Уряд ухвалив створення бази українських текстів для навчання ШІ
Кабмін затвердив постанову №1416 про базу українських текстів для навчання великих мовних моделей. Доступ до неї матимуть лише обмежені категорії користувачів, а запуск заплановано протягом трьох місяців.
Уряд ухвалив постанову №1416, якою створюється база українських текстів для навчання великих мовних моделей штучного інтелекту. Ресурс орієнтований на розробку ШІ, що працює українською мовою, і має стати основою для таких систем. Відповідальним за створення бази визначено Міністерство цифрової трансформації, а технічну частину та захист даних веде державне підприємство «Дія».
Джерелами для бази мають стати літературні твори, наукові дослідження, архівні документи та державні набори даних. Органи державної влади зобов'язані передати відкриті набори даних на запит протягом одного місяця. Приватні компанії, бібліотеки, університети та окремі особи зможуть добровільно долучати свої матеріали на підставі ліцензійних угод. Перед включенням до бази всі дані мають бути знеособлені, тобто з них прибирають інформацію, яка дозволяє ідентифікувати конкретних людей.
Доступ до бази передбачено безкоштовним, але з чіткими обмеженнями. Користуватися нею зможуть українські компанії та фізичні особи-підприємці, які вже мають досвід роботи з мовними моделями. Використання дозволяється лише для навчання та тестування таких моделей, а не для інших цілей. «Дія» розглядатиме заявки протягом десяти робочих днів. Доступ буде виключено для компаній, на які поширено санкції, фінансових установ та інвестиційних фондів. Не допускатимуться й фірми, що працюють у Росії, Білорусі чи на окупованих територіях, а також ті, що мають там суттєві зв'язки, від 10 відсотків.
Передбачено механізми контролю. Доступ може бути відкликано у разі зловживань або порушень вимог безпеки. Правовласники матимуть змогу подати скаргу на використання своїх матеріалів. Якщо дані оскаржуються, їх тимчасово блокують на час перевірки, щоб вони не потрапили до навчання моделей до з'ясування питання.
Запуск бази заплановано протягом трьох місяців. Водночас у джерелах є розбіжності щодо строків: одна версія вказує на шість місяців, які відводяться міністерству на пропозиції щодо подальшого розвитку ресурсу. Разом із Міністерством оборони та Національною академією наук Міністерство цифрової трансформації має підготувати ці пропозиції вже після запуску. Йдеться про те, що база задумана як проєкт, який ще можна доопрацьовувати залежно від результатів першого етапу.
Важливим є й те, що база не відкрита для всіх. Її створення спрямовано передусім на підтримку українських розробників, які працюють із мовними моделями, і на розвиток мовних технологій українською. Обмеження щодо компаній, пов'язаних із Росією та Білоруссю, також вписуються в загальну логіку безпеки державних ресурсів.
Точний обсяг даних, джерела фінансування та остаточний графік запуску наразі не визначено. Це залишає відкритими питання про те, наскільки швидко база зможе вийти на потрібний масштаб і скільки матеріалів вдасться зібрати від приватних учасників та бібліотек.
Джерело: dou.ua
4
