Google Research ha presentato il 9 novembre 2026 Language Explorer, una piattaforma interattiva progettata per consultare informazioni geografiche, demografiche e linguistiche relative a circa 7.000 lingue e 159 sistemi di scrittura utilizzati nel mondo. Il progetto è stato sviluppato nell’ambito della 1,000 Languages Initiative di Google, un programma di ricerca dedicato all’estensione delle tecnologie linguistiche a comunità che dispongono attualmente di risorse digitali limitate. Language Explorer rende accessibili attraverso un’interfaccia cartografica le informazioni raccolte da LinguaMeta, un dataset open source che integra dati provenienti da 19 fonti differenti e li organizza secondo identificatori e criteri di classificazione comuni. La piattaforma, presentata dai ricercatori Daan van Esch e Uche Okonkwo, permette di esplorare la distribuzione geografica delle lingue, individuare le comunità di parlanti, consultare i sistemi di scrittura impiegati e verificare lo stato di vulnerabilità linguistica, mantenendo un collegamento con le informazioni originali utilizzate per costruire il database.
L’interfaccia consente di effettuare ricerche per nome della lingua, Paese, regione, continente e subcontinente, applicando criteri di esplorazione basati sul numero di parlanti, sul grado di rischio di scomparsa e sui sistemi di scrittura. Selezionando una lingua sulla mappa è possibile accedere a una scheda contenente denominazioni, localizzazione geografica e identificatori normalizzati, tra cui i codici BCP-47, i Glottocodes e gli identificativi Wikidata. Questi riferimenti permettono di collegare le informazioni linguistiche a risorse esterne e di distinguere in maniera coerente lingue, varianti territoriali e combinazioni tra lingua e sistema di scrittura. La base LinguaMeta, descritta in una pubblicazione scientifica del 2024, comprende 7.511 lingue identificate attraverso codici BCP-47 e ISO 639-3 e conserva un riferimento alla provenienza per ciascun dato, così da consentire controlli e correzioni. Quando le fonti disponibili presentavano informazioni discordanti, i ricercatori hanno privilegiato quelle considerate più autorevoli oppure effettuato ulteriori verifiche attraverso pubblicazioni accademiche, censimenti e documenti costituzionali. Il repository conserva le informazioni in record JSON dettagliati, mentre una versione tabellare TSV offre un riepilogo semplificato che non comprende tutti i metadati relativi alle fonti, alle denominazioni estese, agli utilizzi dei sistemi di scrittura, allo status ufficiale delle lingue e alle coordinate geografiche.
Il lavoro parte da una distribuzione fortemente disomogenea delle tecnologie linguistiche. Secondo i dati riportati nella ricerca LinguaMeta, traduzione automatica, riconoscimento vocale e sintesi della voce risultavano ampiamente disponibili per circa 100 lingue, mentre per gran parte delle altre la copertura era insufficiente o inesistente. La disponibilità di metadati normalizzati permette di identificare le comunità scarsamente rappresentate e di definire con maggiore precisione le combinazioni tra lingua, area geografica e sistema di scrittura necessarie per sviluppare applicazioni localizzate. La copertura del database non è però uniforme: le stime sulla popolazione dei parlanti risultavano disponibili per 6.253 lingue, equivalenti all’83% del totale documentato, mentre gli endonimi, ossia i nomi utilizzati dalle comunità per indicare la propria lingua, erano registrati soltanto per 1.136 lingue, pari al 15%. Le stime demografiche escludono generalmente i parlanti di seconda lingua per la difficoltà di ricostruire statistiche affidabili, mentre i valori più elevati vengono arrotondati per evitare una precisione numerica non giustificata dai dati disponibili. I ricercatori segnalano inoltre che l’aggregazione di popolazioni appartenenti a diverse aree geografiche può amplificare gli errori presenti nelle singole fonti.
Language Explorer si concentra principalmente sulle lingue parlate viventi ed esclude le lingue dei segni, le lingue antiche e storiche e quelle artificiali. Sono comunque incluse le macrolingue e alcune lingue classificate come estinte che conservano comunità residue di parlanti, mentre l’esperanto rappresenta un’eccezione esplicita all’esclusione delle lingue costruite, in considerazione della sua presenza in diverse tecnologie linguistiche. La piattaforma è stata inoltre inserita come installazione interattiva nella mostra Real Talk! Language. Power. World., inaugurata il 5 novembre 2026 presso il Museum of Communication di Berlino. L’esposizione è articolata in sei ambienti tematici dedicati ai mondi linguistici, alla diversità, alle identità, al contatto tra lingue, ai rapporti di potere e al futuro della comunicazione. L’ultima sezione affronta anche il ruolo dell’intelligenza artificiale e dei chatbot, insieme alle attività di documentazione delle lingue minacciate. Dal 6 novembre è disponibile un percorso digitale complementare con approfondimenti, video e quiz dedicati agli stessi temi. La mostra e il relativo progetto online sono previsti fino al 27 febbraio 2028.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)