Kā saglabāsim latviešu valodu mākslīgā intelekta un lielo valodas modeļu laikmetā?

Mākslīgais intelekts (MI) mūsdienās kļūst par ikdienas tehnoloģiju neatņemamu sastāvdaļu, un tā izplatība strauji pieaug. Daudzi to saista ar tādiem rīkiem kā ChatGPT, kuru pamatā ir lielie valodas modeļi, kas trenēti, izmantojot milzīgus teksta un citu datu apjomus. Tomēr šajā procesā mazo kopienu valodas, arī latviešu valoda, bieži paliek ēnā.

Piemēram, vairāk nekā 90% ChatGPT modeļa apmācībā izmantoto datu ir angļu valodā, bet atlikušo daļu pārsvarā sastāda dati tādās lielajās valodas kā vācu, franču, portugāļu, spāņu un mandarīnu. Šis ir tikai viens no iemesliem, kādēļ Latvijai ir jāveido savs nacionālais lielais valodas modelis, kas spētu nodrošināt latviešu valodas saglabāšanu un attīstību digitālajā laikmetā. Ceram, ka nesenajā Valsts prezidenta Edgara Rinkēviča tikšanās reizē ar “OpenAI” vadītāju Samu Altmanu arī šis jautājums ir pārrunāts.

Arvien vairāk mākslīgā intelekta risinājumi tiek veidoti, izmantojot lielo valodas modeļu tehnoloģiju, piemēram, ChatGPT, Microsoft Copilot, Gemini. Ļoti iespējams, ka ilgtermiņā šī tehnoloģija aizstās visas līdzšinējās tehnoloģijas – mašīntulkošanu, valodas atpazīšanu, teksta analīzi, datorredzi u.c. Mākslīgais intelekts varētu agregēt tekstuālos datus un attēlus, padarot to visu pieejamu lielā valodas modelī. Tā būtu bāzes tehnoloģija visiem nākotnes risinājumiem, kurus mēs šobrīd vēl varam tikai iztēloties vai arī redzēt fantastikas filmās.

ASV dominē tehnoloģiju giganti, Eiropa iet citu ceļu

MI rīku izstrādē šobrīd dominē ASV tehnoloģiju milži – Microsoft, Google, Meta, Amazon. Šiem uzņēmumiem ir milzīga datorjauda, intelektuālā kapacitāte un arī vērienīgi finanšu resursi. Tā kā ASV darba un datu valoda primāri ir angļu, tad šo gigantu izstrādātie risinājumi ir augstas kvalitātes, plaša lietojuma un strauji iekaro tirgu. Taču šie ASV uzņēmumi skatās arī uz procesiem un notikumiem citur pasaulē. Tie skaidri apzinās Eiropas tirgus potenciālu un ir gatavi ātri un efektīvi aizpildīt esošo trūkumu augstas kvalitātes lielajiem valodu modeļiem, kas pielāgoti Eiropas valodām. Par to liecina nesenais darījums, kad tehnoloģiju gigants AMD par 665 miljoniem ASV dolāru iegādājās somu uzņēmumu Silo.ai, kas tiek uzskatīts par līderi lielo valodas modeļu izstrādē Ziemeļeiropas valstu valodām.

Eiropas Savienība (ES) ir gājusi citu ceļu. Šeit tehnoloģija nav nozares gigantu rokās. Lielo valodas modeļu ieviešanu varētu salīdzināt ar industriālo revolūciju – tā būs automatizācijas un robotizācijas nākotne, tikai nu jau citā līmenī. Eiropas valstis šo ļoti labi apzinās, tāpēc kopīgiem spēkiem ir radīti vairāki superdatori, kas dažādu inovāciju programmu ietvaros kļūs pieejami nozares uzņēmumiem. Latvijas uzņēmums Tilde, uzvarot Eiropas Komisijas rīkotajā konkursā Mākslīgā intelekta lielais izaicinājums, ir viens no pirmajiem četriem uzņēmumiem, kam būs iespēja izmantot visjaudīgāko Eiropas superdatoru LUMI. Ar tā palīdzību Tilde varēs izstrādāt daudzvalodīgu, sarunbotam ChatGPT līdzīgu lielo valodas modeli latviešu, lietuviešu un citām Eiropas mazo kopienu valodām. Izmantoto datu apjoms būs tik milzīgs, ka nedz Baltijas valstīs, ne citur Eiropā līdz šim pieejamajos datu centros šādas lielo valodas modeļu apmācības nevar notikt. Šāds fundamentālais daudzvalodu modelis kalpos kā pamats turpmāko nacionālo lielo valodas modeļu izveidei un MI risinājumu pielāgošanai.

Nepieciešama politiska iniciatīva

Lai nākotnē saglabātu spēju izmantot un attīstīt MI rīkus latviešu valodā un veiksmīgi konkurētu ar citām pasaules valstīm, Latvijai ir jāizveido nacionālais valodas modelis. Gandrīz katrā Eiropas valstī jau šādas iniciatīvas notiek. Piemēram, Nīderlande tikko uzsāka realizēt nacionālā līmeņa programmu un piešķīra vairāku miljonu eiro finansējumu nacionālā valodas modeļa izstrādei. Arī Polija 2023. gada novembrī uzsāka viena gadu projektu ar mērķi izveidot nacionālo valodas modeli. Mūsu kaimiņi lietuvieši jūnija beigās noslēdza iepirkumu par Lietuvas nacionālā valodas modeļa izstrādi un ieviešanu. Igaunijas valdība nule piešķīrusi finansējumu Tartu Universitātei pirmajam izstrādes solim – datu apzināšanai un savākšanai, lai turpmāk veidotu lielo valodas modeļu apmācību. Lielajās valstīs – Vācijā, Francijā un Spānijā – jau ir pat izveidotas vairākas nacionālā valodas modeļa versijas.

Kas būtu jādara Latvijai? Pirmkārt, ir nepieciešama valdības iniciatīva, budžets un administratīvo šķēršļu mazināšana, jo datiem ir zināmi ierobežojumi. Tie var saturēt arī konfidenciālu informāciju, tāpēc to ir nepieciešams anonimizēt. Otrkārt, būtu jāiesaistās akadēmiskajai videi un citām organizācijām jeb datu turētājiem – Nacionālajai bibliotēkai, arhīvam, arī medijiem. Treškārt, protams, gan Tilde, gan citiem nozares uzņēmumiem ir jābūt gataviem iesaistīties ar savām zināšanām un jau izstrādātajiem tehnoloģiskajiem risinājumiem. Latviešu valoda ar tās plašo leksisko, morfoloģisko un sintaktisko daudzveidību prasa īpašu pieeju mākslīgā intelekta izveidē. Jāņem vērā, ka nacionālā lielā valodas modeļa izstrāde nav tikai tehnoloģisks projekts, bet arī kultūras un valodas saglabāšanas jautājums.

Nākotnes perspektīvas un Latvijas priekšrocības

MI tehnoloģija jau tagad pierāda savu jaudu un praktisko pielietojumu gan individuālos, gan biznesa lietojumos, piemēram, informācijas apkopošanā, atbilžu sagatavošanā un tekstu analīzē. Šāda tehnoloģija būtiski palielina cilvēkresursu kapacitāti un produktivitāti, ļaujot cilvēkiem koncentrēties uz darbiem ar lielāku pievienoto vērtību.

Latvijai kā mazai valstij ir iespēja ātri pieņemt un ieviest jaunas tehnoloģijas. Izveidojot nacionālo lielo valodas modeli, Latvija var nodrošināt vērā ņemamu tehnoloģisko izrāvienu, kas ne tikai saglabās latviešu valodu nākotnes digitālajā pasaulē, bet arī sniegs ekonomiskus ieguvumus, palielinot valsts konkurētspēju globālajā tirgū.

Tāpēc ir būtiski, lai Latvija apzinās šo iespēju un veic nepieciešamos soļus nacionālā valodas modeļa izveidei, stiprinot latviešu valodas un kultūras vietu mākslīgā intelekta laikmetā.

 

Autors ir Tildes valdes priekšsēdētājs

The post Kā saglabāsim latviešu valodu mākslīgā intelekta un lielo valodas modeļu laikmetā? appeared first on IR.lv.