Україна розробляє національну велику мовну модель (LLM), яка працюватиме на відкритому фреймворку Google Gemma. Набір даних включатиме матеріали понад 90 держустанов, зокрема судових реєстрів, освітніх видавництв, регіональних архівів і документів про злочини росії під час війни.
Про це повідомляє Reuters.
На початковому етапі навчання відбуватиметься на обчислювальній інфраструктурі Google, а після цього модель повністю переведуть на українські потужності.
Команда українських розробників планує
- удосконалити український токенайзер, щоб зменшити помилки в україномовних текстах та оптимізувати обчислення;
- донавчити модель на спеціально зібраних україномовних текстах;
- створити тести для точнішого налаштування LLM під конкретні сценарії використання.
Журналісти агентства зазначають, що створення української моделі частково зумовлене тим,
що нинішні AI-системи погано обробляють локальні діалекти — наприклад, змішані українсько-російсько-болгарські, поширені на півдні країни.
Для контролю якості сформовано чотири дорадчі комітети, які відповідають за технічні, юридичні, культурні та мовні аспекти, включно з підтримкою кримськотатарської та мовами меншин.
Більше про український ШІУ листопаді 2025 року Україна та NVIDIA запустили спільну ініціативу для створення суверенного штучного інтелекту та розвиток державної ШІ-інфраструктури.
Проєкт стане продовженням AI Factory — державної ШІ-платформи на базі рішень NVIDIA, яку вже почали запускати в Україні. Нова ініціатива має посилити технологічну незалежність держави та захист даних, що уряд називає питанням національної безпеки.
1 грудня стало відомо, що Міністерство цифрової трансформації та «Київстар» обрали Gemma 3 від Google як базову модель для створення національної української великої мовної моделі (LLM).
Читайте також: Керівник відділу штучного інтелекту Apple йде у відставку на тлі невдалого виходу на ринок ШІ
