[SlovLit] Koroška ledinska imena na zemljevidu -- Re: Moji duši se mudi -- Velejezikovni modeli zunaj angleščine -- Tečaj o umetni inteligenci in jezikoslovju

[Miran Hladnik]

Martina Piko-Rustia, Anton Starman: Odlično sodelovanje obrodilo
sadove. Planinski vestnik maj 2023 (članek o vpisovanju koroških
slovenskih krajevnih in ledinskih imen na spletne zemljevide).

===

Prevod pesmi Moji duši se mudi Maria de Andradeja
(re:https://mailman.ijs.si/pipermail/slovlit/2023/008059.html) sem
zaupal Deeplu in Googlu. Izvirnik in oba prevoda sem postavil na
Wikivir (https://sl.wikisource.org/wiki/Moji_du%C5%A1i_se_mudi) in
kličem k izboljšanju strojnega prevoda. Začne se s klikom na zavihek
Uredi kodo. -- miran

===

https://www.dhhumanist.org/volume/37/38/ -- Dhanaraj Thakur: Can Large
Language Models Analyze Non-English Content? Humanist Discussion Group
24. 5. 2023. Poročilo, na katerega kaže prispevek, opozarja na
pomanjkljivosti UI pri skromno digitaliziranih jezikih.

===

From: "Gašper Beguš" <begus.gasper na gmail.com>
To: slovlit na ijs.si
Date: Wed, 24 May 2023 22:15:59 -0700
Subject: Tečaj o umetni inteligenci in jezikoslovju

Še eno obvestilo z moje strani: konec julija (31. julija - 4. avgusta)
bom na poletni šoli ESSLLI v Ljubljani učil tečaj o umetni inteligenci
in jezikoslovju. Več informacij tukaj:
https://2023.esslli.eu/courses-workshops-accepted/course-information.html#1-3

Globoko učenje jezika: Modeliranje jezika neposredno iz govora (Deep
Language Learning: Modeling language from raw speech)

Opis tečaja: Prvič v zgodovini lahko jezik modeliramo neposredno iz
govora na popolnoma nenadzorovan način. Z uporabo globokih
generativnih modelov, treniranih na govoru, lahko modeliramo
fonetično, fonološko, morfološko in celo osnovno sintaktično ter
leksikalno semantično učenje. Ta tečaj bo študente uvedel v globoko
učenje in tehnike za odkrivanje jezikoslovno pomenljivih predstavitev
v globokih nevronskih mrežah treniranih na govoru. Osredotočili se
bomo na konvolucijske nevronske mreže, arhitekturo, ki ima zametke v
nevronskem procesiranju. Naučili se bomo trenirati generativne
nasprotniške mreže (GAN) na govorjenem jeziku, najti diskretizirano
vzročno strukturo v skritem (latentnem) prostoru teh mrež,
introspektirati njihove vmesne predstavitve in te izide uporabljati za
modeliranje jezika. Razumevanje, kako se globoka nevronska mreža uči,
prinaša uvide tako za jezikoslovno teorijo in kognitivno znanost kot
tudi za razvoj interpretabilnega strojnega učenja.