🔥 Hot topics · EI osaa · Osaa · § The Court · Viimeaikaiset käännökset · 📈 Aikajana · Kysy · Kolumnit · 🔥 Hot topics · EI osaa · Osaa · § The Court · Viimeaikaiset käännökset · 📈 Aikajana · Kysy · Kolumnit
Stuff AI CAN'T Do

Voiko tekoäly litteroida ja kääntää uhanalaisia kieliä 6 tunnin datalla ?

Mitä mieltä olet?

WARDEN käyttää kaksivaiheista järjestelmää — ensin Wardamanin äänen foneminen litterointi ja sitten kääntäminen englanniksi — käyttäen vain 6 tunnin koulutusaineistoa. Se ohittaa suuremmat mallit hyödyntämällä samankielisen kielen alustusta ja käännöksiä varten koottua sanakirjaa.

LÄHDE: arXiv:2605.13846 — Ziheng Zhang ym., 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.

Tila viimeksi tarkistettu June 30, 2026.

📰

Galleria

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 · kesä 30, 2026
— The Question Before the Court —

Voiko tekoäly litteroida ja kääntää uhanalaisia kieliä 6 tunnin datalla?

★ The Court Finds ★
Reaffirmed
Lähes

Suppeita demoja on olemassa — mutta lautakunta ei ollut yksimielinen.

Ruling of the Bench

Tuomioistuin totesi, että vaikka tekoäly pystyi todellakin suorittamaan tehtävän, se vaati epätavallisen räätälöityä tukea – kuten kielellistä elämän ylläpitokonetta – pitääkseen uhanalaisia kieliä elossa kuuden tunnin datan ajan sen sijaan, että olisi saanut aikaan vankan sujuvuuden. Jopa ainoa "Lähes"-ääni tunnusti hankkeen haurauden, joka perustui domain-spesifiseen säätöön yleisen pätevyyden sijaan. Tuomion huomautuksissa todetaan, että päätös heijastaa varovaista "hyvä, mutta ei tarpeeksi hyvä" kannustusta edistykseen. Päätös: Tekoäly voi kuiskata sanat, mutta se tarvitsee vielä vanhimpia opettamaan itselleen, miten se laulaa.

— Hon. C. Babbage, Presiding
Jury Tally
0Kyllä
1Lähes
0Ei
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 Lähes · 74%
Session II · May 2026 Lähes · 77%
Session III · May 2026 Lähes · 78%
Session IV · May 2026 Lähes · 68%
Session V · Jun 2026 Lähes · 73%
Session VI · Jun 2026 Lähes · 73%
Session VII · Jun 2026 Lähes · 75%
Session VIII · Jun 2026 Lähes · 80%
Session IX · Jun 2026 Lähes · 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 courtVoiko tekoäly litteroida ja kääntää uhanalaisia kieliä 6 tunnin datalla?
SessionX (10 hearing)
Convened30 kesä 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 LäHES, with verdict confidence of 90%. The court so orders.

IV. Tuomarinpenkin lausunnot
Valamies I ALMOST

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

Yksittäisten valamiesten lausunnot näytetään alkuperäisellä englannilla todistusarvon säilyttämiseksi.

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

Mitä yleisö ajattelee

Ei 35% · Kyllä 13% · Ehkä 52% 23 votes
Ei · 35%
Kyllä · 13%
Ehkä · 52%
57 days of activity

Keskustelu

no comments

Kommentit ja kuvat käyvät läpi ylläpitäjän tarkistuksen ennen julkista näkymistä.

10 jury checks · uusin 3 päivää sitten
30 Jun 2026 1 juror · ratkaisematon ratkaisematon
25 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
19 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
14 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
09 Jun 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
03 Jun 2026 3 jurors · ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
29 May 2026 2 jurors · ratkaisematon, ratkaisematon ratkaisematon
23 May 2026 5 jurors · ratkaisematon, osaa, ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
18 May 2026 3 jurors · ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon
14 May 2026 4 jurors · ratkaisematon, ratkaisematon, ratkaisematon, ratkaisematon ratkaisematon

Jokainen rivi on erillinen tuomariston tarkastus. Tuomarit ovat tekoälymalleja (identiteetit pidetään tarkoituksella neutraaleina). Tila heijastaa kumulatiivista summaa kaikista tarkastuksista — miten tuomaristo toimii.

Lisää kategoriassa Sensory

Onko sinulla sellainen jonka unohdimme?

Lisää väittämä atlasiin. Tarkistamme viikoittain.