Pointi mia nne zina thamani ya dola moja ya Marekani.

Mtu anapofikisha pointi 2,000 anaweza kuomba malipo yenye thamani ya dola tano. Ili kuzipata, lazima amalize kazi za lugha, arekodi sauti yake na asubiri watu wengine katika jamii wahakiki matokeo.

Rekodi lazima iwe wazi. Lazima ilingane na kazi iliyoombwa na isiwe na kelele zinazoifanya isitumiwe. Ikiwa ina lugha ya mitaani, ubadilishaji msimbo (code-switching) au usemi wa eneo fulani, mtu atalazimika kuamua kama matumizi hayo ni halisi na kama muktadha wake umeelezwa kwa usahihi.

Ni baada ya hapo ndipo pointi zinaondoka katika hali ya kusubiri.

Huu ndio mfumo ambao DataHive Africa inajaribu nchini Tanzania. Jukwaa linakusanya sauti, maandishi na tathmini za binadamu ili kujenga mkusanyo wa data kwa ajili ya utambuzi wa usemi, uboreshaji wa modeli za lugha na tathmini ya kitamaduni ya mifumo ya akili bandia.

Mradi unaanzia katika hoja rahisi. Lugha inaenea zaidi ya yale yanayopatikana katika kamusi, magazeti na taasisi. Kwa kuwawezesha wazungumzaji wa Kiswahili kutengeneza, kuhakiki na kuweka data katika muktadha, majaribio haya yanafungua njia ya kufanya ujenzi wa akili bandia kutoka Tanzania ushirikishe watu wengi zaidi.

Dokezo la uhariri: Toleo hili limehakikiwa kwa muundo na usahihi wa taarifa, lakini bado halijahakikiwa na mzungumzaji asilia wa Kiswahili.

Kiswahili Kisichoingia Katika Korpus

Kwa sasa DataHive Africa inalenga Kiswahili kinachozungumzwa nchini Tanzania. Inakusudia kurekodi misemo ya mijini, lafudhi za maeneo mbalimbali, lugha ya hisia, istilahi za kisheria za kila siku na aina za ubadilishaji msimbo kati ya Kiswahili na Kiingereza.

Hizi ni rejista ambazo korpus kubwa zilizoundwa kutoka ensaiklopidia, magazeti na tovuti haziwakilishi vya kutosha. Mfumo unaweza kutafsiri neno rasmi lakini ushindwe kuelewa jinsi watu wanavyopanga bei sokoni, wanavyoomba msamaha, wanavyoonyesha hasira au wanavyobadilisha sentensi ndani ya kundi la ujumbe.

Ukurasa wa DataHive unaonyesha tofauti kati ya rejista ya mtaani na ile rasmi kwa kutumia maneno “kitu kidogo” na “rushwa”. Pia umechapisha vipande vya mazungumzo ya kila siku vinavyowezesha kusikia sehemu ya lugha ambayo mradi unataka kukusanya.

Ukurasa huo unasema kuwa kuna zaidi ya wachangiaji 17 waliothibitishwa, makundi 16 ya lahaja na sampuli kadhaa zilizofichwa utambulisho. Pia unaeleza mchakato wa hatua sita unaoanzia kuwapata wachangiaji kupitia mitandao ya jamii na kuishia katika kuwasilisha faili zilizopangwa kwa mifumo ya utambuzi wa usemi.

Bado hakuna takwimu zilizojumlishwa zilizochapishwa kuhusu idadi ya kazi zilizokamilishwa, saa za sauti zilizokusanywa, kiwango cha kukataliwa au kuendelea kwa wachangiaji.

Kati ya hatua hizo kuna ridhaa ya awali, ugawaji wa kazi kulingana na wasifu wa lugha, uhakiki wa binadamu, tathmini ya ubora kwa njia ya kiotomatiki na kumbukumbu za asili ya data.

Tofauti hiyo ni muhimu.

Kukusanya lugha kunahusisha kuongeza rekodi na kuamua ni watu gani wanaowakilisha aina fulani ya lugha, ni tofauti zipi zinastahili lebo, ni makosa gani yanapaswa kusahihishwa na ni namna zipi za kuzungumza zitakazotambuliwa kuwa data halali.

Dondoo la AIthropology Lab — Korpus haigundui lugha ikiwa tayari imekamilika. Inaipanga kupitia kazi, makundi, viwango vya ubora na maamuzi kuhusu nani anayeweza kuizungumza kwa niaba ya wengine.

Kuzungumza Pia Ni Kazi

DataHive inawaita watu wanaotoa nyenzo wachangiaji na inatambua kurekodi, kuhakiki na kuweka katika muktadha kuwa aina za kazi ya lugha.

Kwa mujibu wa maelezo ya mwanzilishi wake, kila kazi iliyoidhinishwa huzalisha pointi zinazoweza kubadilishwa kuwa fedha. Jukwaa lina majina rasmi ya ngazi tatu yaliyochukuliwa kutoka katika mzinga — Larva, Worker na Queen Bee — na linapanga kuwezesha utoaji wa fedha kupitia huduma za ndani za pesa kwa simu. Junior Makwala amefafanua kuwa miunganisho hiyo bado inaendelezwa na haijaanza kufanya kazi kikamilifu katika jukwaa la uzalishaji.

Muundo wake unaotanguliza simu unajaribu kupunguza kikwazo kinachojitokeza mara nyingi katika majukwaa ya kimataifa. Watu wengi wanaweza kuchangia maarifa, sauti au kazi kutoka Tanzania, lakini huenda wasiwe na akaunti za benki zinazolingana na mifumo ya malipo inayotumiwa na kampuni za nje.

Miunganisho inayopangwa itakapoanza kufanya kazi, pesa kwa simu inaweza kurahisisha ushiriki na kuweka sehemu ya mzunguko wa kiuchumi wa ukusanyaji wa data ndani ya mazingira ya eneo.

Pointi zinaweka bei kwa kila kazi. Baadaye kampuni inaweza kuunganisha maelfu ya kazi, kuzigeuza kuwa mkusanyo wa data na kutoa leseni kwa mashirika yanayotengeneza bidhaa za kibiashara. Tofauti kati ya malipo ya kwanza na thamani ya baadaye ya korpus ni sehemu ya mfumo wa kiuchumi.

Zaidi ya malipo, ni muhimu kuelewa nani anaweka uwiano kati ya rekodi na pointi, kila kazi inahitaji muda gani na wachangiaji wanawezaje kushiriki katika maamuzi kuhusu korpus.

Pointi na ngazi zinapanga ushiriki na kufanya maendeleo yaonekane ndani ya jukwaa. Athari zake kwa vitendo zitakuwa wazi zaidi majaribio yanapoendelea na muda wa kazi pamoja na taratibu za uhakiki zinapofahamika zaidi.

Sitiari ya mzinga inaonyesha uzalishaji wa pamoja ambapo kila rekodi, uhakiki na uamuzi wa kimuktadha unachangia kujenga korpus ya pamoja. Majina Larva, Worker na Queen Bee yanaweka kila mchango ndani ya juhudi hiyo ya pamoja.

Jamii Inahakiki Jamii

Michango kwanza hupitia uhakiki wa wenzao.

Wahakiki hupima ubora wa sauti, kama rekodi inalingana na maelekezo na kama haina kelele zinazoifanya isitumiwe. Pointi hubaki katika hali ya kusubiri hadi nyenzo iidhinishwe.

Hatua ya pili inahusu maudhui ya lugha na utamaduni. Watu wenye uzoefu wa Kiswahili hukagua kwa uteuzi lugha ya mitaani, tofauti za maeneo, lugha ya hisia na ubadilishaji msimbo.

Mpangilio huu unatambua jambo ambalo mifumo ya kiotomatiki haiwezi kulitatua peke yake.

Sentensi inaweza kurekodiwa vizuri kiufundi lakini isiwe halisi kiutamaduni. Tafsiri inaweza kuonekana sahihi lakini ikapoteza sauti ya lawama, mzaha au mazungumzo ya bei. Usemi unaweza kutumiwa katika jiji moja na kuonekana wa ajabu katika jingine.

Maarifa ya kutambua tofauti hizi hayatokani tu na taaluma rasmi ya isimu. Pia hujengwa kupitia ushiriki wa kila siku katika jamii ya wazungumzaji.

DataHive inageuza maarifa hayo kuwa jukumu ndani ya mnyororo wake wa uzalishaji. Watu hawazalishi rekodi tu. Pia wanathibitisha, wanaainisha na kuweka katika muktadha usemi wa watu wengine.

Hili linatofautisha mradi na uchimbaji wa maudhui ya wavuti kwa njia ya kiotomatiki. Wazungumzaji wanakuwa wathibitishaji na muktadha wa kitamaduni unakuwa sehemu ya ubora wa data badala ya kuchukuliwa kuwa kelele au jambo la pembeni.

Uhakiki wa jamii unaonyesha kwamba ubora wa lugha pia unategemea maarifa ya mahali na maisha ya kila siku. Changamoto itakuwa kugeuza ushiriki huu wa awali kuwa vigezo vinavyoshirikiwa zaidi na vilivyo wazi kadiri mradi unavyokua.

Ridhaa Ni Mwanzo

DataHive inatumia ridhaa ya wazi na mkataba wa umma badala ya kuchota maudhui ya wavuti au kuficha ukusanyaji katika michakato isiyoeleweka. Kabla ya kupata kazi, washiriki lazima wakubali DRA-v1.0; jukwaa huhifadhi toleo la hati, wakati wa ridhaa, anwani ya IP na baadhi ya taarifa za kifaa.

Mkataba unaeleza kwa lugha ya moja kwa moja kwamba jukwaa linaweza kutumia rekodi, maandishi, picha na metadata kutengeneza mikusanyo ya data itakayouzwa au kupewa leseni kwa kampuni na mashirika ya utafiti.

Leseni hiyo inatumika duniani kote, inaweza kutolewa tena kwa wengine na haina malipo ya ziada baada ya malipo ya kwanza. Kwa michango ambayo tayari imeidhinishwa na kuuzwa, leseni ni ya kudumu. Hati inaruhusu matumizi katika utambuzi wa usemi, modeli za lugha, utafiti wa kibiashara na kitaaluma, pamoja na usanisi wa usemi na uundaji wa sauti bandia katika data iliyojumlishwa.

Watu wanaweza kuacha kushiriki, kuomba nakala ya michango yao na kuomba baadhi ya data ifutwe. Hata hivyo, mkataba unaonya kuwa nyenzo ambayo tayari imeuzwa kwa wahusika wengine haiwezi kurejeshwa.

Uwazi wa hati unawawezesha wachangiaji kuelewa mapema uhusiano unaoanzishwa. Mipaka yake pia imeelezwa: nyenzo iliyopewa leseni haiwezi kurejeshwa kila wakati, na sauti inaweza kubaki na sifa zinazoweza kumtambulisha mtu hata baada ya kuondoa majina na mawasiliano. Matumizi mapya yanapojitokeza, itakuwa muhimu kuweka masharti haya na chaguo za wachangiaji katika lugha inayoeleweka.

Kujenga Kutoka Tanzania

DataHive Africa ilizindua majaribio yake ya kiutendaji Mei 2026 baada ya kipindi cha kubuni na kupima katika miezi ya mwanzo ya mwaka.

Mwanzilishi wake, Junior Makwala, anasema ana umri wa miaka 20 na kwamba alibuni na kuandika programu za miundombinu akiwa mwanzilishi pekee bila mtaji wa kuanzia. Pia anasema kampuni imekamilisha usajili katika Business Registrations and Licensing Agency ya Tanzania.

Historia hii inaonyesha ubunifu wa kiufundi wa ndani unaotokana na mazingira ya Afrika Mashariki yanayotanguliza simu. Jukwaa lenyewe linategemea sauti, uhakiki na mahusiano ya jamii yanayogeuza muundo wa awali kuwa miundombinu ya pamoja.

Makwala ni sehemu ya kizazi kinachoishi kwa wakati mmoja upanuzi wa mawasiliano ya simu, mzunguko kati ya Kiswahili na Kiingereza na kuwasili kwa mifumo ya akili bandia iliyofundishwa hasa nje ya Afrika Mashariki.

Haangalii pengo la lugha kutoka maabara ya kigeni. Analikuta katika mazungumzo ya kila siku na katika mifumo inayoweza kutambua Kiswahili sanifu lakini ikashindwa inapokutana na usemi wa mjini, ubadilishaji msimbo au rejea ya mahali.

Kujenga jukwaa nchini Tanzania kunaweka baadhi ya maamuzi ya kiufundi na kiuchumi karibu na mahali data inapokusanywa na kunapanua wigo wa watu wanaoweza kubuni miundombinu ya akili bandia.

Uhuru wa kiteknolojia pia haumaanishi kujitenga. DataHive inalenga kutoa mikusanyo ya data kwa watengenezaji wa akili bandia. Uendelevu wake kwa hiyo utategemea mikataba, wateja, viwango vya kiufundi na masoko yaliyo nje ya Tanzania.

Kwa hiyo, mradi unajaribu kuunganisha uwezo wa kiteknolojia wa ndani, ushiriki wa jamii na uchumi wa dunia wa data.

Kujenga Akili Bandia Kutoka Katika Lugha

Tarehe 6 Julai 2026, wakati wa shughuli za Siku ya Kiswahili Duniani mjini Bujumbura, Bunge la Afrika Mashariki lilitaka Kiswahili na lugha nyingine za Afrika zijumuishwe zaidi katika akili bandia na ubunifu wa kidijitali.

Siku moja baadaye, UNESCO iliweka Kiswahili katikati ya uchumi wa wabunifu, huduma za umma za kidijitali na haki ya lugha. Shirika hilo lilisisitiza kwamba mamilioni ya watu hufikiri, hufanya biashara na kuunda kwa Kiswahili, lakini lugha hiyo inahitaji nafasi halisi mtandaoni ili mustakabali huo wa kidijitali uwe wa haki.

DataHive ni sehemu ya harakati hii ya kikanda kupitia kazi maalumu: kutengeneza nyenzo ambazo modeli zinahitaji ili kuelewa namna za usemi ambazo hazipo katika korpus za kawaida. Kiswahili kinaonekana kama desturi hai ya kijamii inayopatikana sokoni, katika mazungumzo, hisia na ubadilishaji msimbo, badala ya kuwa rasilimali tuli ya kamusi.

Mfumo huu unafungua njia ya kujenga akili bandia kwa ushiriki mpana zaidi. Wazungumzaji wanatengeneza data, wanajamii wanaihakiki na kuiweka katika muktadha, na malipo yanaanzisha uhusiano wa kiuchumi wa wazi badala ya uchimbaji wa data usioonekana. Ridhaa ya umma na kutotumia uchimbaji wa maudhui ya wavuti ni maamuzi muhimu ya kimfumo.

Majaribio haya bado hayajatatua haki ya lugha. Hata hivyo, yanawawezesha wazungumzaji kuwa washiriki katika uzalishaji wa akili bandia badala ya kuwa watu wanaowakilishwa tu na modeli zilizojengwa nje ya mazingira yao.

Uwepo wa mradi hadharani bado ni mdogo. Kiwango hicho kinaturuhusu kuona maamuzi ambayo mara nyingi hufichwa na kampuni za kati na mikataba ya siri katika minyororo mikubwa ya usambazaji wa data.

Hapa bado tunaweza kumuona mtu anayezungumza, anayehakiki rekodi, pointi iliyosubiri, leseni inayotolewa na mkusanyo wa data unaoanza kutengenezwa.

Mtazamo wa AIthropology Lab

DataHive Africa inaonyesha kuwa lugha inaingia katika akili bandia kupitia mnyororo wa kazi za binadamu.

Mtu anabuni agizo.

Mtu anatoa sauti yake.

Mtu anahakiki matokeo.

Mtu anaweka usemi katika muktadha.

Mtu anakusanya rekodi na kujenga mkusanyo wa data.

DataHive Africa inajaribu njia ya kufanya ujenzi wa akili bandia ushirikishe watu wengi zaidi. Watu wanaozungumza Kiswahili hawaonekani tu kama watumiaji wa teknolojia iliyotengenezwa mahali pengine. Wanashiriki katika kutengeneza data, kuihakiki na kutoa ufafanuzi wa kitamaduni unaoifanya iwe miundombinu yenye manufaa.

Mradi bado uko katika hatua za mwanzo, lakini unaonyesha uwezekano muhimu. Akili bandia yenye uwakilishi mpana zaidi wa lugha inaweza kujengwa kwa kutambua kazi ya wazungumzaji, kuweka maamuzi karibu na mahali lugha inapoishi na kubadilisha uchimbaji wa data usioonekana kuwa ushiriki wa wazi, ridhaa na malipo.

Kuhifadhi lugha katika akili bandia kunamaanisha kuwezesha jamii zake kushiriki katika namna mashine inavyojifunza kuisikiliza.

Vyanzo Vilivyotumika