Tokioms kalboms kaip klingonų ar elfų sukurti jų autoriams prireikė metų, o kartais net dešimtmečių. Dabar mokslininkai sukūrė dirbtinio intelekto (DI) sistemą, galinčią per vieną sesiją suformuoti naujos kalbos pagrindus – su savita garsų sistema, gramatikos taisyklėmis ir žodynu.
Sistema, pavadinta „ConlangCrafter“, nekuria tiesiog beprasmių, svetimai skambančių žodžių. Ji generuoja kalbas, kurios turi laikytis savo vidinių taisyklių taip, kaip jų laikosi tikros kalbos. Vis dėlto tyrėjai nustatė, kad užtikrinti visišką šių taisyklių nuoseklumą vis dar sudėtinga.
Naujos kalbos kūrimas ilgą laiką buvo daug pastangų ir gilių žinių reikalaujantis darbas. Tarp entuziastų tokios sukurtos kalbos vadinamos „conlang“ – tai angliško termino „constructed language“ (liet. „sukurta kalba“) trumpinys.
J. R. R. Tolkienas dešimtmečius kūrė elfų kalbas savo fantastiniam pasauliui. Serialo „Sostų karai“ kūrėjai pasamdė profesionalų lingvistą, kad šis sukurtų dotrakių kalbą. Esperanto kalbai, sumanytai kaip tarptautinio bendravimo priemonei, taip pat prireikė ne vienų metų kruopštaus filosofinio ir lingvistinio darbo.
„ConlangCrafter“, kurią sukūrė Tel Avivo universiteto, Carnegie Mellon universiteto ir Kalifornijos universiteto Berklyje mokslininkų komanda, buvo pristatyta 2026 m. Kompiuterinės lingvistikos asociacijos (ACL) konferencijoje, o tyrimas paskelbtas „ACL Anthology“. Sistema siekiama visą šį procesą paversti užduotimi, kurią galėtų atlikti mašina, arba bent jau suteikti rimtą pradžią kiekvienam, norinčiam sukurti savo kalbą.
Šią sistemą nuo paprastos technologinės pramogos skiria jos veikimo principas. Užuot paprašę DI vienu kartu sugalvoti visą kalbą – tyrėjai nustatė, kad toks metodas duoda nuobodžius ir pasikartojančius rezultatus, – „ConlangCrafter“ užduotį suskaido į atskirus sluoksnius. Kiekviena kalbos dalis kuriama žingsnis po žingsnio, o sistema proceso metu tikrina savo pačios darbą.
Kalbą kuria nuo garsų iki žodyno
Pagrindinė „ConlangCrafter“ idėja yra ta, kad kalbą sudaro skirtingi sluoksniai, kurie vienas nuo kito priklauso tam tikra tvarka.
Pirmiausia kuriami garsai: kokius priebalsius ir balsius naudos kalba ir kaip juos bus galima jungti? Tada nustatomos gramatikos taisyklės: kokia tvarka dėliojami sakinio žodžiai, kaip keičiasi veiksmažodžiai priklausomai nuo to, kas atlieka veiksmą, kaip nurodoma, kam kas priklauso, ir kaip išreiškiamas laikas? Tik sukūrus šiuos pagrindus sistema pradeda pildyti kalbą konkrečiais žodžiais.
Kiekviename etape DI sugeneruoja atitinkamo kalbos sluoksnio aprašymą, patikrina savo darbą ieškodamas prieštaravimų ir, jei reikia, jį pataiso prieš pereidamas prie kito etapo.
Mokslininkai sistemą išbandė naudodami kelis pažangius DI modelius, tarp jų „DeepSeek-R1“ ir dvi „Gemini 2.5“ versijas. Šis savikontrolės ciklas svarbus todėl, kad sistema taisykles kuria proceso metu, o nedideli prieštaravimai, jei jie nepašalinami, vėliau gali virsti kur kas didesnėmis problemomis.
Kad rezultatai nebūtų pernelyg panašūs, tyrėjai pridėjo atsitiktinių skaičių generatorių. Užuot leidus DI rinktis tuos kalbos modelius, kurie jam labiausiai pažįstami iš mokymui naudotų duomenų – dėl to kuriamos kalbos linkusios apsiriboti nedideliu pažįstamų struktūrų rinkiniu, – sistema atsitiktinai parenka tokius bruožus kaip žodžių tvarka, veiksmažodžių sandara ar tonų naudojimas.
Tada DI, remdamasis šiais atsitiktinai parinktais pradiniais taškais, sukuria smulkesnes detales. Taip dirbtinis intelektas išlaiko kūrybinę smulkiojo kalbos dizaino kontrolę, o atsitiktinumas paskatina jį tyrinėti rečiau pasitaikančias kalbos struktūras.
Kaip įvertinti kalbą, kurios anksčiau nebuvo?
Vienas sudėtingiausių šio tyrimo uždavinių buvo išsiaiškinti, kaip apskritai vertinti gautus rezultatus. Vertinant išgalvotą kalbą nėra vieno teisingo atsakymo. Nėra žodyno, nėra žmonių, kuriems ši kalba būtų gimtoji ir kurie galėtų ją įvertinti, be to, nėra jokios priežasties, kodėl dviejų kalbų gramatika turėtų būti panaši. Todėl mokslininkų komanda sukūrė naują vertinimo sistemą.
Siekdami išmatuoti kalbų įvairovę, tyrėjai pasitelkė realių kalbų duomenų bazę „World Atlas of Language Structures“ (WALS), kurioje aprašoma, kaip natūralios pasaulio kalbos skiriasi pagal svarbiausius požymius. Pavyzdžiui, ar sakinyje veiksmažodis paprastai eina prieš veiksnį, ar po jo, ar kalba prie žodžio šaknies prideda garsus prieš ją ar po jos ir ar joje skiriama gramatinė giminė.
Tyrėjai pasirinko 16 tokių požymių ir pasitelkė DI vertintoją, kuris pagal tą patį kriterijų sąrašą analizavo sugeneruotas kalbas. Palyginę, kiek sukurtos kalbos skyrėsi viena nuo kitos ir nuo duomenų bazėje esančių tikrų kalbų, mokslininkai galėjo skaitine išraiška įvertinti jų įvairovę.
Vidiniam nuoseklumui įvertinti komanda į kiekvieną sugeneruotą kalbą išvertė tą patį 10 bandomųjų sakinių rinkinį. Tada DI vertintojas tikrino, ar kiekvienas vertimas atitinka taisykles, kurias pati kalba buvo nusistačiusi. Sakiniai apėmė įvairias gramatines situacijas – nuo paprastų teiginių iki klausimų ir komandų.
Išbandžius 20 sugeneruotų kalbų, kiekvienai pateikiant po 10 bandomųjų sakinių, „ConlangCrafter“ pagal abu vertinimo kriterijus pranoko paprastesnį bazinį metodą.
Priklausomai nuo naudoto DI modelio, bazinio metodo kalbų įvairovės rezultatai siekė maždaug 0,25–0,35, o „ConlangCrafter“ nuolat surinkdavo apie 0,56–0,60. Tikrų natūralių kalbų imties iš WALS duomenų bazės rezultatas pagal tą patį 16 požymių vertinimo metodą siekė apie 0,43. Tai reiškia, kad pagal būtent šį konkretų rodiklį „ConlangCrafter“ sukurtos kalbos pasižymėjo didesne struktūrine įvairove nei WALS imties kalbos.
Visų trijų DI modelių kalbų nuoseklumo rezultatai taip pat pagerėjo, nors „Gemini 2.5 Flash“ atveju, atsižvelgiant į tyrimo imties dydį, pagerėjimas nebuvo statistiškai reikšmingas.
Norėdami patikrinti, ar automatinio vertinimo rezultatai iš tiesų atitinka specialistų nuomonę, mokslininkai pasitelkė du daktaro laipsnį turinčius lingvistus, besispecializuojančius kalbų dokumentavimo ir tipologijos srityse. Jie maždaug 35 valandas rankiniu būdu vertino dalį sugeneruotų kalbų ir vertimų.
Žmonių ekspertų ir automatinės sistemos vertinimai reikšmingai sutapo, o vertinant kalbų nuoseklumą nustatytas statistiškai reikšmingas teigiamas ryšys. Tyrėjai pažymi, kad toks sutapimo lygis yra įprastas vertinant kūrybines užduotis, kuriose net kvalifikuotų ekspertų subjektyvūs vertinimai natūraliai gali skirtis.
DI gali sukurti kalbą, kurios žmonės natūraliai nevartotų
Be skaitinių rezultatų, sistema geba padaryti ir kai ką išties neįprasto – kurti kalbas pagal tokius apribojimus, kurių natūrali žmonių kalba evoliucijos metu greičiausiai niekada nebūtų įgijusi.
Viename eksperimente naudotojas nurodė, kad kalboje apskritai neturėtų būti priebalsių – tik balsiai. Sistema būtent tokią kalbą ir sukūrė.
Kitame eksperimente buvo nurodyta, kad kalba skirta ateivių rūšiai ir vietoje garsų jos pagrindą turėtų sudaryti spalvos bei gestai. Sistema sukūrė vadinamuosius „chromemus“ – spalvomis perduodamus signalus – ir „kinemus“ – gestais perduodamus signalus – bei aplink juos suformavo gramatiką.
Šie pavyzdžiai rodo ir galimas praktines sistemos pritaikymo sritis. Ja galėtų naudotis žaidimų kūrėjai, kuriantys išgalvotus pasaulius, kuriems reikia nuoseklių kultūrų ir kalbų, arba mokslininkai, tikrinantys teorines idėjas apie tai, kokių savybių kalbai iš tiesų reikia, kad ji galėtų funkcionuoti.
Sistema taip pat leidžia naudotojui pateikti tik dalį savo sumanymo, o likusias kalbos dalis patikėti DI. Tai šiek tiek primena projektavimo programą, padedančią architektui, kuris žino, kaip turėtų atrodyti pastatas, tačiau jam reikia pagalbos sprendžiant inžinerinius klausimus.
Vis dėlto tyrėjai atvirai pripažįsta, kad „ConlangCrafter“ kol kas yra tik pradžia, o ne galutinis produktas. Jos kuriamos kalbos apima tik pagrindinius elementus – garsus, gramatinę struktūrą ir žodyną. Sistema neapima subtilesnių reikšmės aspektų, pokalbio eigos ar žodžių užrašymo būdų. Jos žodynai ir gramatikos aprašymai taip pat yra trumpesni nei tikrų kalbų žinynuose, nes juos riboja teksto kiekis, kurį vienu metu gali apdoroti naudojami DI modeliai.
Kyla ir šališkumo problema. Didieji kalbos modeliai daugiausia mokomi naudojant plačiai paplitusių kalbų, tokių kaip anglų, tekstus. Dėl to sugeneruotos kalbos gali nepastebimai krypti pažįstamų kalbinių struktūrų link net ir tada, kai sistema stengiasi kurti kuo įvairesnius variantus.
Mokslininkai taip pat pabrėžia, kad išgalvotų kalbų kūrimas neturėtų nukreipti tyrėjų dėmesio ar išteklių nuo skubaus darbo dokumentuojant tikras nykstančias kalbas, kuriomis šiandien vis dar kalba gyvos bendruomenės.
Visas „ConlangCrafter“ procesas taip pat reikalauja nemažai skaičiavimo išteklių, o daugiausia jų sunaudojama vertimui ir pakartotiniam sistemos darbo tikrinimui.
Tačiau kiekvienam, kuris kada nors bandė sukurti savo kalbą ir pasidavė sudaręs vos kelis žodžių sąrašus, net ir tokia kaina gali atrodyti visai priimtina.
