विशेष
रंजना चोप्रा
आदिवाणी आदिवासी समुदायांना त्यांच्या स्वतःच्या आवाजात, स्वतःच्या शर्तींवर आपले म्हणणे मांडण्याचा मार्ग उपलब्ध करून देत आहे आणि उर्वरित भारताला त्या ऐकण्याचे एक कारण देत आहे.
भारतात ७०० हून अधिक आदिवासी समुदाय आढळतात आणि १०० हून अधिक विविध आदिवासी भाषा आणि बोलीभाषा आहेत, तरीही केवळ मोजक्याच भाषांमध्ये लिपी, शब्दकोष आहेत किंवा इंटरनेटवर त्यांचे कोणतेही अस्तित्व आहे. एखादा आरोग्यविषयक सरकारी सल्ला वाचण्याचा प्रयत्न करणारा गोंडी भाषक शेतकरी असो किंवा पाठ्यपुस्तकात एखादा शब्द शोधणारा संथाळी विद्यार्थी असो, त्यांच्यासाठी डिजिटल जगताने आतापर्यंत त्यांच्या भाषेतून कधीच उच्चार केले नव्हते. ‘आदिवाणी’ एकावेळी एक वाक्य, एक रेकॉर्डिंग आणि एक भाषांतरित पान याद्वारे हे चित्र बदलत आहे.
‘आदिवाणी’ हे आदिवासी व्यवहार मंत्रालयांतर्गत (MoTA) आयआयटी दिल्लीद्वारे विकसित केले जात असलेले एक एआय आधारित भाषांतर आणि भाषा तंत्रज्ञान प्लॅटफॉर्म आहे. इंग्रजी आणि हिंदी भाषांना आदिवासी भाषांशी संवाद साधू देणारी आणि आदिवासी भाषांना मजकूर व आवाजाच्या स्वरूपात पुन्हा प्रतिसाद देऊ देणारी साधने तयार करणे हे या प्लॅटफॉर्मचे उद्दिष्ट आहे.
‘आदिवाणी’ संथाली, मुंडारी, भिल्ली आणि गोंडी या चार भाषांसह सुरू झाली आहे, तर कुई आणि गारो या भाषांचा लवकरच समावेश केला जाणार आहे. तसेच कातकरी, कोया, कोकबोरोक, बेट्टा कुरुबा, चौधरी, थाडो कुकी आणि तांगखुल यासह आणखी आठ भाषा पुढील टप्प्यासाठी तयार आहेत.
केवळ एक अनुवादक नव्हे, तर एक संपूर्ण टूलकिट
आदिवाणी केवळ एक अनुवादक नाही, तर एकाच छताखाली एक संपूर्ण टूलकिट उपलब्ध करून देते. ते टेक्स्ट-टू-टेक्स्ट भाषांतर म्हणजे इंग्रजी किंवा हिंदी मजकुराचे आदिवासी भाषेत आणि आदिवासी मजकुराचे इंग्रजी/हिंदीत झटपट रूपांतर करते, स्पीच-टू-टेक्स्ट (ASR) म्हणजे बोललेल्या आदिवासी भाषेचे मजकुरात रूपांतर करते; ज्या भाषांमध्ये अस्खलित वाचक कमी आहेत किंवा जवळपास नाहीतच अशा भाषांसाठी ही एक संजीवनी आहे. टेक्स्ट-टू-स्पीच म्हणजे लिखित मजकुरातून नैसर्गिक आदिवासी भाषेतील ऑडिओ तयार करते, जेणेकरून निरक्षर व्यक्तींना ऐकून माहिती मिळवता येईल. स्पीच-टू-स्पीच ही एक शृंखलाबद्ध प्रणाली आहे जी दोन वेगवेगळ्या भाषा बोलणाऱ्या व्यक्तींना जवळपास रिअल-टाइममध्ये एकमेकांना समजून घेण्यास मदत करते. याव्यतिरिक्त, हा प्लॅटफॉर्म ऑप्टिकल कॅरेक्टर रिकग्निशन (OCR) वैशिष्ट्यदेखील उपलब्ध करतो, जो जुनी पाठ्यपुस्तके, लोकहस्तलिखिते, मुळाक्षरांची पुस्तके आणि केवळ कागदावर उपलब्ध असलेले शब्दकोष (जे सहसा एखाद्या बोलीभाषेचा शेवटचा जिवंत दस्तावेज असतात) डिजिटल स्वरूपात रूपांतरित करतो. तसेच सार्वजनिक मोबाईल ॲप आणि वेब ॲक्सेस पोर्टलद्वारे शब्दकोष, शिकण्याचे मॉड्युल्स आणि निरंतर सुधारणेसाठी फीडबॅक टूल्स उपलब्ध करून दिले जातात.
परिघावरचे केंद्रस्थानी आणताना
अनेक दशकांपासून भारताच्या आदिवासी भाषा देशाच्या डिजिटल आणि प्रशासकीय जीवनाच्या परिघावर म्हणजेच मूळ प्रवाहापासून दूर राहिल्या आहेत. या भाषा मौखिक इतिहास, पर्यावरणीय ज्ञान आणि सांस्कृतिक स्मृतींनी समृद्ध आहेत, तरीही त्या इंटरनेट, एआय प्रणाली आणि बऱ्याचदा धोरणांच्या दृष्टीने जवळपास अदृश्य राहिल्या आहेत. आदिवाणी हे समीकरण बदलत आहे. कल्याणकारी योजनेची अधिसूचना, आरोग्यासंबंधीचा सल्ला किंवा पूर्वी केवळ हिंदी किंवा इंग्रजीत असलेले NCERT पाठ्यपुस्तकातील प्रकरण आता संथाली किंवा भिल्ली भाषेत तंतोतंत आणि सन्मानाने रूपांतरित केले जाऊ शकते आणि अजिबात वाचता न येणाऱ्या व्यक्तीला ते मोठ्याने ऐकवले जाऊ शकते. या बदल्यात, सरकारी अधिकारी, शिक्षक आणि आरोग्य कर्मचारी एखादा आदिवासी नागरिक त्यांच्या स्वतःच्या शब्दात काय सांगण्याचा प्रयत्न करत आहे हे समजून घेऊ शकतात. हा संवाद दोन्ही बाजूंनी होतो आणि आदिवाणी ही केवळ आदिवासी समुदायांना मुख्य प्रवाहात प्रवेश 'देत' नाही, तर ती मुख्य प्रवाहाला आदिवासी भारताशी जोडण्याची संधी देत आहे हाच मुख्य मुद्दा आहे.
हा प्रकल्प आदिवासी भाषांकडे केवळ एआयसाठी डेटा स्रोत म्हणून पाहत नाही, तर मौखिक परंपरा, शेती, पर्यावरण आणि समुदाय ओळखीशी जोडलेल्या जिवंत ज्ञान प्रणाली म्हणून पाहतो.
केवळ आदिवासी भारतासाठीच नव्हे, तर सर्वांसाठी एक प्लॅटफॉर्म
आदिवाणीचे महत्त्व केवळ आदिवासी कुटुंबांपुरते मर्यादित नाही. संशोधक आणि भाषाशास्त्रज्ञांना जगातील सर्वात कमी नोंद झालेल्या भाषांसाठी एक पुनर्निर्मितीयोग्य आणि मानांकित डेटासेट मिळतो. आदिवासी जिल्ह्यांमध्ये कार्यरत असलेले शासकीय अधिकारी, डॉक्टर, शिक्षक आणि स्वयंसेवी संस्थांचे कार्यकर्ते, ज्यांपैकी बहुतांश लोक स्वतः आदिवासी नाहीत, त्यांना रिअल-टाइम भाषांतराचा असा सहकारी मिळतो, जो अडखळणाऱ्या आणि चुका होण्याची शक्यता असलेल्या संवादाचे रूपांतर खऱ्या संवादात करतो.
भाषाशास्त्र आणि मानववंशशास्त्राच्या विद्यार्थ्यांना अशी डिजिटलाइझ केलेली हस्तलिखिते आणि मौखिक दस्तावेज मिळतात, जे अन्यथा स्थानिक ग्रंथालयांमध्ये कोणाच्याही नजरेस न पडता नष्ट झाले असते आणि प्रत्येक भारतीयाला, मग तो आदिवासी असो वा नसो, डिजिटल नोंदींमधील एका लहान पण महत्त्वपूर्ण सुधारणेचा वारसा मिळतो. ज्या भाषा केवळ आठवणींमध्येच उरण्याचा धोका होता, त्यांना आता इंटरनेटवर शोधता येण्याजोगे, बोलता येण्याजोगे आणि शिकवता येण्याजोगे घर मिळाले आहे.
हेच आदिवाणीला केवळ एका भाषांतर ॲपपेक्षा अधिक काही बनवते; हे समावेशकतेसाठीचे एक सार्वजनिक पायाभूत व्यासपीठ आहे, जे समावेशकता जशी निर्माण व्हायला हवी त्याच पद्धतीने म्हणजे समुदायाला केवळ लाभार्थी म्हणून न ठेवता, त्यांना केंद्रस्थानी ठेवून तयार केले गेले आहे.
तंत्रज्ञानापेक्षा समुदायाला प्राधान्य
आदिवाणीचे सर्वात वैशिष्ट्यपूर्ण पैलू बहुधा तिचे मॉडेल नसून तिची कार्यपद्धती आहे. मूळ भाषक, भाषांतरकार, प्रत्यक्ष क्षेत्रातील भाषाशास्त्रज्ञ आणि समुदायातील ज्येष्ठ मंडळी यांच्याकडे केवळ नोंदणीकार म्हणून न पाहता ज्ञानाचे भागीदार म्हणून पाहिले जाते. प्रत्येक डेटासेट 'मेकर-चेकर-सुपरचेकर' या कार्यप्रणालीतून जातो, जिथे समुदायातील पडताळणी करणारे लोक एआयद्वारे अल्पसंख्यांक भाषांचे हिंदी किंवा इंग्रजीमध्ये होणारे सूक्ष्म 'विरलीकरण' पकडतात. मग तो एखादा सुटलेला प्रत्यय असो, अति-सामान्य केलेला वाक्प्रचार असो किंवा भाषेची हरवलेली नैसर्गिक लय असो. मशीनद्वारे तयार केलेल्या भाषांतरांना कधीही अंतिम मानले जात नाही : मुख्य संग्रहात पुन्हा समाविष्ट करण्यापूर्वी ते दुरुस्तीसाठी मूळ भाषकांकडे पाठवले जातात. हे सहमती, सांस्कृतिक आदर आणि 'भाषा हा केवळ एक डेटासेट नसून एखादा समाज स्वतःला ज्या पद्धतीने स्मरणात ठेवतो ते माध्यम आहे' या जाणिवेवर आधारित एआय विकास आहे.
याच मुद्द्याच्या अनुषंगाने राज्य आदिवासी संशोधन संस्था (TRIs) अत्यंत महत्त्वाच्या आणि इतरांपेक्षा वेगळ्या ठरतात. एखादे वाक्य एआय मॉडेलपर्यंत पोहोचण्याच्या बरेच आधी, झारखंड, ओदिशा, छत्तीसगड, मध्य प्रदेश आणि इतर ठिकाणच्या टीआरआय या प्रत्यक्ष उपयोजनेच्या ठिकाणी संपूर्ण संग्रह उभारणीच्या प्रयत्नांना मुख्य आधार देतात म्हणजे त्या मूळ भाषकांना एकत्र आणतात, गावे आणि तालुक्यांमधील बोलीभाषांच्या फरकांची पडताळणी करतात आणि प्रत्येक भाषांतरित किंवा उतरवून घेतलेल्या नमुन्याची प्रशिक्षण डेटामध्ये समावेश करण्यापूर्वी सखोल तपासणी करतात. त्यांचे क्षेत्रीय ज्ञान हे ठरवते की कोणती रेकॉर्डिंग अस्सल आहे आणि भाषांतरात कोणते वाक्प्रचार फारच सामान्य झाले आहेत; ज्यामुळे त्या समुदायाची मूळ भाषा आणि वापरण्यायोग्य डिजिटल संग्रह यांच्यात एक आघाडीवरील संरक्षक ठरतात. टीआरआयद्वारे या सततच्या, प्रत्यक्ष स्थानावरील तपासणीशिवाय, आदिवाणी जे मॉडेल तयार करत आहे त्यात त्या सर्व त्रुटी निर्माण झाल्या असत्या ज्या टाळण्यासाठी हा प्रकल्प सुरू करण्यात आला आहे.
भविष्याचा वेध
आदिवाणीचे काम अजून संपलेले नाही. पुढील नऊ महिन्यांत आणखी दहा भाषा जोडणे, आपली ‘स्पीच रिकग्निशन’ आणि व्हॉईस तंत्रज्ञानात सुधारणा करणे आणि प्रत्येक भाषेसाठी लाखोच्या संख्येपर्यंत पोहोचणारे पडताळणी केलेल्या रेकॉर्डिंगचे अधिक मोठे संग्रह तयार करण्याचे तिचे नियोजन आहे. परंतु, आकडेवारीच्या पलीकडे जाऊन आदिवाणी एका मोठ्या ध्येयाचे प्रतीक आहे: तंत्रज्ञान आदिवासी भाषांना नष्ट करण्याऐवजी त्यांचे संरक्षण आणि संवर्धन करू शकते याचा हा एक पुरावा आहे. ज्या देशात दर काही वर्षांनी भाषा लुप्त होत आहेत, तिथे आदिवाणी आदिवासी समुदायांना त्यांच्या स्वतःच्या आवाजात, स्वतःच्या शर्तींवर आपले म्हणणे मांडण्याचा मार्ग उपलब्ध करून देत आहे आणि उर्वरित भारताला त्या ऐकण्याचे एक कारण देत आहे.
(लेखक आदिवासी व्यवहार विभागाच्या सचिव आहेत.)
