožní
s jednoduchou morfologickou strukturou dosáhnout překlenout propast mezi všemi evropskými jazyky.
přiměřenékvality,usložitějšíchjazykůneboujazykůs Jak tato série Bílých knih ukazuje, členské státy v
nižšímpočtempříkladovéhomateriálujetatostatistická Evropě se značně liší v ochotě a připravenosti řešit
metoda odsouzena k neúspěchu. Evropská unie se jazykové otázky. Velké rozdíly jsou také v oblasti
protorozhodlafinancovatprojekty,jakojeEuroMatrix, výzkumu. Čeština patří mezi „menší“ jazyky EU, a
EuroMatrixPlus(fungujícíodroku2006)aiTranslate4 protojezapotřebínejprveprovádětdalšíspecializované
(fungující od roku 2010), které provádějí základní a výzkumy, než pro ni budou jazykové technologie
aplikovaný výzkum a snaží se vytvořit vysoce kvalitní skutečně účinné a než budou moci sloužit pro
jazykové technologie pro všechny evropské jazyky. každodenní použití. Dlouhodobým cílem projektu
Hlubší analýza struktury jazyků je jedinou možnou META-NETjepředstavitkvalitníjazykovétechnologie
cestou, jak vytvářet aplikace, které fungují v rámci pro všechny jazyky v EU. Tyto technologie pomohou
celé škály evropských jazyků dobře. Evropský výzkum evropským jazykům překonat dosavadní bariéry a
dosáhl v této oblasti již řady úspěchů. Například navázat vzájemné spojení. To vyžaduje, aby všechny
překladatelské služby v Evropské unii nyní používají zúčastněné strany – v politice, výzkumu, podnikání
MOSES, open-source soware pro strojový překlad, i společnosti – spojily v budoucnosti své síly. Tento
kterýbylvyvinutzejménaprostřednictvímevropských dokument doplňuje řadu dalších činností projektu
výzkumných projektů. Spíše než stavět na výsledcích META-NET (viz příloha). Aktuální informace, např.
těchto projektů má Evropa tendenci pokračovat v aktuální verzi plánů projektu META-NET [2] nebo
izolované výzkumné činnosti jen s nepatrným vlivem strategickýplánvýzkumu(SRA),najdetenawebových
na trh. Ekonomickou hodnotu počátečního úsilí lze stránkáchhttp://www.meta-net.eu.
2
2
RIZIKO PRO NAŠE JAZYKY A VÝZVA PRO
JAZYKOVÉ TECHNOLOGIE
(cid:13)
Nedávnývývojdigitálníchinformačníchakomunikačních DTP (desktop publishing) soware nahradil psaní
technologií je někdy srovnáván s Gutenbergovým nastrojiaklasickousazbu;
vynálezemknihtisku.Conámmůžetatoanalogieřícto (cid:13) Microso PowerPoint nahradil zpětný projektor a
budoucnostievropskéinformačníspolečnostiazejména fólie;
obudoucnostinašichjazyků? (cid:13)
e-mailpošleadoručídokumentyrychlejinežfax;
(cid:13)
Skype nabízí levné volání po internetu a virtuální
Jsmesvědkydigitálnírevolucesrovnatelnés setkávání;
Guthenbergovýmvynálezemknihtisku.
(cid:13)
formáty pro kódování audia a videa umožňují
snadnopřenášetmultimediálníobsah;
Po Gutenbergově vynálezu nastal skutečný zlom
(cid:13)
vyhledávače zajišťují na základě klíčových slov
v komunikaci a nabývání vědomostí, a to např.
přístupnawebovéstránky;
Lutherovým překladem Bible do národního jazyka. V
(cid:13)
on-line služby jako Google Translate poskytují
následujícíchstoletíchserozvíjelykulturnínástrojetak,
rychléorientačnípřeklady;
abylépezvládalyzpracováníjazykaavýměnuznalostí:
(cid:13)
sociální platformy médií jako Facebook, Twitter a
(cid:13)
pravopisná a gramatická standardizace hlavních
Google+ ulehčují komunikaci, spolupráci a sdílení
jazykůumožnilarychlérozšířenínovýchvědeckých
informací.
aintelektuálníchmyšlenek;
(cid:13)
vývojúředníchjazykůumožnillidemkomunikovat Ačkoli jsou tyto prostředky a aplikace prospěšné, stále
vrámciurčitých(častopolitických)hranic; ještěnejsouschopnédlouhodoběpodporovatfungující,
(cid:13) učení a překlad jazyků umožnily vyměňování vícejazyčnou evropskou společnost všude tam, kam
informacímezijazyky; mohouvolněprouditinformaceazboží.
(cid:13)
vytvoření editorských a bibliografických pravidel
zajistilokvalituadostupnosttištenýchmateriálů; 2.1 JAZYKOVÉ BARIÉRY BRZDÍ
(cid:13)
vytvoření různých médií, jako jsou noviny,
EVROPSKOU INFORMAČNÍ
rozhlas, televize, knihy a jiné, uspokojilo odlišné
komunikačnípotřeby. SPOLEČNOST
V uplynulých dvaceti letech pomohly informační Nemůžeme přesně předvídat, jak bude informační
technologiezautomatizovatausnadnitmnohoprocesů: společnost v budoucnosti vypadat. Je ovšem velmi
3