Тайвань розширює власну базу даних для навчання ШІ — Taipei Times
Тайвань розвиває власну базу даних для навчання систем штучного інтелекту, щоб вони точніше розуміли мову, культуру та суспільні цінності країни. Міністерство цифрових справ Тайваню 15 вересня запросило видавців, письменників і платформи електронних книжок долучитися до формування Taiwan’s Sovereign AI Training Corpus. Наразі база містить близько 5 тисяч наборів даних і понад 2,2 млрд токенів тексту, повідомляє Taipei Times.
Міністр цифрових справ Лінь Їцзін заявив, що уявлення мовної моделі про демократію, систему стримувань і противаг та інші поняття формується на основі даних, на яких її навчали. За його словами, для точнішого розуміння Тайваню до навчальних масивів мають увійти місцева мова, культура й цінності.
Три складові суверенного ШІ
У статті зазначається, що країни дедалі більше переглядають залежність від американських і китайських технологічних компаній. Тайванська концепція суверенного ШІ передбачає три напрями: знаннєвий суверенітет, за якого система коректно розуміє Тайвань; суверенітет даних, що має зберегти чутливу інформацію під місцевим контролем; а також технологічний суверенітет, покликаний зменшити залежність від закордонних постачальників моделей.
Більше актуальних новин читайте у Telegram-каналі UA.News.
У 2023 році Тайвань запустив підтримуваний урядом Trustworthy AI Dialogue Engine, або TAIDE. Проєкт створювали для кращої роботи з традиційною китайською мовою та тайванськими знаннями. Керівник TAIDE Лі Юцзе тоді звертав увагу, що багатомовну модель BLOOM навчали на 16% даних спрощеною китайською, тоді як частка даних традиційною китайською становила лише 0,05%.
Локалізація підвищує точність
TAIDE адаптує відкриті моделі, параметри яких можна завантажувати та модифікувати. Ранні версії використовували Llama від Meta, а поточна Gemma-3-TAIDE-12B базується на Gemma 3 12B від Google. Тайванський тест TMMLU+, що містить понад 20 тисяч запитань із 66 предметів, показав, що лютнева модель TAIDE дала 58% правильних відповідей проти 54% в оригінальної Gemma. У питаннях географії Тайваню результат становив 70% проти 61%.
Водночас матеріал наголошує, що локальне навчання не усуває розриву з найпотужнішими закордонними моделями. Міністерський корпус також можна використовувати для технології RAG, за якої система перед відповіддю шукає інформацію в перевіреній базі документів. Заступник директора Центру досліджень ШІ в медицині Тайбейського медичного університету Чжан Юнчунь вважає, що сильніша модель міркування, підкріплена перевіреними тайванськими даними, може перевершити слабшу локально адаптовану модель у складних завданнях.
