It is your language and your pen

Google recently added voice typing support to more languages. Among the languages Malayalam is also included. The speech recognition is good quality and I see lot of positive comments in my social media stream. Many people started using it as primary input mechanism. This is a big step for Malayalam users without any doubt. Technical difficulties related to writing in Malayalam in mobile devices is getting reduced a lot. This will lead to more content generated and that is one of the stated goals of Google’s Next billion users project. The cloud api for speech recognition will help android developers to build new innovative apps around the speech recognition feature.

Google had added handwriting based input method for many of these languages in 2015. It was also well recieved by Malayalam user community and many chose it as primary input method mechanism for mobile devices.

Google’s machine learning based language tools, including the machine translation is well engineered projects and takes the language technology forward. For a language like Malayalam with relatively less language processing technology, this is a big boost. There is not even a competing product in the above mentioned areas.

All of these above technologies are closed source software, completely controlled by Google. Google’s opensource strategy is a complicated one. Google supports and uses opensource to gain maximum out of it – a pragmatic corporate exploitation. Machine learning based technologies are complex to be defined in the traditional open source definition. Here, for a ML based service provider, the training toolkit might be opensource, tensorflow for example. At the same time, the training data, models might be closed and secret. So, basically the system can be only reproduced by the owners of the data and those who has enough processing capacity. These emerging trends in language technology is also hard for individual opensource developers to catch up because of resourcing issues(data, processing capacity).

Is this model good for language?

Think about this. With no competition, the android operating system with Google’s technology platform is becoming default presence in mobile devices of Malayalam speakers with no doubt. The new language technologies are being quickly accepted as the one and only way to convey a persons expressions to digital world. No, it is not an exaggeration. The availability and quality of these tools is clearly winning its mass user crowd. There is no formal education for Malayalam typing. People discover and try anything that is available. For a new person to the digital world, handwriting was the easiest method to input Malayalam. Now it is speech recognition. And that will be the one and only one way these users know to enter Malayalam content. And these tools are fully owned and controlled by Google with no alternatives.

The open soure alternatives for input methods are still at the traditional typing keyboards. With its peers, they indeed won large user base and it even came to the users before Google entered. For example, the Indic keyboard has 1.4 million installations and actively improved by contributor for 23 languages. But I don’t see any opensource project that is in parallel with handwriting and speech recognition based input methods. As a developer working in Indic language technology based on free software, this is indeed a failure of opensource community.

I contacted a few academic researchers working on speech recognition and handwring recognition and asked what they think about these products by Google. For them, it is more difficult to convince the value of their research. ‘Well, we have products from Google that does this and thousands are using it. Why you want to work again on it?’ This question can’t be answered easily.

But to me, all of these products and its above mentioned nature strongly emphasis the need for free software alternatives. The mediation by closed sourced systems on one of the fundamental language computing task- inputting – with no alternatives puts the whole language and hence its users in heavy risk. Input method technologies, speech recognition, handwriting recognition.. all these are core to the language technology. These technolgies and science behind them should be owned by its speakers. People should be able to study, innovate on top of this technology and should be able to build mechanisms that are free from any corporate control to express their language.

I don’t want to imply or spread fear, uncertainity that Google will one day just start charging for these services or shutdown the tools. That is not my concern. All these language tools I mentioned are not to be built for facing that situation. It is to be developed as fundamental communication tools for the people for the digital age – build, own, learn, use, maintain by the people.

സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ്, GSOC Mentor Summit ല്‍ പങ്കെടുക്കുന്നു.

2007 ലെ ഗൂഗിള്‍ സമ്മര്‍ ഓഫ് കോഡ് പരിപാടിയുടെ ഭാഗമായി കാലിഫോര്‍ണിയയില്‍ ഒക്ടോബര്‍ ആറിന് ഗൂഗിള്‍ ഹെഡ് ക്വാര്‍ട്ടേഴ്സില്‍ നടക്കുന്ന Google summer of code Mentors Summit പരിപാടിയില്‍ SMC യുടെ പ്രതിനിധിയായി പ്രവീണ്‍ പങ്കെടുക്കുന്നു. GSOC 2007 ല്‍ പങ്കെടുത്ത മെന്റര്‍മാരുടെ സമ്മേളനമാണിത്. ഈ വര്‍ഷം ഇന്ത്യയില്‍ നിന്ന് ഈ പരിപാടിക്ക് തെരഞ്ഞെടുക്കപ്പെട്ട ഏക സ്വതന്ത്ര കൂട്ടായ്മ SMC ആയതു കൊണ്ട് SMC ഇന്ത്യയെക്കൂടി ഈ പരിപാടിയില്‍ പ്രതിനിധാനം ചെയ്യുന്നു.

പ്രവീണിന് യാത്രാമംഗളങ്ങള്‍ നേരുന്നു.

വിദ്യാര്‍ത്ഥികളെ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ വികസനരീതികള്‍ പരിചയപ്പെടുത്തുന്നതിനും അവരുടെ സര്‍ഗ്ഗാത്മകമായ സോഫ്റ്റ്‌‌വെയര്‍ സംരംഭ ആശയങ്ങളെ പ്രോത്സാഹിപ്പിക്കുന്നതിനും വേണ്ടി എല്ലാ വര്‍ഷവും ഗൂഗിള്‍ ലോകമെങ്ങും നടത്തുന്ന പരിപാടിയാണ് ഗൂഗിള്‍ സമ്മര്‍ ഓഫ് കോഡ്. സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ മേഖലയില്‍ പ്രവര്‍ത്തിക്കുന്ന കൂട്ടായ്മകളുടെ കീഴിലാണ് വിദ്യാര്‍ത്ഥികള്‍ സോഫ്റ്റ്‌വെയറുകള്‍ വികസിപ്പിക്കേണ്ടത്. ഓരോ വിദ്യാര്‍ത്ഥിക്കും ഒരു മാര്‍ഗ്ഗദര്‍ശിയെ ഈ സംഘടനയില്‍ നിന്ന് തിരഞ്ഞെടുക്കുന്നു. തെരഞ്ഞെടുക്കുന്ന സോഫ്റ്റ്‌വെയര്‍ സംരംഭ ആശയങ്ങള്‍ക്ക് ഗൂഗിള്‍ 4500 ഡോളര്‍ (ഏകദേശം 2 ലക്ഷം രൂപ) വീതം നല്‍കുന്നു. 4 മാസത്തെ സമയമാണ് അനുവദിക്കുക. ഇതിനിടയില്‍ 2 തവണ മൂല്യനിര്‍ണ്ണയം ഉണ്ട്. ഒന്നാം ഘട്ട മൂല്യ നിര്‍ണ്ണയം വിജയകരമായി പൂര്‍ത്തീകരിച്ചാല്‍ 1 ലക്ഷം രൂപ ലഭിക്കും, ബാക്കി അവസാന മൂല്യ നിര്‍ണ്ണയം പൂര്‍ത്തീകരിച്ചാലും. വികസിപ്പിച്ചെടുത്ത സോഫ്റ്റ്‌വെയറുകള്‍ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറുകളാവണമെന്ന നിര്‍ബന്ധമുണ്ട്. സംരംഭ ആശയങ്ങള്‍ സംഘടകള്‍ക്കും വിദ്യാര്‍ത്ഥികള്‍ക്കും ചേര്‍ന്ന് തീരുമാനിക്കാം.

ഈ വര്‍ഷത്തെ ഗൂഗിള്‍ സമ്മര്‍ ഓഫ് കോഡിന്റെ ഔദ്യോഗിക പ്രഖ്യാപനം വന്നത് മാര്‍ച്ച് മാസത്തിലായിരുന്നു. സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങും പങ്കെടുക്കാനായുള്ള താത്പര്യം ഗൂഗിളിനെ അറിയിച്ചു. അവസാനം തെരഞ്ഞെടുക്കപ്പെട്ട സംഘടനകളില്‍ ഏക ഇന്ത്യന്‍ കൂട്ടായ്മ സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് ആയിരുന്നു. തുടര്‍ന്ന് സംരംഭ ആശയങ്ങള്‍ വിദ്യാര്‍ത്ഥികളില്‍ നിന്ന് ക്ഷണിച്ചു. 30 ഓളം ആശയങ്ങളില്‍ നിന്ന് 7 എണ്ണം ഗൂഗിളിനു സമര്‍പ്പിച്ചു. 5 സംരംഭങ്ങള്‍ ഗൂഗിള്‍ അംഗീകരിച്ചു.
അവ ഇവയായിരുന്നു:(http://code.google.com/soc/smc/about.html)
1. ശാരിക മലയാളം സ്വരസംവേദിനി (Malayalam speech recognition system): Shyam Karanatt, MES Engg College Kutippuram (Mentor: Santhosh Thottingal)
2. മലയാളം OCR : Antony FM : MES engg College Kuttippuram (Mentor: Anivar Aravind)
3. മലയാളം ടൈപ്പിങ്ങ് ട്യൂട്ടര്‍ : Mobin Mohan and friends , Thrissur Govt Engg College(Mentor: Praveen A)
4. മലയാളം നിവേശന രീതികള്‍ : Jinesh K, MES engg College kuttippuram(Mentor: Suresh P)
5. ആര്‍ദ്രം മലയാളം യുണിക്കോഡ് കാലിഗ്രാഫി ഫോണ്ട്: ഹിരണ്‍ വേണുഗോപാല്‍ , VAST, Thrissur (Mentor: Hussain K H)

ഇതടക്കം മൊത്തം 8 വിദ്യാര്‍ത്ഥികള്‍ ആണ് കേരളത്തില്‍ നിന്ന് തെരഞ്ഞെടുക്കപ്പെട്ടത്..

SMC യുടെ കൂടെ ഈ സംരംഭത്തില്‍ പങ്കെടുത്തത് പ്രശസ്ത സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ കൂട്ടായ്മകളായ ഡെബിയന്‍, ഗ്നോം, മീഡിയവിക്കി, അപാഷെ, എക്ലിപ്സ് , സോപ്, തുടങ്ങിയവയാണ്.

മെയ് മാസത്തില്‍ ഇവയുടെ വികസന പ്രവര്‍ത്തനങ്ങള്‍ ആരംഭിച്ചു. ജൂലായില്‍ നടന്ന ഒന്നാം വട്ട മൂല്യ നിര്‍ണ്ണയത്തില്‍ മലയാളം OCR സംരംഭം വേണ്ടത്ര പുരോഗതി കാണിക്കാത്തതുകൊണ്ട് പുറത്താക്കപ്പെട്ടു. ആഗസ്റ്റ് അവസാനം നടന്ന അവസാനവട്ട മൂല്യനിര്‍ണ്ണയത്തില്‍ എല്ലാ സംരംഭങ്ങളും നേരത്തേ നിശ്ചയിച്ചിരുന്ന ലക്ഷ്യങ്ങള്‍ പൂര്‍ത്തീകരിച്ചതു കൊണ്ട് വിജയിച്ചു.

ശാരിക, ആര്‍ദ്രം എന്നിവ പൂ‌ര്‍ണ്ണ ലക്ഷ്യം നേടുന്നതിനായുള്ള വികസന പ്രവര്‍ത്തനങ്ങള്‍ തുടര്‍ന്നു കൊണ്ടിരിക്കുന്നു..

ഈ വര്‍ഷത്തെ GSOC യില്‍ ഏകദേശം 900 ത്തോളം സംരംഭങ്ങള്‍ നടക്കുന്നുണ്ട്.

നേരത്തെതന്നെ SMC ക്ക് പരിപാടിയില്‍ പങ്കെടുക്കുന്നതിനുള്ള ക്ഷണം ലഭിച്ചെങ്കിലും വിസയില്ലാത്തതും യാത്രാ ചെലവ് ഭീമമായതിനാലും ആരെങ്കിലും പങ്കെടുക്കുന്ന കാര്യം സംശയമായിരുന്നു. 1200 ഡോളര്‍ ഗൂഗിള്‍ യാത്രാ ചെലവിലേക്ക് തരാമെന്ന് ഏറ്റിരുന്നെങ്കിലും അതുകൊണ്ട് വിമാന ടിക്കറ്റ് കിട്ടില്ലായിരുന്നു. ഒരു സംഘടനയില്‍ നിന്ന് 3 പേര്‍ക്ക് പങ്കെടുക്കാം. ഭക്ഷണം, താമസം എന്നീ ചെലവുകള്‍ ഗൂഗിള്‍ വഹിക്കും. അവസാനം ഒരു പ്രതിനിധിയുടെ മുഴുവന്‍ വിമാന ടിക്കറ്റും ഗൂഗിള്‍ തരാമെന്നേറ്റതോടെയാണ് പ്രവീണിന് പോകാനവസരം ലഭിച്ചത്. ഗൂഗിളിന് നന്ദി!!!.

വിദ്യാര്‍ത്ഥികളോട്,
മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ പുരോഗതിക്ക് ഉതകുന്ന ഏതെങ്കിലും ആശയങ്ങള്‍ നിങ്ങളുടെ മനസ്സിലുണ്ടോ? പഠനത്തോടൊപ്പം ഒരു സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ വികസിപ്പിക്കുകയും 2 ലക്ഷത്തോളം രൂപ നേടുകയും ചെയ്യാം.. ഒരു കോളേജ് പ്രൊജക്ടിന് 2 ലക്ഷം രൂപ പ്രതിഫലം കിട്ടിയാല്‍ എങ്ങനെയിരിക്കും..ചിന്തിക്കൂ….പ്രൊജക്ട് ആശയങ്ങള്‍ മെനയൂ… SMC നിങ്ങള്‍ക്കൊപ്പം. അടുത്ത മാര്‍ച്ചില്‍ GSOC 2008 വരുമ്പോള്‍ പങ്കെടുക്കൂ…
ഇത്രയേ ഉള്ളൂ നിര്‍ബന്ധം: 1. നിങ്ങള്‍ ഒരു വിദ്യാര്‍ത്ഥിയായിരിക്കണം.(എന്‍ജിനീയറിങ്ങ് വിദ്യാര്‍ത്ഥിയാവണമെന്ന് നിര്‍ബന്ധമില്ല.) 2. മലയാളം കമ്പ്യൂട്ടിങ്ങിനെ അടിസ്ഥാനമാക്കിയാവണം ആശയം. 3. സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ ആയിരിക്കണം.

ഇതു കാണൂ ….