Қазақ тілін цифрландыру қажет

Былтыр қыркүйек айында басталған жобаға «Institute of Smart Systems and Artificial Intelligence», А.Байтұрсынұлы атындағы Тіл білімі институты, Ақпарат­тық және есептеу технологиялары институты, «Тіл-Қазына» ұлттық ғылыми-практикалық орталығы және «Softcraft» компаниясы атсалысқан.

– Жоба аясында қазақ тілінде жоғары өнімді үлкен тілдік модель әзірлеуге бағытталған ғылыми-техникалық бағдар­лама жүзеге асып жатыр. Бүгінге дейін қажетті мәтін корпус­тары жинақталды, таңбалау құралдары жасалды, модель әзірленіп, оңтайландырылды, оны орналас­тыруға арналған инфрақұрылым дайын­далды. Мұнда деректердің этикасы мен қауіпсіздігі басты назарда болды. Нәти­жесінде, 100 миллионнан астам сөзден тұратын үлкен деректер қоры құрылды. Оның ішінде түрлі сала мен жанрды қамтитын тақырып корпус­тары, мәтін, сурет, аудио форматындағы мультимодальды мәліметтер, ресми құжаттар мен интерактивті сценарийлер жинақтары бар. Жобаның маңызды жетістіктері­нің бірі жоғары өнімді есептеу инфрақұрылымының іске қосылуы. Университетке «NVIDIA DGX H200» жасанды интеллект кластері сатып алынды, – деді ҚазҰУ ғылыми-инновациялық қызмет жөніндегі проректоры Марғұлан Ибрагимов.

ҚазҰУ базасында «LLM» негізінде бірқатар арнайы AI-агенттер жасалған. Олар мәтінді талдау, жауап генерациясы, автоматты классификация және интеллектуалды пайдаланушының қолдау бағыттарына бейімделген. Алдағы уақытта қазақ тіліндегі білім беру және зерттеу бағытындағы интеллектуалды агенттер мен чат-боттарды әзірлеу жос­парланып отыр. Келер жылы жоба­ны кеңейту, жаңа тақырып корпуста­рын әзірлеу, интернет-платфор­маны іске қосу, LLM-ді қолданбалы жүйелерге интеграциялау және ар­найы қазақтілді чат-боттарды әзірлеу жоспарда тұр.

Nazarbayev University Ақылды жүйе­лер және жасанды интеллект институтының (ISSAI) негізін қалаушы әрі директоры Атакан Варол еліміздегі жасанды интеллект генеративті модуль­дерін әзірлеу саласындағы зерттеулер, сматртфон, ноутбукте жұмыс істей беретін жаңа тілдік-визуалды модельдер туралы айтып берді.

– Қазақстанда мемлекеттік тілмен қатар орыс және ағыл­шын тілдері кең қолданылады. Сон­дай-ақ елде түрлі этностар­дың тілдері де бар. Генеративті жасанды интеллект дәуірінде осы тілдік әртүрлілікті ескеретін, қазақ тілін жақ­сы түсінетін, орыс және ағылшын тілдерімен жұмыс істей алатын ірі тілдік және тілдік-визуал­ды модельдер әзірлеу қажеттігі туындады. Өйт­кені қазіргі әлемде осындай технология­ларды да­мытпаған елдер өз тілінің цифрлық кеңістік­тегі орнын әлсіретіп, тіпті жоғалтып алу қаупіне тап болуы мүмкін. Бүгінде Қазақстанның академия­лық қауымдастығы осы жауапкер­шілікті сезініп, белсенді жұмыс істеп жатыр. Бұл – қазақ тілінің цифрлық болашағы үшін маңызды қадам, – дейді Атакан Варол.

АЛМАТЫ