‘एआय’आधारित महाशब्दकोशाला बळ

‘एआय’आधारित महाशब्दकोशाला बळ
१० अब्ज शब्दांचा मराठी महाविदासंचय

विधीविषयक दस्तऐवजांचे अंकचिन्हांकन

मुंबई, ता. २९ : ‘विकसित महाराष्ट्र २०४७’ या संकल्पनेअंतर्गत मराठी भाषेला आधुनिक, सर्वसमावेशक आणि तंत्रज्ञानस्नेही भाषा बनविण्याच्या दृष्टीने भाषा संचालनालयाकडील सर्व विधीविषयक दस्तऐवजांचे अंकचिन्हांकन करण्यास शासनाने प्रशासकीय व वित्तीय मान्यता दिली आहे. या प्रकल्पातून तयार होणारा प्रमाणित मराठी विधीविषयक महाविदासंचय (कॉर्पस) कृत्रिम बुद्धिमत्ताधारित महाशब्दकोशात समाविष्ट करण्यात येणार आहे. यातून १० अब्ज शब्दांचा एआय कॉर्पसवर आधारित मराठी शब्दकोश तयार केला जाणार आहे.

‘विकसित महाराष्ट्र २०४७’ ही संकल्पना पुढे नेण्यासाठी दृष्टिवेध दस्तऐवज तयार करण्यात आला आहे. त्यामध्ये ‘सम्यक शक्ती’ या क्षेत्रीय गटाअंतर्गत मराठी भाषेचा विकास हा महत्त्वाचा विषय निश्चित करण्यात आला आहे. मराठी भाषेला आधुनिक व सर्वसमावेशक स्वरूप देण्यासाठी विविध उपक्रम हाती घेण्यात आले आहेत. या उपक्रमांत छापील पृष्ठांचे क्रमवीक्षण करून त्यांचे अंकचिन्हांकन, श्राव्य मजकुराचे संग्रहण तसेच मराठी नाटकांचे संहिताकरण करून सुमारे १० अब्ज शब्दांचा कृत्रिम बुद्धिमत्ताधारित मराठी महाविदासंचय तयार करण्याचे उद्दिष्ट आहे. त्याचबरोबर दुर्मिळ मराठी हस्तलिखिते व प्राचीन दस्तऐवजांचे अंकचिन्हांकन आणि अनुवाद करण्याचेही नियोजन आहे. मराठी भाषा विभागाच्या २७ मे २०२६ रोजीच्या शासन परिपत्रकानुसार या कामासाठी कृती आराखडा निश्चित करण्यात आला आहे. महाविदासंचय तयार करण्याच्या कामाचे नियोजन, समन्वय व नियंत्रण मराठी भाषा विभागाच्या मार्गदर्शनाखाली, मुंबई विद्यापीठाच्या सहकार्याने भाषा संचालनालयामार्फत करण्यात येणार आहे.

१८२७ पासूनच्या दस्तऐवजांचे जतन
मराठी ही महाराष्ट्राची राजभाषा असल्याने राज्यातील कायदे, अधिनियम, नियम, अधिसूचना आणि अन्य विधीविषयक साहित्याचे दीर्घकालीन जतन करणे आवश्यक आहे. भाषा संचालनालयाकडे सुमारे १८२७ पासून आजपर्यंत देवनागरी लिपीत प्रकाशित झालेली विविध विधीविषयक व उपविधीविषयक पुस्तके उपलब्ध आहेत. ही पुस्तके विविध शासकीय कार्यालये, ग्रंथालये आणि अभिलेखागारांमध्ये विखुरलेल्या स्वरूपात आहेत. या दस्तऐवजांचे शास्त्रीय पद्धतीने अंकचिन्हांकन व संरचित अंकचिन्हीय रूपांतरण सर्वसमावेशक पद्धतीने झालेले नसल्याने आता त्यासाठी स्वतंत्र प्रकल्प हाती घेण्यात आला आहे.

जुन्या खिळाछाप मुद्रित प्रतींपासून आधुनिक मुद्रितांचे संकलन
संपूर्ण मजकूर ‘युनिकोड’ या आंतरराष्ट्रीय मानकावर आधारित तयार केला जाणार आहे. त्यामुळे मराठीतील अक्षरे, अंक आणि चिन्हे संगणकीय प्रणालींमध्ये सहज वापरता येतील. तयार होणाऱ्या विदासंचिका मजकूर, दस्तऐवज आणि संरचित विदा अशा विविध स्वरूपांत उपलब्ध करून देण्यात येणार आहेत. प्रत्येक अधिनियमाची स्वतंत्र तसेच एकत्रित धारिका तयार केली जाणार असून, सर्व अधिनियमांचे वर्षनिहाय संकलन करण्यात येईल. मूळ अधिनियमासोबत त्यात वेळोवेळी झालेल्या सुधारणा अधिनियमांचेही एकत्रित अंकचिन्हीय संकलन केले जाणार आहे. जुन्या खिळाछाप मुद्रित प्रतींपासून आधुनिक मुद्रित प्रतींपर्यंत उपलब्ध असलेल्या सर्व संबंधित दस्तऐवजांचे अंकचिन्हांकन केले जाणार असल्याने कायदेविषयक साहित्याचे अधिक अचूक व सर्वसमावेशक संकलन शक्य होणार आहे.