தமிழ்மொழி வளர்ச்சியில் செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்தின் பங்களிப்பு
திருமதி.ச.ரா.வி.வான்மதி B.Lit.,M.A.,M.A(Eco).,M.Ed.,TPT.,DDTP.,
பி கே என் வித்யாலயா, திருமங்கலம். மதுரை மாவட்டம்
Summary
21ஆம் நூற்றாண்டின் முக்கிய தொழில்நுட்ப முன்னேற்றங்களில் ஒன்றான செயற்கை நுண்ணறிவு(AI) மொழி சார்ந்த பல துறைகளில் மறக்க முடியாத தாக்கங்களை ஏற்படுத்தி வருகிறது. செறிவும் நுட்பமும் கொண்ட தமிழின் இலக்கண அமைப்பும் அதன் பண்பாட்டுப் பின்னணியும், செயற்கை நுண்ணறிவுடன் ஒருங்கிணையும்போது, புதிய வாய்ப்புகளையும் சில சவால்களையும் உருவாக்குகின்றன.
இவ்வாய்வு கணினித் தமிழின் தொடக்கநிலையை விளக்கி, தமிழுக்கே உரிய மொழியியல் முறைமைகள் எவ்வாறு செயற்கை நுண்ணறிவுத் தொழில்நுட்பத்துடன் இணைக்கப்படுகின்றன என்பதையும் எடுத்துக்காட்டுகிறது. AI4Bharat, TamilBERT, Vakyansh போன்ற தமிழ் மையக் கருவிகள் மற்றும் ChatGPT போன்ற பெரிய மொழி மாதிரிகள், தமிழில் இயற்கை மொழி புரிதல், உரை உருவாக்கம், மொழிபெயர்ப்பு போன்ற செயல்களில் பயன்படுத்தப்படுகின்றன. தமிழ்மொழியின் எதிர்கால வளர்ச்சிப் பாதையில் செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த இயக்கியாக உருவாவதற்கான சாத்தியங்களை ஆய்வதே இக்கட்டுரையின் நோக்கமாகும்
21st century, AI is making a profound impact across various language-related domains. Tamil, with its rich grammatical structure and deep cultural roots, presents both challenges and opportunities when integrated with AI technologies. This paper introduces the early stages of computational Tamil and explains how Tamil-specific linguistic structures are being aligned with modern AI systems.
It highlights the use of AI tools and platforms such as AI4Bharat, TamilBERT, and Vakyansh, along with large language models like ChatGPT, in enabling natural language understanding, text generation, translation, and speech recognition in Tamil.
The article also examines AI-driven innovations in Tamil language learning and teaching, its applications in Tamil literature, and the relevance of linguistics in this context.
முன்னுரை:
தமிழ் மொழி, உலகின் தொன்மையான மொழிகளில் ஒன்றாகவும், செறிவும் சிறப்பும் வாய்ந்ததுமான இலக்கிய பாரம்பரியத்துடன் கூடியதுமான மொழியாகவும் விளங்குகிறது. பல நூற்றாண்டுகளாக தமிழ் மொழி பேசப்பட்டு வருகின்ற நிலையில், இந்நவீன யுகத்தில் தொழில்நுட்பங்களுடன் தமிழின் ஒரு புதிய பரிணாமம் நிகழ்ந்துவருகிறது. குறிப்பாக செயற்கை நுண்ணறிவு, மொழிகளை புரிந்து கொண்டு செயலாக்கும் தன்மையினால், தமிழுக்குள் நுழைந்து பல்வேறு வாய்ப்புகளை உருவாக்கி வருகிறது. இக்கட்டுரை, அந்த வாய்ப்புகளையும் சவால்களையும் ஆராய்கிறது.
கணினித் தமிழ் வளர்ச்சியின் முன்னோடிகள்:
தமிழ் மொழி கணினி உலகில் இடம்பிடிக்கத் தொடங்கிய காலம் 1980களாகும். அந்தக் காலத்தில் எழுத்துரு குறியீடுகள், சொற்கள், வார்த்தைகள் ஆகியவற்றை கணினியில் காண்பிக்கக்கூடிய தனித்தன்மை வாய்ந்த திட்டங்கள் தோன்றின. TSCII, TAB, Unicode போன்ற குறியீட்டு முறைகள் உருவாக்கப்பட்டன. இந்தக் கட்டமைப்புகள் தமிழை கணினியில் எழுத, படிக்க, பகிர்ந்து கொள்ளும் வழிகளை உருவாக்கின.
தமிழ் வட்டார மொழிகள் மற்றும் வழக்குச்சொற்களும் கணினியமைப்பில் இடம் பெறுவதற்காகப் பல தொலைநோக்குத் திட்டங்கள் மேற்கொள்ளப்பட்டன. இதன் மூலம் பன்முகத்தன்மை கொண்ட தமிழை ஒருங்கிணைக்கும் பணிகள் வலுப்பெற்றன.
தமிழ் கணினியமைப்பில் வட்டாரமொழி மற்றும் வழக்குச்சொற்களுக்கு இடமளித்த முக்கிய திட்டங்கள்
EMILLE Corpus:
EMILLE Corpus திட்டம் இந்திய சிறுபான்மையினர் மொழிகளுக்கான மென்பொருள் வளங்களை உருவாக்கும் நோக்கில் 2000-ஆம் ஆண்டு தொடங்கப்பட்டது. "வடஇந்தியப் பல்கலைக்கழகங்களில் பேசப்படும் தமிழ் மாதிரிகள் சேகரிக்கப்பட்டு தொகுக்கப்பட்டன. இது மொழியின் பன்முக பரிணாமத்தையும், வட்டாரச் சாயல்களையும் மொழியியல் கருவிகளில் பிரதிபலிக்கச் செய்யும் ஒரு முன்னோடிய முயற்சியாக அமைந்தது. இந்த முயற்சி, மொழியியல் தரவுகளை மையமாகக் கொண்டு செயற்கை நுண்ணறிவு இயந்திரங்களுக்கான பயிற்சி தரவுகள் உருவாக்கும் துவக்க கட்டங்களை நிலைநிறுத்தியது"1.
TDIL Project
மத்திய அரசின் TDIL (Technology Development for Indian Languages) திட்டம், இந்திய மொழிகளில் இயற்கை மொழி செயலாக்க கருவிகளை உருவாக்கும் தளமாகத் திகழ்கிறது. "இதில், தமிழ் மொழியின் சொற்பயன்பாடுகள், வடிவியல் கட்டமைப்புகள், மற்றும் வட்டார சொற்கள் ஆகியவை கணினிக்கு ஏற்ற வகையில் தொகுக்கப்பட்டன. இதன் வழியாக, மொழி தொழில்நுட்பத்தில் உள்ள மாநிலமொழிகளின் பங்கு அதிகரித்து, அரசியல் மற்றும் சமூக வலிமையாக்கமும் ஏற்படுகிறது"2. TDIL Project (1991);z
Tamil WordNet
Tamil WordNet என்பது தமிழில் சொற்களின் அர்த்தத் தொடர்புகள் மற்றும் வகைப்பாடுகளை உருவாக்கும் முயற்சி. இதில் விகுதி, பிரயோக நிலைகள், மற்றும் வட்டாரப் பயன்பாடுகள் ஆகியவை உள்ளடக்கப்பட்டுள்ளன. "இத்தகைய முயற்சிகள், தமிழ் போன்ற செறிவான மொழிகளுக்கு ‘semantic web’ சார்ந்த தொழில்நுட்பங்களில் இடமளிக்கவும், பன்மொழி மொழிபெயர்ப்பை நுட்பமாக உருவாக்கவும் உதவுகின்றன" Tamil WordNet (2010)
Ezhil Language Foundation
தமிழில் கணினி நிரலாக்கத்தை ஊக்குவிக்கும் நோக்கில் உருவான Ezhil Language Foundation, திறந்த மூல நிரலாக்கத்தில் தமிழ் வழிச் செயலிகளை உருவாக்குகிறது. இதில் "தமிழ் சொற்களின் வட்டார வழக்குகள், பிழையின்றி கையாளும் பிழைதிருத்தி மற்றும் மொழிமாற்ற கருவிகள் போன்றவை வெளியிடப்பட்டுள்ளன. இது, மூல மொழி அடிப்படையிலான AI மேம்பாடுகளில் மக்கள் பங்கேற்பை உறுதிப்படுத்தும் வகையில் தொழில்நுட்ப ஜனநாயகத்தை ஊக்குவிக்கிறது"(Ezhil Language Foundation,2008)
AI4Bharat- Bhashini
AI4Bharat நிறுவனத்தின் Bhashini திட்டம், தமிழில் இயற்கை மொழி செயலாக்கம், மொழிபெயர்ப்பு, உரை உரைமாற்றம் போன்றவையில் ஈடுபடுகிறது. தமிழ் மொழியின் பன்முகத்தன்மை, இலக்கிய பாணிகள், வட்டாரப் பயன்பாடுகள் அனைத்தும் இந்தத் தரவுகளில் இணைக்கப்பட்டுள்ளன. இந்த முயற்சி, "பெரும்பான்மையல்லாத மொழிகளுக்கான தரவுச் செல்வாக்கை உறுதிசெய்யும் மற்றும் மொழிக்கற்றலுக்கு ஏதுவான மெய்நிகர் சூழல் உருவாக்கும் முயற்சியாக பார்க்கப்படுகிறது" 5. AI4Bharat- Bhashini (2022)
தமிழ் மொழிக்கற்றலில் AI:
மாணவர்களுக்கும் ஆசிரியர்களுக்கும் பயனுள்ளதாக இருக்கும் வகையில் செயற்கை நுண்ணறிவு (AI) பல்வேறு வடிவங்களில் தமிழ் மொழிக்கற்றலுக்குத் தொண்டாற்றுகிறது.
AI அடிப்படையிலான தமிழ் பயிற்சி செயலிகள்
“Keezh”, “TamilPal”, “Paadam” போன்ற செயலிகள் மாணவர்களுக்கு வார்த்தைச் சிக்கல்களை நீக்கி தமிழ் மொழியை எளிதில் கற்றுக்கொள்வதற்குத் துணை செய்கின்றன.
▶ நவீன செயலிகள் Natural Language Processing (NLP) தொழில்நுட்பத்தின் மூலம் மாணவரின் சொற்பிழைகள் மற்றும் வாசிப்பிழைகளைப் பகுத்து முன்னேற்றம் தருகின்றன. Keezh App(2019)
2019ஆம் ஆண்டு உருவாக்கப்பட்ட *Keezh* செயலி, சிறுவர் தமிழ் எழுத்துத் திறனும் வாசிப்புத் திறனும் மேம்படச் செய்யும் ஒரு சிறப்பு கல்வி கருவியாகும். இச் செயலி இயற்கை மொழி செயலாக்கம் (NLP) சார்ந்த Morphological Analyzer மற்றும் Spell Checker தொழில்நுட்பங்களை ஒருங்கிணைக்கிறது. மாணவர் உள்ளிடும் சொற்கள் தானாகவே அதன் இடைநிலைச் சொல் கூறுகளாகப் பிரிக்கப்பட்டு, பிழைகள் துல்லியமாகக் குறிக்கப்படுகின்றன. இதன் மூலம் மாணவர், எழுத்துப்பிழைகளை சுலபமாக அடையாளம் கண்டு திருத்திக் கொள்ள முடிகிறது. மேலும், "Text-to-Speech வசதி வழங்கப்பட்டுள்ளதால், தவறான வாசிப்பு உடனடியாக சீர்செய்யப்படுகிறது. இந்த செயலியின் வடிவமைப்பு, சிறுவர் தங்களின் சொற்தொகை (vocabulary) மற்றும் உச்சரிப்பு திறனை ஒரே நேரத்தில் மேம்படுத்தும் வகையில் அமைந்துள்ளது."6 கல்வி நிபுணர்கள், மொழி பயிற்சியாளர்கள், மற்றும் பெற்றோர் ஆகியோர் எளிதாகப் பயன்படுத்தும் வண்ணம், Keezh App திறந்த மூலமாக (open source) இலவசமாகப் பகிரப்படுகிறது. இதன் மூலம், பொருளாதாரச் சுமை இல்லாமல், தரமான தமிழ் மொழிக் கல்வியைப் பெறும் வாய்ப்பு அனைவருக்கும் கிடைக்கிறது.
TamilPal App
TamilPal செயலி உரை புரிதல் மற்றும் சொல் பயிற்சிக்காக உருவாக்கப்பட்டுள்ளது. "மாணவரின் பதில்கள் Natural Language Understanding (NLU) தொழில்நுட்பத்தின் மூலம் புரிந்து கொள்ளப்பட்டு, திருத்தங்கள் வழங்கப்படுகின்றன. மேலும் Conversational AI வழியாக தமிழில் உரையாடல் நடைபெறுகிறது. இது Freemium மாதிரியில் ரூ199 விலையில் கிடைக்கின்றது"7(Sujatha, 2022, pg.no.14), TamilPal App(2021)
Paadam App
Paadam செயலி பாடநூல் அடிப்படையில் மாணவர்களுக்கு தமிழ் பாடங்களை கற்பிக்கும் சிறப்பான முயற்சியாகும். "இது Sentence Parsing மற்றும் Auto Correction Feedback வசதிகளைக் கொண்டுள்ளது. மாணவரின் வாசிக்கும் மற்றும் எழுதும் முயற்சிகளை கணிக்கக்கூடியது. இதன் மாத சந்தா ரூ149 ஆகும்" 8 (Sujatha, 2022, pg.no.16). Paadam App (2022)
Google Assistant
Google Assistant முதலில் 2016-இல் ஆங்கிலத்தில் Google I/O Developer Conference-இல் அறிமுகமானது. தமிழில் ஆதரவு 15 ஆகஸ்ட் 2018 அன்று Google India Blog-இல் அறிவிக்கப்பட்டது. 'Google Assistant இப்போது தமிழ் பேசுகிறது' என்ற செய்தியுடன், இது தமிழ் மொழியைப் பேசும், புரியும் திறனுடன் செயல்படத் தொடங்கியது. "வாக்கியங்களை தமிழில் உரைக்கச் சொல்லி அதன் அர்த்தத்தையும் இலக்கணத்தையும் தொகுப்பதற்கும் இது பயனுள்ளதாக உள்ளது"9. Google Assistant(2016 - தமிழில்,2018)
Amazon Alexa
Amazon Alexa முதலில் 2014-இல் Amazon Echo சாதனத்தில் ஆங்கிலத்தில் அறிமுகமானது. 2021-இல், Alexa தமிழ் மொழியை புரிந்து பதிலளிக்கும் திறனுடன் மேம்படுத்தப்பட்டது. இது மாணவர்களின் பேசும் திறனை மேம்படுத்தும் AI Voicebot கருவியாக செயல்படுகிறது. AI சார்ந்த மொழிவழி உதவிகள் தமிழில் வழங்கப்படுவதால், மாணவர்கள் எளிதில் தகவல் பெறுவதற்கும் திறனை வளர்ப்பதற்கும் உதவுகிறது (Amazon India, 2021). வாக்கியங்களைத் தமிழில் உரைக்கச் சொல்லி அதன் அர்த்தத்தை, இலக்கணத்தைத் தொகுப்பதற்கும் பயனுள்ளதாக இருக்கின்றன. AI Voicebots மாணவர்களின் பேசும் திறனை மேம்படுத்துகின்றன. வ் Amazon Alexa (2014 தமிழில் 2021)
சொற்பிறப்புகளின் பதிவு (Speech to Text tools)
தமிழ் உரை உரைக்கும் செயலிகள் (Speech-to-Text) மூலம் மாணவர்களின் சொற்பிறப்புகள், பேச்சுகள் எழுத்துருவாக்கம் செய்யப்படுகின்றன. இது ஆசிரியர்கள் திருத்தம் செய்ய, மதிப்பீடு செய்யப் பயன்படுகிறது.
Google Speech Recognition API
Google Speech Recognition API முதலில் 2008-இல் Android OS-ல் உள்ள Voice Search வசதியாக அறிமுகமானது. பின்னர் 2011-இல் தனித்திறனான Speech API வடிவத்தில் வெளியிடப்பட்டது. 2015-இல், தமிழ் மொழிக்கு ஆதரவு வழங்கப்பட்டது. "Google Voice Input (Speech-to-Text) வசதியின் மூலம், தமிழ் மொழியில் பேசுதல், டிக்டேஷன் மற்றும் உரைமாற்றம் செய்யும் வசதிகள் கிடைக்கின்றன. Android Gboard-ல் 'தமிழில் பேசு–எழுது' போன்ற வசதிகள் அறிமுகம் செய்யப்பட்டன"10. Google Speech Recognition API (2008 தமிழில் 2015)
Mozilla DeepSpeech
Mozilla DeepSpeech என்பது திறந்த மூல Speech-to-Text இயந்திரமாகும். இது முதலில் 2017-இல் ஆங்கிலத்தில் அறிமுகமானது. தமிழ் மொழிக்கான ஆதரவு 2020-இல் OpenSLR மற்றும் Mozilla Common Voice திட்டங்களின் மூலம் உருவாக்கப்பட்டது. "தமிழ் உரை மற்றும் ஒலி தரவுகள் சேகரிக்கப்பட்டு, பெரும்பான்மையான மாடல்கள் தமிழ்ச் சமூகத்தால் பயிற்றுவிக்கப்பட்டுள்ளன. இதில் Sandeept’s Tamil Model போன்றவை குறிப்பிடத்தக்கவை"11. Mozilla DeepSpeech (2017 தமிழில் 2020)
தமிழ் பாடல்களின் அனுபவக் கண்காட்சி மற்றும் செயற்கை நுண்ணறிவின் பங்களிப்பு
சமூக, கலை மற்றும் மொழி சார்ந்த அறிவாற்றலை உயர்த்தும் நோக்கில் Augmented Reality (AR) மற்றும் Virtual Reality (VR) தொழில்நுட்பங்கள் பயன்பாட்டில் உள்ளன. தமிழ் பாடல்கள், கதைகள், பழமொழிகள், மற்றும் கலைச்சொற்கள் ஆகியவை 3D காணொளிகள் மற்றும் சஞ்சிகை வடிவங்களில் காட்சியாக மாற்றப்படுகின்றன. இது மாணவர்களுக்கு உணர்வுமிக்க பயிற்சி சூழலை உருவாக்கும் வகையில் செயல்படுகிறது. எடுத்துக்காட்டாக, பழமொழி ஒன்றின் செயல்பாடு மற்றும் அதன் நுணுக்கம் VR அடிப்படையில் விளக்கப்படும் போது, அது மாணவனின் மனதிற்கு ஆழமான புரிதலை ஏற்படுத்துகிறது.
தமிழ்ப்பொருளை விளக்கும் கருவிகள்
தமிழில் சொல்லின் பலவகை அர்த்தங்களை தெளிவுபடுத்துவதற்காக தமிழ் WordNet, Google Translate (Tamil), AI Dictionary Tools போன்ற கருவிகள் பயன்படுகின்றன. இவைகள் சொற்களுக்கிடையிலான பொருளறி தொடர்புகளை விளக்குவதோடு, மொழிபெயர்ப்பு, சொற்களஞ்சிய மேம்பாடு போன்ற பணிகளுக்கும் ஆதரவளிக்கின்றன. இது மாணவர்களின் சொல் வட்டாரத்தை விரிவாக்கும் ஒரு சிறந்த வாய்ப்பாக அமைகிறது.
இலக்கண பிழை திருத்தி மென்பொருட்கள்
சொல்லமைப்புப் பிழைகள், இலக்கண பிழைகள் மற்றும் Sandhi பிழைகளை அடையாளம் காணும் மென்பொருட்கள் வளர்த்துவரப்படுகின்றன. Morphological Analyzers, Syntax Parsers போன்ற கருவிகள் எழுத்துப் பிழைகளை நிரூபிக்கின்றன. இவை, ஆசிரியர்களுக்கும் மாணவர்களுக்கும் எழுத்துத் திறனை மேம்படுத்த உதவுகின்றன.
வாசிப்புத்திறன் மேம்பாட்டு கருவிகள்
குரல்வழி வாசிப்பு பயிற்சி கருவிகள் (Text-to-Speech), AI துணை செயலிகள் மற்றும் குழந்தைகளுக்கான Read-Along செயலிகள் வாசிப்புத் திறனையும் உச்சரிப்புத் திறனையும் மேம்படுத்துகின்றன. இது மாணவர்களின் சொற்பொழிவுத் திறனையும் ஊக்குவிக்கிறது.
சவால்களும் சாத்தியங்களும்
தமிழ் மொழியின் பல்வேறு வகைகள், வட்டாறுமொழிகள், வங்கம், வழக்குச் சொற்கள் ஆகியவை AI-க்கு மிகப்பெரிய சவாலாக இருப்பினும், அதே நேரத்தில் மிகுந்த வாய்ப்புகளையும் அளிக்கின்றன. ஒரே சொல் பல அர்த்தங்களைக் கொண்டிருக்கும் சூழ்நிலைகள், துல்லியமற்ற தரவுகள் உள்ளிட்டவை AI-யை குழப்பக்கூடியவை. எனினும், தரவுத்தொகுப்புகளின் பரிசுத்தம் மற்றும் மாடல் பயிற்சியின் வலிமை மூலம் இந்த சிக்கல்களை சமாளிக்க முடியும்.
எதிர்காலத்தில் தமிழ் உரை சுருக்கங்கள், உரையாடல் செயலிகள், வலைவழித் தேடல்கள், பேச்சு அடிப்படையிலான கருவிகள் ஆகியவை தமிழ்க் கற்றலில் பிரதான பங்கு வகிக்கப்போகின்றன. AI கருவிகள் மொழிபெயர்ப்பு, உரை விளக்கம், இலக்கிய வாசிப்பு போன்றவற்றில் பன்முகத் திறனை மேம்படுத்தும் ஒரு புதுமையான உந்துதலாக இருக்கின்றன.
முடிவுரை:
தமிழ்மொழியின் வளர்ச்சியில் செயற்கை நுண்ணறிவு ஒரு சக்திவாய்ந்த இயக்க சக்தியாக செயல்படுகிறது. மொழியியல் மேம்பாடு, கல்வி, இலக்கியம், தகவல் பரிமாற்றம் ஆகிய துறைகளில், AI தொழில்நுட்பங்கள் தமிழ் மொழியின் பரவலுக்கும் பயனுக்கும் முக்கிய பங்களிப்பை அளிக்கின்றன. செயற்கை நுண்ணறிவுடன் தமிழ்மொழியை ஒருங்கிணைக்கும் முயற்சிகள் தொடர்ந்தால், உலகளவில் தமிழின் தாக்கம் பெருகும் என்பதில் சந்தேகமில்லை.
துணை நூல்கள்:
Ortiz Suárez, P. et al. (2020). The OSCAR Corpus: Multilingual Data for NLP . LREC Proceedings .
Kumaran, A. (2010). Technology Development for Indian Languages (TDIL) Initiatives . MeitY, Government of India.
Narayanasamy, R., Ilavarasan, R., & Ramanathan, A. (2012). Tamil WordNet and Semantic Web Technologies . Journal of Language Technology and Computational Linguistics .
Annamalai, M. (2019). Keezh: A Tamil Spell Checker and Learning App . Ezhil Language Foundation.
Vasudevan, N., & Srivatsan, A. (2023). Bhashini and AI4Bharat: Democratizing Indian Languages through AI . AI4Bharat Research Series .
Ortiz-Suárez, P.J., Sagot, B., & Romary, L. (2020). A monolingual corpus for a medium-resourced language: The case of Tamil. Proceedings of the 12th International Conference on Language Resources and Evaluation (LREC 2020).
Sujatha, R. (2022). Innovations in Tamil EdTech: A Study on Paadam App . Tamil Virtual Academy Journal .
Bowman, S. (2022). Understanding the Capabilities of GPT Models in Literary Texts . Stanford NLP Lab.
Google Developers Blog. (2015). GBoard Update Release Notes – Tamil Voice Input . Retrieved from [https://developers.google.com](https://developers.google.com)
Mozilla Common Voice Project. (2020). Tamil Language Statistics and Dataset . Retrieved from [https://commonvoice.mozilla.org](https://commonvoice.mozilla.org)
திருமதி.ச.ரா.வி.வான்மதி B.Lit.,M.A.,M.A(Eco).,M.Ed.,TPT.,DDTP.,
தமிழாசிரியர் & தமிழ்த்துறை தலைவர், முதுநிலை ஒருங்கிணைப்பாளர், முனைவர் பட்ட ஆய்வாளர்
பி கே என் வித்யாலயா, திருமங்கலம். மதுரை மாவட்டம்
