Kviečiame skaityti dr. (HP) Onos Aleknavičienės, dr. Mindaugo Šinkūno ir Vytauto Zinkevičiaus interviu apie Senųjų raštų duomenų bazę (1995–2025)

This page is only available in Lietuvių.

Šiemet Lietuvių kalbos instituto Senųjų raštų duomenų bazei sukako 30 metų. Ta proga kviečiame skaityti interviu su šios bazės kūrėjais – Raštijos paveldo tyrimų centro vyriausiąja mokslo darbuotoja dr. (HP) Ona Aleknavičiene, vyresniuoju mokslo darbuotoju dr. Mindaugu Šinkūnu ir programuotoju Vytautu Zinkevičiumi. Pašnekovus kalbino viešųjų ryšių koordinatorė Karina Kropaitė.

Karina Kropaitė: Senųjų raštų duomenų bazei šiemet sukako 30 metų. Kokia tai bazė, koks jos pagrindinis tikslas?

Ona Aleknavičienė: Skaitmeninti senuosius lietuviškus raštus pradėta 1995 m. Iniciatyvinę lituanistikos šaltinių skaitmeninimo grupę sudarė habil. dr. Saulius Ambrazas, programuotojas Vytautas Zinkevičius ir aš. Tuomet Lietuvių kalbos institute tebuvo keletas kompiuterių, dalijomės vienu iš jų su leidykla pagal griežtą grafiką.

Anuomet užsibrėžti keli tikslai (jie tebėra aktualūs ir šiandien): saugoti kalbinę, kultūrinę ir istorinę informaciją skaitmenine forma, publikuoti retus spaudinius ir rankraščius mokslo visuomenei lengvai prieinama forma, skatinti modernius rãšomosios lietuvių kalbos tyrimus ir spartinti lituanistikos plėtrą.

Kitaip tariant, siekta parengti sunkiau prieinamų šaltinių dokumentinius perrašus, tinkamus programinei analizei, ir kurti išvestinius kūrinius, kurie palengvintų raštijos tyrėjų darbą. Ne kartą teko pabrėžti, kad mūsų skaitmeninimas – ne skaitmeninių faksimilių kėlimas į internetą, jas sėkmingai kelia bibliotekos ir archyvai. Pradėjus kurti duomenų bazę, buvo numatyta, kad ją sudarys dokumentiniai perrašai, žodžių formų konkordancijos ir indeksai. Dabar siekiai, žinoma, jau daug platesni.

 

K. K: Ką šiandien galima rasti Senųjų raštų duomenų bazėje? Kuo ji įdomi ne tik tyrėjams, bet ir visuomenei?

O. A.: 2008 m. pradėjo veikti Lietuvių kalbos instituto svetainė „Senieji raštai“. Ji galėjo atsirasti tik sukūrus unikodinį šriftą Palemonas. Visus anksčiau parengtus tekstus pirmiausia reikėjo konvertuoti į Palemoną. Svetainė skirta šaltinių tekstams ir žodžių formų konkordancijoms peržiūrėti, failus galima atsisiųsti. Ji buvo pradėta maždaug nuo 30 šaltinių, šiandien pasiekiami 176. Čia skelbiamais internetiniais leidiniais noriai remiasi ir Lietuvos, ir užsienio mokslininkai.

Mindaugas Šinkūnas: Šiandien šaltinių turime jau kelis šimtus, tekstynas viršija šešis milijonus žodžių. Dalis perrašų prieinami svetainėje „Senieji raštai“. Joje rasite visko: ir pirmųjų knygų – Mažvydo, Vilento, Daukšos, ir „didžiųjų“ spaudinių – kelių šimtų puslapių pamokslų rinkinius ar tūkstančių puslapių Biblijas, ir „mažųjų“ – vos kelių puslapių įsakų. Atspindimos visos religinės konfesijos, anuomet rašiusios ar spausdinusios lietuvių kalba: evangelikai liuteronai (Mažojoje Lietuvoje), evangelikai reformatai ir katalikai (Lietuvos Didžiojoje Kunigaikštystėje). Vieni tekstai skirti religinei praktikai, kiti yra poleminiai (pavyzdžiui, Vaišnoro versta Žemčiūga teologiška, Merlino ir Perkūno traktatai).

O. A.: Daugiausia bazėje, žinoma, religinės literatūros: prieinamos kai kurios pirmõsios lietuviškos Biblijos knygos (1579–1590), kurias į lietuvių kalbą išvertė Bretkūnas, pirmasis spausdintas evangelikų liuteronų Naujasis Testamentas (1701), pirmasis katalikų Naujasis Testamentas (1816), parūpintas vyskupo Giedraičio. Parengta ir pirmoji spausdinta Biblija (1735). Skelbiami Biblijos skaitiniai (perikopės), vadinami vertėjų Vilento, Jaknavičiaus vardais, keli psalmynai (Rėzos, Kvanto, Valančiaus ir kitų). Yra daug giesmynų – ir ne tik oficialiųjų bažnytinių (liuteronų Mažvydo-Vilento, Bretkūno, Zengštoko, Kleino, Rikovijaus, Šusterio, Berento ir kitų), bet ir privačia iniciatyva leistų Prūsijos surinkimininkų (Mertikaičio). Pasiekiamas ir LDK reformatų Knygos nobažnystės giesmynas, ir katalikiškas Slavočinskio giesmynas (1646).

M. Š.: Daug parengta kalbotyros veikalų. Tai sẽnosios gramatikos (Kleino, Sapūno ir Šulco, Hako, Ruigio, anonimo jėzuito), žodynai (Sirvydo, Hako, Ruigio), taip pat ir XIX a. pabaigos gramatikėlės, svarbios bendrinės kalbos formavimuisi, ir jų konspektai (Baranausko, Avižonio, Kudirkos). Turime ir XVIII a. pradžioje vykusią polemiką liudijančius traktatus (Merlino, Perkūno). Yra net tautosakos – rankraštinis Brodovskio priežodžių, patarlių ir mįslių rinkinys, taip pat Šulco verstos Ezopo pasakėčios (1706), mokyklinių skaitinių vadovėlis (1795). Nemažai paskelbta Prūsijos valdžios įsakų, kuriais reguliuotas lietuvininkų gyvenimas (pavyzdžiui, drausta bėgti į Lenkiją, kirsti jaunus ąžuolus ar kūrenti tvoras žiemą, mokyta, kaip suteikti pirmąją pagalbą, kovoti su kontrabanda). Svarbiausias periodikos leidinys – laikraštis laikraštis Aušra (suskaitmeninti visi numeriai).

 

K. K.: Kaip vyksta senųjų raštų skaitmeninimas? Su kokiais didžiausiais sunkumais susiduria mokslininkai?

O. A.: Skaitmeninimas prasideda nuo egzempliorių atrankos. Ieškoma geriausiai išsilaikiusio, mažiausiai defektų turinčio. Knygotyrininkams žinoma, kad ir to paties leidimo egzemplioriai gali būti neidentiški: skiriasi ne tik korektūros smulkmenomis, bet ir tekstu, todėl svarbu perrašą rengti iš vieno egzemplioriaus. Tarkim, dėl to teko rinktis Vilento ir Zengštoko Enchiridiono (1579, 1612) egzempliorius, saugomus Prūsijos kultūros paveldo Slaptajame valstybiniame archyve Berlyne, o ne Vilniuje, ir ieškoti progos ten perskaityti korektūras.

M. Š.: Prie bazės pradėjau dirbti dar studijuodamas, 2003 m. Pirmieji mano rengti perrašai buvo Kleino, Rikovijaus, Šusterio giesmynai ir maldynai. Ne visi jie saugomi Lietuvoje, važiavau į Berlyną, Volfenbiutelį, kitų knygų ieškojau Lenkijoje, Rusijoje, Prancūzijoje, Jungtinėje Karalystėje.

Jau keletą metų rengiant perrašus taikoma ir kiek kitokia praktika: pasirenkamas pagrindinis egzempliorius ir su juo perdengiamos kitų prieinamų egzempliorių skaitmeninės nuotraukos. Toks būdas leidžia lengviau įžiūrėti neaiškias teksto vietas (tai, kas viename egzemplioriuje neryšku, išryškėja kitame). Tokiais atvejais dokumentinis perrašas parengiamas taikant ir tipografijos rekonstrukciją.

Kuriant bazę, laikomasi darbo ekonomijos principo. Techninius darbus stengiamasi automatizuoti, naudojamos optinio ženklų atpažinimo programos, pastaraisiais metais taikomas mašininio mokymosi pagrindu veikiantis teksto atpažinimas. Anksčiau paskutinė perrašo korektūra visuomet būdavo skaitoma bibliotekoje ar archyve iš originalo, dabar paprastai pakanka ir geros kokybės skaitmeninių nuotraukų. Jei jų rezoliucija didelė, tai atstoja net mikroskopą. Vaizdo didinimas ypač pravartus dirbant su rankraščiais (Bretkūno Biblija) ar knygomis, spausdintomis mažu šriftu (1735 m. Biblija).

O. A.: Rankraštiniams šaltiniams šifruoti reikia specifinių žinių, įgūdžių ir kantrybės. Čia turi būti atspindimi kelių tipų taisymai ir įrašai paraštėse, kitaip sakant, reikia parodyti teksto istoriją. Todėl pirmiausia atliekama teksto analizė ir tik po to kiekvieno sakinio perrašas su specialiomis žymomis.

Vytautas Zinkevičius: Rengdami dokumentinius perrašus, mokslininkai įterpia papildomos informacijos: specialiomis žymomis (skirtukais) atskiria tekstų ar jų fragmentų autorystę, gramatinius bei kitokius požymius, komentarus ir pan. Taip parengti tekstai analizuojami Institute sukurta programine įranga, kuri informaciją apie tekstus, žodžius ir kitus teksto vienetus įrašo į duomenų bazes. Šios duomenų bazės po to pritaikomos programoms, kuriomis generuojamos senųjų rašytinių šaltinių žodžių konkordancijos, indeksai, pagal įvairius požymius atliekama kompiuterinė paieška.

 

K. K.: Senųjų raštų skaitmeniniai perrašai ir metaduomenys naudojami tokiems išvestiniams kūriniams kaip konkordancijos ir indeksai kurti. Kokie tai kūriniai ir kokias galimybes atveria tyrėjams?

O. A.: Žodžių formų konkordancijos yra visi šaltinio lietuviški žodžiai, išrikiuoti pagal abėcėlę nurodant metriką (t. y. šaltinio puslapį, skiltį, eilutę) ir pateikiant kontekstą, parodantį rūpimo žodžio aplinką. Iš pradžių konkordancijos buvo sumanytos kaip įrankis žodžių indeksams kurti, tačiau net ir morfologiškai dar neaprašytos yra vertingos tyrėjui. Todėl nuspręsta jas pateikti ir interneto svetainėje prie šaltinio perrašo.

V. Z.: Konkordancijų kūrimas apima kelis etapus: programiniai moduliai atlieka teksto patikrą, skaido arba jungia ženklų sekas, nuskaito žymas, sudaro abėcėlę ir pagal ją surikiuoja žodžių formas tiesiogine arba atvirkštine seka.

M. Š.: Iki šiol publikuoti dvylikos šaltinių indeksai. Tai Sirvydo, Šulco, Ruigio, Rėzos ir kitų autorių knygose pavartotų žodžių morfologiškai anotuotos rodyklės. Jos nepamainomos atliekant leksikos, morfologijos ir kitų sričių tyrimus. Dabar indeksai sudaromi ir taikant mašininį mokymąsi.

 

K. K.: Ne paslaptis, kad tokio pobūdžio projektams reikalingas atitinkamas finansavimas. Kokio finansavimo Senųjų raštų duomenų bazė jau yra sulaukusi ir kokio tikėtumėtės ateityje?

O. A.: Iki 2014 m. bazės darbai būdavo finansuojami vien iš projektų. Skirtos lėšos naudotos darbuotojų atlyginimams, kompiuterinei įrangai, komandiruotėms į užsienio bibliotekas ar archyvus. Pirmuosius darbus rėmė Valstybinė lietuvių kalbos komisija, vėliau ėmėme dairytis į įvairius fondus: Lietuvos valstybinį mokslo ir studijų fondą, Phare programą, Lietuvos Respublikos kultūros ministeriją, Lietuvos mokslo tarybą, vieno šaltinio rengimą finansavo Vokietijos fondai. Rėmėjus nurodome prie kiekvieno šaltinio. Nuo 2015 m. darbai atliekami ir projektų, ir Instituto lėšomis.

M. Š.: Paminėtini keli „didieji“ projektai, kurie sutelkė senųjų raštų tyrėjus: „Fundamentinių lituanistikos šaltinių skaitmeninimas, kompiuterinė lingvistinė analizė ir duomenų bazės plėtra“ (2007–2008, vad. Ona Aleknavičienė, rėmė Lietuvos valstybinis mokslo ir studijų fondas); „Paveldas ir tapatumas: XVII amžiaus lituanistikos šaltinių tyrimas ir sklaida“ (2010–2012, vad. Ona Aleknavičienė, rėmė Lietuvos mokslo taryba); „Lietuviškos XVI–XIX a. Biblijos istorija“ (2016–2017, vad. Mindaugas Šinkūnas, rėmė Lietuvos mokslo taryba); „XIX amžiaus tautinio atgimimo lituanistiniai šaltiniai skaitmeninėje erdvėje: „Aušra“ (1883–1884)“ (2023, vad. Mindaugas Šinkūnas, rėmė Lietuvos Respublikos kultūros ministerija).

Prie bazės kūrimo yra prisidėję mokslininkai ir iš kitų mokslo institucijų: Vilniaus universiteto, Vytauto Didžiojo universiteto, Lietuvių literatūros ir tautosakos instituto, Šiaulių universiteto, Berlyno, Halės universitetų ir kitų. Kuo daugiau į projektą įtraukiame šaltinių, tuo daugiau prie jų dirba ir rengėjų. Apimtimi išsiskyrė Daukšos Postilės skaitmeninimas – prie jos dirbo šeši darbuotojai. Sudėtingas ir iki šiol nebaigtas Bretkūno rankraštinės Biblijos skaitmeninimas sutelkė keturis tyrėjus ir porą studenčių.

O. A.: Tikimės, kad lituanistikos šaltinių svarba ir ateityje bus suprantama. Pradėtas pirmosios lietuviškos Biblijos skaitmeninimas nebus baigtas, jei ekspertai jo nevertins kaip reikšmingo šaltinio ir neskirs paramos. Visai duomenų bazei kurti ir palaikyti reikia tiek nuolatinio darbo, tiek finansavimo.

 

K. K.: Ar kuriant duomenų bazę yra pasitelkiamas dirbtinis intelektas? Jei taip, tai kuo jis yra naudingas?

M. Š.: 2018 m. ši svetainė buvo papildyta paieškos sistemos prototipu (ieškoma iš 13 šaltinių, iš 1,20 mln. žodžių). Paieška sukurta taip, kad galima ieškoti pagal užklausą, parašytą dabartine rašyba. Tai leido įgyvendinti gana sudėtingos automatinės taisyklės, niveliuojančios rašybą. Toje pačioje svetainėje pateikiama ir gretinamoji Biblijos tekstų versija, kurioje pateikiamos Biblijos eilutės iš senųjų vertimų. Medžiaga jam surinkta automatiškai, pagal perrašuose sudėliotas intertekstines žymas. Tai dar nebuvo tikrasis dirbtinis intelektas, jį pasitelkėme vėliau.

Pirmiausią tą intelektą reikėjo pamokyti. Rengiant indeksus, šaltinių žodžiai buvo aprašyti: nustatyta antraštinė forma (lema), originalo rašyba perrašyta dabartine bei pateiktà gramatinė informacija (kalbos dalis, morfologinės kategorijos). Ši informacija nuo 2021 m. naudota mašininiam mokymuisi: sudaromi neuroniniais tinklais paremti modeliai, kurie generuoja reikiamą informaciją naujai rengiamiems šaltiniams. Morfologiją šis „proto bokštas“ aprašo ne visada tiksliai, bet tai daro nepaprastai greitai ir susidoroja su didžiulėmis apimtimis. Jį naudojame kartu su dabartinei lietuvių kalbai pritaikytais kitų parengtais „intelektais“.

 

K. K.: Kaip Senųjų raštų duomenų bazė atrodys ateityje?

M. Š.: Kitaip. Daugės šaltinių, gražės interneto svetainė, plėsis jos funkcijos ir kartu raštijos tyrimų galimybės. Jau suskaitmeninome beveik viską, kas išliko parašyta lietuviškai iki XVIII a. vidurio, judėsime ir toliau. Nuo 2023 m. kuriama nauja „Senųjų raštų“ svetainės versija, kurioje numatyta sudėtinga žodžių paieška, įvairūs atrankos filtrai, daugiasluoksnis senųjų raštų skaitymas. Visi žodžiai bus gramatiškai aprašyti (mašininę anotaciją tyrėjai, žinoma, turės koreguoti).

Senuosius tekstus suprasti padės perrašai dabartine rašyba. Šaltinių intertekstinius ryšius rodyti galėtų tekstų panašumą aptinkantis algoritmas. Svarstome žodžius susieti su didžiuoju Lietuvių kalbos žodynu. Reikia atnaujinti ir bibliografiją. Institutas bendradarbiauja su bibliotekomis, tad šalia perrašų turėtume išvysti ir skaitmenines šaltinių puslapių nuotraukas.

Deja, interneto svetainė neperteiks senųjų knygų kvapo ir popieriaus čiuženimo, bet labai tikimės, kad tai bus vienas moderniausių mokslinio skaitmeninio leidimo standartų, kuris padės atskleisti kažkada popieriuje ir laike sustingdytą lietuvių kalbą bei jos istoriją.

K. K. Dėkoju už pokalbį.