BTU ქმნის ქართული ენის მასშტაბურ მონაცემთა ბაზებს ხელოვნური ინტელექტისთვის

ბიზნესისა და ტექნოლოგიების უნივერსიტეტი ქართული ენის ციფრული სუვერენიტეტის პროექტის ახალ ეტაპს ახორციელებს. მან AI-სთვის უკვე 130,000-მდე ანოტირებული ენობრივი ერთეული შეიქმნა. უნივერსიტეტის მკვლევრების ჩართულობით უკვე შეიქმნა დაახლოებით 130,000 ანოტირებული ენობრივი ერთეული, რომელიც ქართულ ენას ხელოვნური ინტელექტისთვის უფრო გასაგებ, წაკითხვად და აზრობრივად აღქმად სისტემად აქცევს.

თუ პროექტის წინა ეტაპებზე დამუშავდა ზოსიმეს ტექსტები, „დედაენა“ და „ვეფხისტყაოსანი“, როგორც ქართული ენის ისტორიული, საგანმანათლებლო და ღირებულებითი კოდები, ახალი ეტაპი ამ ცოდნას პრაქტიკულ მონაცემთა არქიტექტურად გარდაქმნის.

პროექტის ფარგლებში შეიქმნა ქართული ზმნების ფართო ბაზა, ანოტირებული წინადადებების სისტემა, ბუნებრივ ენასთან ახლოს მდგომი თემატური ტექსტები, იდიომებისა და ღირებულებითი ფრაზების ბაზა, ქართული აზრის ძირითადი ცნებების მოდელი და AI-ის ყველაზე გავრცელებული შეცდომების კატალოგი. ეს მონაცემები ეხმარება ხელოვნურ ინტელექტს, ქართულში სწორად აღიქვას არა მხოლოდ სიტყვები, არამედ კონტექსტი, მნიშვნელობა, კულტურული შრე და ენის შიდა ლოგიკა. პროექტის ფარგლებში შექმნილი მონაცემთა ბაზები და ენობრივი მოდელები შეიძლება გამოყენებულ იქნას როგორც ქართული ენისთვის მორგებული ხელოვნური ინტელექტის სისტემების, ისე მთარგმნელობითი, საძიებო, საგანმანათლებლო და ციფრული სერვისების განვითარებისთვის. ისინი განსაკუთრებით მნიშვნელოვანია AI მოდელების, ჩატბოტების, ვირტუალური ასისტენტების, ავტომატური თარგმნის, ტექსტის გენერირების, მეტყველების ამოცნობისა და სხვა ენობრივი ტექნოლოგიების გასაუმჯობესებლად, სადაც კრიტიკულია ქართული ენის გრამატიკის, კონტექსტის, იდიომების, კულტურული მნიშვნელობებისა და აზრობრივი სიზუსტის სწორად აღქმა. პროექტის შედეგები ასევე ქმნის ღია სამეცნიერო და ტექნოლოგიურ საფუძველს მკვლევრებისთვის, დეველოპერებისთვის, სახელმწიფო უწყებებისა და კერძო სექტორისთვის, რომლებიც ქართულ ენაზე მომუშავე ციფრულ პროდუქტებსა და AI გადაწყვეტილებებს ავითარებენ.

პროექტის მიზანია, ქართულმა ენამ ხელოვნური ინტელექტის ეპოქაში შეინარჩუნოს თავისი სიზუსტე, აზრობრივი სიღრმე და კულტურული იდენტობა, ხოლო მომავალში ქართულ ენაზე მომუშავე AI სისტემებმა შეძლონ ქართული არა მხოლოდ დაწერონ, არამედ გაიგონ.

BTU-ში აღნიშნავენ, რომ ეს მონაცემთა ბაზები ჯერ კიდევ პილოტური არქიტექტურაა, თუმცა უკვე ქმნის მნიშვნელოვან საფუძველს ქართული ენის სრულფასოვანი ინფორმაციულ-მათემატიკური მოდელირებისათვის და ქვეყნის ციფრული სუვერენიტეტის გაძლიერებისთვის.ზოსიმე ენის ისტორიული კოდია. „დედაენა“ სასწავლო კოდი, ხოლო „ვეფხისტყაოსანი“ ღირებულებითი კოდი. ახალი მონაცემთა ბაზები კი ამ ყველაფერს AI-სთვის გამოყენებად ცოდნად გარდაქმნის.

R