كازاخستان ستطلق أول نموذج لغوي كبير

في 16 ديسمبر، تستعد كازاخستان لاتخاذ خطوة تكنولوجية كبيرة من خلال إطلاق أول نموذج لغوي كبير (LLM) يسمى KazLLM. يتزامن هذا الإطلاق مع الذكرى السنوية الـ33 لاستقلال البلاد.

اقرأ أيضًا: الذكاء الاصطناعي التوليدي يبعث الحياة في شخصيات الألعاب غير القابلة للعب

أعلن معهد النظم الذكية والذكاء الاصطناعي (ISSAI) ذلك خلال إحاطته في جامعة نازرباييف في 18 يوليو. بدأت جمع البيانات للمشروع في مارس، ويتم تدريب النموذج باستخدام منصة حوسبة سحابية مزودة بعقد NVIDIA H100.

طلاب وخبراء يشاركون في تطوير الذكاء الاصطناعي

طلاب جامعة نازرباييف، وطلاب جامعة أستانا لتكنولوجيا المعلومات، وخريجو منحة بولاشك، والمشاركون المحليون يتعاونون في مشروع KazLLM. الهدف الرئيسي من هذه المبادرة هو إنشاء KazLLM وإنشاء قوة عاملة قادرة على إنتاج أدوات وتطبيقات ذكاء اصطناعي ذكية.

الفجوة التكنولوجية مع الدول الأخرى هي ما يريد مؤسس ورئيس معهد ISSAI، البروفيسور أتانكان فارول، سدّه من خلال هذا المشروع. وقال إنه بعد اكتماله، ستكون كازاخستان متأخرة فقط بـ 18 شهراً من حيث التكنولوجيا مقارنة بالدول الرائدة. من المتوقع أن يؤدي دمج ميزات الصوت إلى تقليل هذه الفترة إلى 12 شهراً، بينما قد تضع التطورات الإضافية في نماذج الرؤية اللغوية كازاخستان في طليعة تطوير الذكاء الاصطناعي.

مقالات ويكيبيديا، ووسائل الإعلام، ومواقع الويب الحكومية، ومجموعات البيانات المفتوحة مثل Common Crawl هي بعض المصادر التي يتم الحصول على البيانات للمشروع منها. منذ أكثر من خمس سنوات، كان معهد ISSAI ينشئ مجموعات بيانات مختلفة لمعالجة اللغات الطبيعية مصممة خصيصاً للغة الكازاخية. هذه المجموعة الشاملة من مجموعات البيانات مهمة جداً لأنها تساعد في تدريب KazLLM بشكل فعال ودقيق.

كازاخستان تأمل في معالجة الأمن الوطني والأمن المعلوماتي من خلال ابتكار الذكاء الاصطناعي

للمشروع KazLLM آثار على الأمن الوطني والأمن المعلوماتي. تأمل كازاخستان في تقليل اعتمادها على التكنولوجيا الأجنبية التي قد تؤدي إلى خروقات البيانات وتقديم معلومات مشوهة من خلال إنشاء نموذج لغوي محلي الصنع.

أبرزت مديرة العلاقات الخارجية وعالمة البيانات الرائدة، مادينا عبد الرحمنوفا، مجموعة التدريب الواسعة للنموذج. "سيكون مكوناً من ما لا يقل عن 100 مليار رمز (token) باللغات الكازاخية والروسية والإنجليزية والتركية، مع تمثيل كل لغة بـ 25 مليار رمز (token)"، قالت المديرة.

حالياً، يحتوي المشروع على أكثر من 30 مليار رمز (token) بما في ذلك 26 مليار رمز (token) تم إنتاجها من خلال مترجم Tilmash الذي يحول البيانات الإنجليزية إلى كازاخية. يضمن هذه القدرة على الترجمة أن النص المتماسك والدقيق يمكن إنشاؤه باللغة الكازاخية من قبل النموذج.

اقرأ أيضًا: OpenAI تطلق نسخة خفيفة، وتصدر نموذج ذكاء اصطناعي أرخص يُدعى GPT-4o mini

ينوي معهد ISSAI إنشاء واجهة مستخدم سهلة الاستخدام لـ KazLLM، مثل تلك الخاصة بنماذج OpenAI، لجعله أكثر سهولة. عند اكتماله، سيكون قادراً على دعم تفاعل النموذج، والتعلم المعزز من التغذية الراجعة البشرية، والضبط لمواقف مختلفة لتعظيم الأداء. سيتم تقديم KazLLM كحزمة اشتراك عامة وكواجهة برمجة تطبيقات (API) للمستخدمين المتمرسين.