מי בונה את כלי השפה של אפריקה, ולמי הם שייכים
הטענה שבבסיס המושג קולוניאליזם נתונים אומרת שנתונים נאספים במקום אחד ונשלטים, מעובדים ומופקים במקום אחר. Masakhane היא מקרה מתועד של תשובה מעשית לטענה הזאת בתחום השפה, וזו הסיבה שהערך הזה עוסק בה. הניסוח שהקהילה בחרה לעצמה — חיזוק והאצה של מחקר עיבוד שפה טבעית בשפות אפריקה "למען אפריקאים ובידי אפריקאים" — אינו מקרי, ואחד מפרויקטי התרגום שלה נושא את השם Decolonise Science. במקום שהמאגרים ייאספו ביבשת ויעובדו במקום אחר, הם נבנים, מתויגים ומתפרסמים בפתוח בידי דוברי השפות עצמם: מודל של בנייה מקומית ולא של הפקת משאבים. השאלה שהערך עוסק בה, אם כן, אינה כיצד בונים מודל שפה אלא מי בונה אותו, מי מחליט מה ייכלל בו, ומי נהנה מן התוצאה.
קהילה של שורשים, ולא מוסד
Masakhane מגדירה את עצמה כארגון שורשים (grassroots) שייעודו לחזק ולהאיץ מחקר עיבוד שפה טבעית בשפות אפריקה. שם הקהילה לקוח מאיסיזולו, שפת הזולו, ומשמעותו בקירוב "אנחנו בונים יחד". היא פועלת בקבוצות דיוור, בערוצי סלאק, במפגשים שבועיים ובהרצאות, וההצטרפות פתוחה לכל אדם בלי דרישות מוקדמות מלבד קבלת כללי ההתנהגות שלה. לפי הארגון, הקהילה מונה יותר מאלף משתתפים משלושים מדינות באפריקה, בעלי השכלה ועיסוקים מגוונים, ולצדם משתתפים גם ממדינות מחוץ ליבשת.
מחקר משתף: שיטה, לא סיסמה
העיקרון המרכזי של הקהילה הוא מחקר משתף. במאמר משותף לעשרות מחברים, שהוצג בכנס EMNLP ב-2020, נטען שחוקרי תרגום מכונה אינם יכולים לפתור לבדם את בעיית השפות דלות המשאבים, ושמעורבות של דוברי השפה — גם כאלה שאין להם הכשרה פורמלית במחקר — מאפשרת להם לתרום תרומה מדעית ייחודית. המאמר מדגיש שדלות המשאבים אינה רק מחסור בטקסט אלא גם תוצאה של נסיבות חברתיות ומוסדיות, ולכן פתרון טכני בלבד אינו מספיק — טענה שמחזירה את הדיון מן השאלה הטכנית אל השאלה החברתית.
מה יצא מזה בפועל
התוצרים אינם הצהרות אלא מאגרים ומודלים פתוחים. אותו מאמר מ-2020 פרסם אמות מידה לתרגום מכונה ביותר משלושים שפות, לצד מאגרי תרגום חדשים, קוד ותוצאות הערכה. ב-2021 פורסם MasakhaNER — לפי מחבריו, מאגר הנתונים הציבורי הגדול והאיכותי הראשון לזיהוי ישויות בעל שם בעשר שפות אפריקאיות. לצד אלה מתנהלים בקהילה פרויקטים נוספים, ובהם תרגום מכונה, זיהוי דיבור וטקסט למזרח אפריקה וניתוח רגש לשפות ניגריה, ומאמריה התפרסמו בכנסים המרכזיים של התחום. שחרור המאגרים בפתוח הוא עצמו חלק מן הטיעון: מי שמפרסם את חומר הגלם אינו יכול לשלוט בו לבדו.
המקבילה הישראלית — ומה שונה בה
לעברית יש מבנה מקביל בתפקידו אך שונה במוצאו. IAHLT, האיגוד הישראלי לטכנולוגיות שפת אנוש, מפרסם משאבי שפה פתוחים לעברית ולערבית, אך הוא לא נולד מלמטה: הוא הוקם בספטמבר 2020 ביוזמת רשות החדשנות ומשרד הדיגיטל הלאומי, בתקציב של 7.5 מיליון שקלים לשלוש שנים, לאחר שבממשלה נאמר שאיכות זיהוי העברית והערבית במערכות ממוחשבות נמוכה ובלתי מספקת. שתי הדרכים — קהילה פתוחה מזה, יוזמה ממשלתית מזה — מטפלות באותו פער עצמו, ונבדלות בשאלה מי מחזיק בהחלטה מה ייבנה.