Súčasná verzia diakritikovača využíva model obojsmernej dvojvrstvovej rekurentnej neurónovej siete, ktorý sme natrénovali na veľkom množstve slovenských textov. Technológia rekurentných neurónových sietí umožňuje zachytiť štatistiku výskytu znakov s diakritikou na základe kontextu vety. Tú využívame na predikciu diakritiky a jej doplnenie (príp. opravu) v jednotlivých slovách. Aj keď tento model nie je najlepší možný z pohľadu presnosti (viac nižšie), je rozumne veľký. Práve jeho kompaktnosť, pri zachovaní dostatočne vysokej miery úspešnosti, znižuje náklady na prevádzku a jeho energetickú spotrebu, na čom nám v KInITe veľmi záleží.
Úloha doplňovania, presnejšie obnovy diakritiky v texte je jednou z úloh spracovania prirodzeného jazyka (angl. Natural Language Processing, NLP), ktorej sa v KInITe venujeme. Automatizované obnovenie diakritiky môžeme okrem praktického použitia na každodennú prácu s dokumentmi, využiť aj ako medzikrok pre ďalšie spracovanie a analýzu textu, keďže prítomnosť diakritiky v texte môže výrazne ovplyvniť význam textu, a napomôcť jeho lepšiemu porozumeniu v iných úlohách spracovania textu.
Obnove diakritiky pre slovenčinu sa venujú aj mnohí ďalší výskumníci, napr. kolegovia z JÚĽŠ SAV v projekte Diakritik, kolegovia z projektu NLP4SK, výskumníci z ČVUT alebo web brm.sk. Menej riešení je však priamo integrovaných do kancelárskych nástrojov. Jedným z nich je náš Diakritikovač, ale aj komplexnejší LanguageTool pre korektúru textu.
Aby sme vyhodnotili presnosť nášho riešenia, vykonali sme experiment, v ktorom sme na jednotnej testovacej množine porovnali úspešnosť obnovy diakritiky s inými prístupmi. KInIT Diakritikovač dosiahol úspešnosť 98,47% a tesne zaostal za metódou n-gramov od JÚĽŠ SAV s 99,38%, ktorá bola natrénovaná na rádovo väčšom korpuse slovenského textu.
Pri vývoji Diakritikovača sme vyhodnocovali aj mnohé jeho etické aspekty. Diakritikovač pristupuje len k časti textu, ktorý si pre obnovenie diakritiky sami zvolíte. Okrem obnovenia diakritiky text nikde neukladáme, ďalej nespracúvame ani neodosielame tretím stranám. Opravenú diakritiku v texte však vždy odporúčame skontrolovať, pretože umelá inteligencia nie je dokonalá. Neurónový model diakritikovača bol natrénovaný použitím 2GB slovenského textu, ktoré sú voľne dostupné práve pre výskum tejto úlohy.
Pri vývoji Diakritikovača sme sa snažili ísť aj nad rámec povinnej ochrany údajov. Preto sme sa rozhodli absolvovať jeho posúdenie z pohľadu etiky. Zaoberali sme sa rôznymi otázkami ako sa vyhnúť negatívnym dopadom na používateľov a ich okolie, napríklad s ohľadom na mieru ich vlastnej autonómie či kontrolou nad výsledným textom. Na základe tohto posúdenia sme identifikovali sadu etických rizík a spôsobov ako im čeliť.
Pri spracúvaní vašich osobných údajov maximálne dbáme na bezpečnosť a ich ochranu voči úniku alebo zneužitiu. Doplnok je určený pre obnovu diakritiky najmä v odborných, akademických a literárnych textoch. Sme presvedčení, že užívatelia doplnku Diakritikovač sú skúsení užívatelia internetu a prikladajú ochrane svojho súkromia náležitú pozornosť. Prosím prečítajte si plné znenie našich zásad ochrany osobných údajov.
