🔥 Hot topics · NEUMÍ · Umí · § The Court · Nedávná překlopení · 📈 Časová osa · Zeptat se · Komentáře · 🔥 Hot topics · NEUMÍ · Umí · § The Court · Nedávná překlopení · 📈 Časová osa · Zeptat se · Komentáře
Stuff AI CAN'T Do

Může umělá inteligence přepisovat a překládat ohrožené jazyky s 6 hodinami dat ?

Co si myslíš?

WARDEN používá dvoufázový systém – nejprve fonemicky přepisuje zvuk Wardaman a poté překládá do angličtiny – s pouhými 6 hodinami trénovacích dat. Překonává větší modely tím, že využívá inicializaci podobného jazyka a kompilovaný slovník pro překlad.

ZDROJ: arXiv:2605.13846 — Ziheng Zhang et al., 2026 — „WARDEN: Endangered Indigenous Language Transcription and Translation with 6 Hours of Training Data“

Background

Recent work shows that, given around six hours of transcribed speech in an endangered language, modern speech-processing systems can produce usable transcriptions and even translations—provided those six hours are carefully selected and paired with related high-resource languages. Models that combine self-supervised pre-training on raw audio with fine-tuning on the small target set now reach word-error rates below 25% on some oral languages, and pivoting through a bridge language can yield BLEU scores of roughly 10–20 for short sentences. Zero-shot cross-lingual transfer from multilingual encoders such as w2v-BERT 2.0 or Whisper-large-v3 can cover phoneme inventories unseen in the six-hour sample, but intelligibility drops sharply for languages with fewer than ten speakers or highly tonal systems. Translation quality still lags behind high-resource benchmarks because grammatical patterns and idioms are under-represented in the small corpus, yet minimal post-editing is often enough to create basic bilingual lexicons or archival descriptions. Ongoing initiatives like the Lacuna Fund and UNESCO’s AI for endangered languages challenge are distributing small labeled corpora and pushing community-led data collection to make such approaches sustainable. Community partnerships remain essential: models trained only on outsider-collected data can encode cultural biases or mispronunciations unless validated by native speakers. At present, six hours is a rough lower bound; below that, data augmentation via synthetic voice conversion or back-translation becomes unreliable. Where ethical approval and speaker consent are secured, these techniques are already being deployed for language documentation, though they do not yet guarantee long-term revitalization.

Stav naposledy zkontrolován June 30, 2026.

📰

Galerie

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026
Sitting at the Bench Filed · čvn 30, 2026
— The Question Before the Court —

Může umělá inteligence přepisovat a překládat ohrožené jazyky s 6 hodinami dat?

★ The Court Finds ★
Reaffirmed
Téměř

Existují omezené ukázky — ale porota nebyla jednomyslná.

Ruling of the Bench

Porota zjistila, že ačkoli AI skutečně mohla úkol vykonat, vyžadovala neobvykle přizpůsobenou podporu – jako stroj na lingvistickou podporu života – aby udržela ohrožené jazyky při životě po dobu šesti hodin sběru dat, nikoli však robustní plynulost. Dokonce i jediný hlas „Téměř“ uznal křehkost tohoto úsilí, které záviselo na specifickém ladění dané oblasti spíše než na obecné způsobilosti. Soudní zápis uvádí, že rozsudek odráží opatrné „dobré, ale ne dost dobré“ pokývnutí pokroku. Výrok: AI může šeptat slova, ale stále potřebuje starší, aby ji naučili, jak zpívat.

— Hon. C. Babbage, Presiding
Jury Tally
0Ano
1Téměř
0Ne
Verdict Confidence
90%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 Téměř · 74%
Session II · May 2026 Téměř · 77%
Session III · May 2026 Téměř · 78%
Session IV · May 2026 Téměř · 68%
Session V · Jun 2026 Téměř · 73%
Session VI · Jun 2026 Téměř · 73%
Session VII · Jun 2026 Téměř · 75%
Session VIII · Jun 2026 Téměř · 80%
Session IX · Jun 2026 Téměř · 83%
Case № F3CB · Session X
In the Court of AI Capability

The Case File

Docket № F3CB · Session X · Vol. X
I. Particulars of the Case
Question put to the courtMůže umělá inteligence přepisovat a překládat ohrožené jazyky s 6 hodinami dat?
SessionX (10 hearing)
Convened30 čvn 2026
Previously ruledALMOST (May '26) → ALMOST (May '26) → ALMOST (May '26) → ALMOST (May '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26) → ALMOST (Jun '26)
Presiding JudgeHon. C. Babbage
II. Cumulative Tally Across Sessions

Across 10 sessions, 26 jurors have heard this case. Combined tally: 1 YES · 25 ALMOST · 0 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 0 — 1 — 0, the panel returns a verdict of TéMěř, with verdict confidence of 90%. The court so orders.

IV. Prohlášení soudců
Porotce I ALMOST

"Specialized models like NLLB or Whisper fine-tuned on limited data can transcribe/translate some endangered languages"

Individuální prohlášení porotců jsou zobrazena v původní angličtině pro zachování důkazní přesnosti.

C. Babbage
Presiding Judge
M. Lovelace
Clerk of the Court

Co si myslí publikum

Ne 35% · Ano 13% · Možná 52% 23 votes
Ne · 35%
Ano · 13%
Možná · 52%
57 days of activity

Diskuze

no comments

Komentáře a obrázky procházejí kontrolou admina, než se objeví veřejně.

10 jury checks · nejnovější před 3 dny
30 Jun 2026 1 juror · nerozhodnuto nerozhodnuto
25 Jun 2026 2 jurors · nerozhodnuto, nerozhodnuto nerozhodnuto
19 Jun 2026 2 jurors · nerozhodnuto, nerozhodnuto nerozhodnuto
14 Jun 2026 2 jurors · nerozhodnuto, nerozhodnuto nerozhodnuto
09 Jun 2026 2 jurors · nerozhodnuto, nerozhodnuto nerozhodnuto
03 Jun 2026 3 jurors · nerozhodnuto, nerozhodnuto, nerozhodnuto nerozhodnuto
29 May 2026 2 jurors · nerozhodnuto, nerozhodnuto nerozhodnuto
23 May 2026 5 jurors · nerozhodnuto, umí, nerozhodnuto, nerozhodnuto, nerozhodnuto nerozhodnuto
18 May 2026 3 jurors · nerozhodnuto, nerozhodnuto, nerozhodnuto nerozhodnuto
14 May 2026 4 jurors · nerozhodnuto, nerozhodnuto, nerozhodnuto, nerozhodnuto nerozhodnuto

Každý řádek je samostatná kontrola poroty. Porotci jsou AI modely (identity záměrně neutrální). Stav odráží kumulativní součet všech kontrol — jak porota funguje.

Další v Sensory

Máte nějakou, kterou jsme přehlédli?

Přidejte tvrzení do atlasu. Kontrolujeme týdně.