KOMMENTAR | Nina Teigland, Språkrådet
Norden sammen for bedre språkmodeller
Nordisk samarbeid om språkmodeller står høyt på dagsorden hos blant annet Nordisk ministerråd for tida. Nettopp derfor er det nylig opprettet et nordisk-baltisk senter for kunstig intelligens, og et eget nordisk nettverk for språkmodeller. Hva bør dette senteret gjøre nå?
Selv om det nå foregår lovende satsinger på ansvarlige språkmodeller i Norge, er Norges KI-muskler små i verdenssammenheng. Et samlet Europa har større og flere ressurser, men den teknologiske, organisatoriske og politiske situasjonen er uoversiktlig og kompleks. Dermed har en mellomløsning med nordisk samarbeid om språkmodeller blitt mer aktuell enn på lenge. Både på Språkrådets egne arrangementer, på Arendalsuka og fra politikerhold hører vi stadig oftere at nordisk samarbeid er veien å gå.
Felles utfordringer, felles løsninger
De nordiske språksamfunnene har noen utfordringer til felles: Vi har begrensede mengder språkdata, varierende representasjon i store internasjonale språkmodeller og begrenset markedsmakt. Færre potensielle brukere gir dessuten lavere inntjeningspotensial for teknologiselskapene. For teknologigigantene er Norden et relativt lite marked, og våre nasjonale interesser er ikke alltid sammenfallende med deres.
Men de nordiske landene er velfungerende og godt digitaliserte, og vi kan ha mye å tjene på å samarbeide. Sammen blir vi ganske store.
Nytt nordisk nettverk
I fjor opprettet Nordisk ministerråd New Nordics AI, et nordisk-baltisk senter for kunstig intelligens. Under denne paraplyen finansierer ministerrådet også et nordisk nettverk for store språkmodeller, der formålet er å styrke utviklingen av nye språkmodeller som sikrer at de særegne nordiske språklige og kulturelle trekkene reflekteres.
Bestillingen fra ministerrådet er altså modeller som reflekterer nordisk språk og kultur. Dette er helt i tråd med ministerrådets språkdeklarasjon, der det blir fastslått at «alle språkene som hører hjemme i Norden, lever videre og utvikles i en tid preget av digitalisering inklusive kunstig intelligens, internasjonalisering og migrasjon».
Er det realistisk å få til noe bra her i Norden?
De nasjonale modellene som hittil har gitt best resultater, er alle videreutviklet (også kalt varm start) på store internasjonale modeller, der engelsk utgjør størstedelen av treningsdataene. Vi er klar over at Norge verken har nok språkdata eller sterk nok økonomisk kraft til å bygge de store grunnmodellene helt fra bunnen av. Det kan altså være nødvendig å se utenfor Norges grenser.
Norge har allerede utviklet språkmodeller i tråd med den nasjonale språkpolitikken.
Samtidig har vi flere eksempler på velfungerende egenutviklede modeller her i Norden – ikke minst når det gjelder språklig kvalitet. Norge har allerede utviklet språkmodeller i tråd med den nasjonale språkpolitikken. Universitetet i Oslo har produsert modeller som skriver både bokmål og nynorsk vel så godt som de store internasjonale modellene, og en talegjenkjenningsmodell fra Nasjonalbiblioteket (NB Whisper) forstår norske dialekter bedre enn de fleste og er blitt et godt alternativ til modeller fra teknologigigantene. Andre nordiske land har gjort tilsvarende satsinger: I Sverige har AI Sweden, RISE og WASP utviklet GPT-SW3, mens Danish Foundation Models, et samarbeid mellom danske universiteter og forskningsinstitusjoner, utvikler åpne modeller for dansk.
Disse satsingene har i hovedsak foregått parallelt, men viser at det er fullt mulig å oppnå gode resultater uavhengig av teknologigigantene. Ved å slå sammen kreftene og bygge på hverandres erfaringer vil vi kunne stå atskillig sterkere.
Språk er en forutsetning for god teknologi
I digitaliseringen av Norge har Språkrådet flere eksempler på at krav til språklig kvalitet blir oversett i startfasen av prosjekter, og at det koster mer å gjøre noe med det i etterkant. Dårlig språkkvalitet gir dårlig digitalisering, og mangel på språklig satsing har tidligere skapt forsinkelser og ført til løsninger som verken holder språkpolitisk mål eller fungerer godt for de som skal bruke dem.
Det er altså viktig å ta språklige hensyn helt fra start, og derfor har Språkrådet noen klare språkrelaterte oppfordringer til det nordiske nettverket for språkmodeller. Punktene nedenfor gjelder først og fremst modeller som skal brukes i Norge, men vi mener at de fleste av disse målsettingene også vil være relevante for språkpolitikken til de andre landene i det nye nettverket:
Språkmodellene må produsere korrekt norsk, både nynorsk og bokmål.
Modellene må oppdateres fortløpende og være i samsvar med endringer i norsk rettskriving.
Underliggende engelsk skal ikke prege produsert tekst.
Talegjenkjenningsmodellene skal forstå alle norske talere. Det vil si talere i alle aldersgrupper med ulike dialekter og språkbakgrunn, og talere med ulike typer språkvansker.
Modellene må beherske klarspråk. Det betyr at modellene må kunne produsere tekst som følger klarspråksprinsippene og gi tilbakemeldinger om uklart språk til brukeren.
Modellevaluering må være en del av prosjektet helt fra starten, og er en essensiell del av et økosystem for språkmodeller. I Norge vet vi at Universitetet i Oslo gjør automatisk testing av modeller. I tillegg har Språkrådet gjennomført flere manuelle evalueringer av språkmodeller.
Modellene må beherske fagspråk, spesielt når det skal brukes i profesjonell sammenheng. Slik vi og våre samarbeidspartnere ser det, kan fagspesialiserte norske eller nordiske språkmodeller vise seg å være et reelt, konkurransedyktig alternativ til de store internasjonale modellene.
Språkrådet heier på Norden
Vi ser fram til å høre hvordan New Nordics AI, og særlig den norske representanten fra nettverket TEK Norge, skal jobbe mot disse målene.
Språkrådet ser svært positivt på et nordisk språkmodellsamarbeid, og det er mange grunner til å tro at et slikt samarbeid på nordisk nivå vil være fruktbart i en urolig verden.
