Språk
Officiella & inofficiella språk som används
Svenskan är huvudspråk, fem nationella minoritetsspråk har särskilt skydd, och runt 200 språk talas i landet. Språk är också AI:ns råvara: modeller tränas på text, och små språk riskerar att hamna i skuggan av engelskan. Frågan om vem som äger svenskan i maskinform har blivit politik.
Hur AI tros påverka området
Det stora skiftet är att språk blivit infrastruktur. Modeller tränas på text, och språk med små datamängder riskerar att hamna i skuggan av engelskan; vad som finns i datan avgör vad som finns i tekniken. Sverige har svarat med en egen modellfamilj: GPT-SW3 var den första stora generativa språkmodellen för svenska, och den nationella strategin utlovar en suverän svensk språkmodell, ett sätt att inte lämna språket åt amerikanska och kinesiska bolag.
Samtidigt omdefinieras statens minnesinstitutioner till dataleverantörer. Enligt handlingsplanen för AI-strategin ska Kungliga biblioteket analysera hur dess språkmodeller kan användas bredare och Riksarkivet digitalisera arkiv som träningsdata; kulturarvet blir råvara för tekniken. Vardagssvenskan formas parallellt av verktyg som fungerar bäst på engelska, och orden som föreslås åt oss är inte neutrala. Vilka texter som tränar modellerna avgör vilka röster som låter som Sverige.
För minoritetsspråken är mönstret skarpare: marknaden bygger inte teknik för språk med litet dataunderlag, så det krävs medvetna satsningar. Samisk språkteknologi byggs i dag framför allt av Divvun vid norska UiT, fritt och med öppen källkod, vilket visar både att det går och att Sverige hittills inte prioriterat det. Hur finska, meänkieli, romani chib och jiddisch får plats i modellernas värld är fortfarande en öppen fråga.
- Egna språkmodeller ger svenskan en plats i AI-eran på svenska villkor.trolig
- Kulturarvet hos KB och Riksarkivet får ny användning som svensk träningsdata.säker
- Språkteknik kan ge minoritetsspråk verktyg som marknaden aldrig byggt.trolig
- Språk som saknas i träningsdata blir osynliga i tekniken.säker
- Vardagssvenskan formas av verktyg som fungerar bäst på engelska.trolig
- Massproducerad maskintext kan likrikta språket och tunna ut dialekter.spekulativ
- Vem som äger svenskan i maskinform avgörs nu, till stor del utanför offentlig debatt.trolig
Frågor att diskutera
Vad händer med ett språk när allt fler texter först skrivs av en maskin och sedan putsas av en människa?
Hur säkrar Sverige att svenska modeller speglar hela språket, dialekter och förortssvenska inräknade?
Vilket ansvar har staten för att minoritetsspråken får samma tekniska verktyg som svenskan?
Hur förändras svenskundervisningen när översättning och korrektur alltid finns ett knapptryck bort?
Vems texter ska få träna framtidens svenska språkmodeller, och vad är rimlig ersättning?
Att tänka på
- GPT-SW3 släpptes med öppen licens i sex storlekar; den nationella strategin bygger vidare mot en suverän svensk språkmodell.
- Språkteknik för små språk kräver medvetna satsningar: marknaden löser det inte själv när dataunderlaget är litet.
- Kungliga biblioteket och Riksarkivet har fått roller som dataleverantörer; kulturarvet blir träningsmaterial.