ბიზნესისა და ტექნოლოგიების უნივერსიტეტის მკვლევრების ჩართულობით, დაახლოებით 130,000 ანოტირებული ენობრივი ერთეული შეიქმნა, რაც ქართულ ენას AI-სთვის უფრო გასაგებ და აზრობრივად აღქმად სისტემად აქცევს.
მათ შორის ხელოვნური ინტელექტისთვის მომზადდა 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," აცხადებენ BTU-ში.
უნივერსიტეტი ამ ყველაფერს ქართული ენის ციფრული სუვერენიტეტის პროექტის ფაქრგლებში აკეთებს იმ მიზნით, რომ ქართულმა ენამ ხელოვნური ინტელექტის ეპოქაში შეინარჩუნოს თავისი სიზუსტე, აზრობრივი სიღრმე და კულტურული იდენტობა, ხოლო მომავალში ქართულ ენაზე მომუშავე AI სისტემებმა შეძლონ არა მხოლოდ ქართულად წერა, არამედ აზრის სწორად გამოტანა და გაგებაც.
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.
აღსანიშნავია, რომ პროექტის პირველ ეტაპზე დამუშავდა ზოსიმეს ტექსტები, „დედაენა“ და „ვეფხისტყაოსანი“, როგორც ქართული ენის ისტორიული, საგანმანათლებლო და ღირებულებითი კოდები, ახალი ეტაპი ამ ცოდნას პრაქტიკულ მონაცემთა არქიტექტურად გარდაქმნის.