BTU-მ შექმნა მილიონობით ციფრული რესურსი ქართული ენის ხელოვნური ინტელექტის მოდელების გასაძლიერებლად
ბიზნესისა და ტექნოლოგიების უნივერსიტეტში (BTU) განხორციელდა მნიშვნელოვანი პროექტი, რომელიც ქართული ენის ხელოვნური ინტელექტის სისტემებში ხარისხიან წარმოდგენას ისახავს მიზნად.
BTU-მ, პალიტრა მედიის მხარდაჭერით, შექმნა ქართული ენის მასშტაბური ციფრული ბაზა. ქართული ენის ციფრული სუვერენიტეტის პროექტის ფარგლებში პალიტრა მედიამ უნივერსიტეტს გადასცა წლების განმავლობაში დაგროვილი მილიონობით მედია მასალა, რამაც ქართული ენის მონაცემთა ბაზის მნიშვნელოვნად გაფართოების შესაძლებლობა შექმნა.
შექმნილი ქართული ენის ციფრული რესურსი, საწყის ეტაპზე დაახლოებით 12 მილიონ ტოკენს მოიცავს და უკვე ხელმისაწვდომია GitHub-ზე. ამის შედეგად, ქართული ენისთვის შექმნილი რესურსი საერთაშორისო AI ეკოსისტემისთვისაც ხელმისაწვდომი გახდა.
რესურსი აერთიანებს ქართული ენის მრავალფეროვან მაგალითებს, სიტყვებს, წინადადებებს, ზმნურ ფორმებს, ბრუნვებს, იდიომებს, ტერმინოლოგიას, მედიის, ბიზნესისა და ეკონომიკის ენას, აგრეთვე ოფიციალურ მონაცემებს. ასეთი მრავალფეროვანი მონაცემები ხელს უწყობს AI მოდელებს, ქართული ენა უფრო ზუსტად, კონტექსტურად და სემანტიკურად დაამუშაონ.
GitHub-ზე გამოქვეყნების შემდეგ რესურსის გამოყენება შესაძლებელია გლობალური AI ეკოსისტემისთვის, მათ შორის ისეთი თანამედროვე ენობრივი მოდელების განვითარებისა და გაუმჯობესებისთვის, როგორიცაა ChatGPT, Google-ის AI მოდელები, Claude და სხვა AI სისტემები.
პროექტი BTU-ს ქართული ენის ციფრული სუვერენიტეტის ინიციატივის ნაწილია. მისი მიზანია, ქართულ ენას ჰქონდეს ძლიერი და ხარისხიანი ციფრული საფუძველი, რომელიც ხელს შეუწყობს ხელოვნური ინტელექტის, თარგმნის, საძიებო, საგანმანათლებლო და სხვა თანამედროვე ტექნოლოგიების ქართულ ენაზე უფრო ეფექტიან მუშაობას.
BTU-ს შეფასებით, ეს ინიციატივა მნიშვნელოვანი ნაბიჯია იმისთვის, რომ ქართული ენა ხელოვნური ინტელექტის ეპოქაში წარმოდგენილი იყოს არა მხოლოდ როგორც ტექსტი, არამედ როგორც სრულფასოვანი ენობრივი სისტემა, თავისი სტრუქტურით, მნიშვნელობითა და კულტურული კონტექსტით.
გაიგეთ მეტი და გაეცანით რესურსს GitHub-ზე.
R